13/08/2021

Gestión de los datos corporativos.

Almacén de datos (Data-Warehouse).
Arquitectura OLAP.
Minería de datos.
Generación de Informes a la Dirección.

“Soy un creyente de la suerte, por eso cada ves estudio mas para
tener mas suerte“

William Enriquez M.

Agenda

Gestión de los datos corporativos.

Almacén de datos (Data-Warehouse).
Arquitectura OLAP.
Minería de datos.
Generación de Informes a la Dirección.
Importancia de la gestión de los datos corporativos.

1
 13/08/2021

Gestión de los datos corporativos.

La gestión de los datos corporativos hoy en día

se ha desarrollado en gran medida o esta ha sido
posible gracias a las bases de datos relacionales, que
son el verdadero kit de la cuestión en relación a toda la
presentación que nos lleva hoy.

A medida que nos vayamos adentrando en la

presentación seremos capaces de identificar todos los
elementos que están presentes en estos llamados
“datos corporativos”.
“Esto lo hemos visto en otras Slides sobre BI, Dashboards, e ITIL”

Almacén de datos (Data-Warehouse).

La traducción de esta expresión inglesa quiere decir almacén de

datos, deposito de datos inteligente como un sistema utilizado para
recopilar datos, normales estructurados o no, transaccionales, de una o
varias fuentes de datos, situados en una única ubicación local o en varias,
de los cuales se obtendrán una serie de informes de datos, por lo general
agregados a los usuarios del sistema.

Resumiendo, es un repositorio de datos de muy fácil acceso,

alimentado de numerosas fuentes, transformadas en grupos de
información sobre temas específicos de negocios, para permitir nuevas
consultas, análisis, reporting y decisiones.

“Vemos que el tema de sistemas gestores de bases de datos toma

gran importancia”

2
 13/08/2021

Almacén de datos (Data-Warehouse).

Almacén de datos (Data-Warehouse).

Las características más habituales del termino almacén de

datos son las siguientes, orientado a temas, variante en el tiempo, no
volátil, e integrado.

Este sistema está sobre todo orientado a la toma de decisiones

de la entidad que la utiliza, que toma los datos de toda la organización,
mas allá de la información transaccional y operacional, esto no suele
hacerse con los datos actuales en producción o de uso actual, sino
contienen copias con las que trabajan, con la información de las
diferentes áreas de negocio de la entidad que quiere trabajar con estos
sistemas.

Este sistema integrado o data warehouse consta de un

herramienta ETL, una base de datos, una herramienta de informes y
otras herramientas que facilitan el modelado de datos.

3
 13/08/2021

Almacén de datos (Data-Warehouse).

Definiciones formales.

Según leamos definiciones de varias fuentes unas comentan

que se trata de la unión de todos los data marts (versión especial de
almacenamiento de datos) según Ralph Kimball, o la definición de un
almacén de datos en termino como repositorio de datos según lo hace Bill
Inmon, este defiende la creación de estas arquitecturas siguiendo
metodología top-down como hemos estudiado en FIS, donde los data
marts se crean después de tener toda la infraestrucutra de datos de la
organización. Sin embargo Kimball defiende una metodología
ascendente, botton up, a la hora de diseñar estos almacenes de datos.

Con toda esta carga de información deberíamos quedarnos con

la idea de que esto es una herramienta de inteligencia empresarial, para
extraer, transformar y cargar datos en el almacén de datos y herramienta
para gestionar y recuperar metadatos.

Almacén de datos (Data-Warehouse).

Los objetivos fundamentales de un Data WareHouse son:

Hace que la información de la organización sea accesible:

Los contenidos del Data WareHouse son entendibles y

navegables, y el acceso a ellos son caracterizado por el rápido
desempeño. Estos requerimientos no tienen fronteras y tampoco limites
fijos.

Cuando hablamos de entendible significa, que los niveles de la

información sean correctos y obvios. Y Navegables significa el reconocer
el destino en la pantalla y llegar a donde queramos con solo un clic.
Rápido desempeño significa, cero tiempo de espera. Todo lo demás es
un compromiso y por consiguiente algo que queremos mejorar.

4
 13/08/2021

Almacén de datos (Data-Warehouse).

Hacer que la información de la organización sea consistente:

La información de una parte de la organización puede hacerse

coincidir con la información de la otra parte de la organización. Si dos
medidas de la organización tienen el mismo nombre, entonces deben
significar la misma cosa. Y a la inversa, si dos medidas no significan la
misma cosa, entonces son etiquetados diferentes. Información
consistente significa, información de alta calidad. Significa que toda la
información es contabilizada y completada. Todo lo demás es un
compromiso y por consiguiente algo que queremos mejorar.

Almacén de datos (Data-Warehouse).

Es información adaptable y elástica:

El Data WareHouse esta diseñado para cambios continuos.

Cuando se le hacen nuevas preguntas al Data WareHouse, los datos
existentes y las tecnologías no cambian ni se corrompen. Cuando se
agregan datos nuevos al Data WareHouse, los datos existentes y las
tecnologías tampoco cambian ni se corrompen. El diseño de Data Marts
separados que hacen al Data WareHouse, deben ser distribuidos e
incrementados. Todo lo demás es un compromiso y por consiguiente algo
que queremos mejorar.

5
 13/08/2021

Almacén de datos (Data-Warehouse).

Es un seguro baluarte que protege los valores de la información:

El Data WareHouse no solamente controla el acceso efectivo a

los datos, si no que da a los dueños de la información gran visibilidad en
el uso y abusos de los datos, aún después de haber dejado el Data
WareHouse. Todo lo demás es un compromiso y por consiguiente algo
que queremos mejorar.

Almacén de datos (Data-Warehouse).

Es la fundación de la toma de decisiones:

El Data WareHouse tiene los datos correctos para soportar la

toma de decisiones. Solo hay una salida verdadera del Data WareHouse:
las decisiones que son hechas después de que el Data WareHouse haya
presentado las evidencias. La original etiqueta que preside el Data
WareHouse sigue siendo la mejor descripción de lo que queremos
construir: un sistema de soporte a las decisiones.

“A estas alturas nos ya nos sale por los poros el término Data
Warehouse”

6
 13/08/2021

Almacén de datos (Data-Warehouse).

Almacén de datos (Data-Warehouse).

Los elementos básicos de un Data WareHouse:

Sistema fuente: sistemas operacionales de registros donde sus funciones

son capturar las transacciones del negocio. A los sistemas fuentes
también se le conoce como Legacy System.
Área de trafico de datos: es un área de almacenamiento y grupo de
procesos, que limpian transforman, combinan, remover los duplicados,
guardan, archivan y preparan los datos fuente para ser usados en el Data
WareHouse.
Servidor de presentación: la máquina física objetivo en donde los datos
del Data WareHouse son organizados y almacenados para queries
directos por los usuarios finales, reportes y otras aplicaciones.
Modelo dimensional: una disciplina especifica para el modelado de datos
que es una alternativa para los modelos de entidad – relación.

7
 13/08/2021

Almacén de datos (Data-Warehouse).

Procesos de negocios: un coherente grupo de actividades de negocio

que hacen sentido a los usuarios del negocio del Data WareHouse.
Data Mart: un subgrupo lógico del Data WareHouse completo.
Data WareHouse: búsquedas fuentes de datos de la empresa. Y es la
unión de todos los data marts que la constituyen.
Almacenamiento operacional de datos: es el punto de integración por los
sistemas operacionales. Es el acceso al soporte de decisiones por los
ejecutivos.
OLAP: actividad general de búsquedas para presentación de texto y
números del Data WareHouse, también un estilo dimensional especifico
de búsquedas y presentación de información y que es ejemplificada por
vendedores de OLAP.
ROLAP: un grupo de interfases de usuarios y aplicaciones que le dan a la
base de datos relacional un estilo dimensional.

Almacén de datos (Data-Warehouse).

MOLAP: un grupo de interfaces de usuarios, aplicaciones y propietarios

de tecnología de bases de datos que tienen un fuerte estilo dimensional.
Aplicaciones para usuarios finales: una colección de herramientas que
hacen los queries, analizan y presentan la información objetivo para el
soporte de las necesidades del negocio.
Herramientas de acceso a datos por usuarios finales: un cliente de Data
WareHouse.
Ad Hoc Query Tool: un tipo especifico de herramientas de acceso a datos
por usuarios finales que invita al usuario a formas sus propios queries
manipulando directamente las tablas relacionales y sus uniones.
Modelado de aplicaciones: un sofisticado tipo de cliente de Data
WareHouse con capacidades analíticas que transforma o digiere las
salidas del Data WareHouse.
Meta Data: toda la información en el ambiente del Data WareHouse que
no son así mismo los datos actuales.

8
 13/08/2021

Almacén de datos (Data-Warehouse).

Los procesos básicos del Data WareHouse (ETL):

Extracción: este es el primer paso de obtener la información hacia el

ambiente del Data WareHouse.

Transformación: una vez que la información es extraída hacia el área de

trafico de datos, hay posibles paso de transformación como; limpieza de
la información, tirar la basura que no nos sirve, seleccionar únicamente
los campos necesarios para el Data WareHouse, combinar fuentes de
datos, haciéndolas coincidir por los valores de las llaves, creando nuevas
llaves para cada registro de una dimensión.

Carga: al final del proceso de transformación, los datos están en forma

para ser cargados.

Almacén de datos (Data-Warehouse).

9
 13/08/2021

Arquitectura OLAP.

Arquitectura OLAP.

OLAP es el acrónimo en inglés de procesamiento

analítico en línea (On-Line Analytical Processing). Es
una solución utilizada en el campo de la llamada
Inteligencia empresarial (o Business Intelligence) cuyo
objetivo es agilizar la consulta de grandes cantidades
de datos. Para ello utiliza estructuras
multidimensionales (o Cubos OLAP) que contienen
datos resumidos de grandes Bases de datos o
Sistemas Transaccionales (OLTP). Se usa en informes
de negocios de ventas, marketing, informes de
dirección, minería de datos y áreas similares.

10
 13/08/2021

Arquitectura OLAP.

La razón de usar OLAP para las consultas es la

velocidad de respuesta. Una base de datos relacional
almacena entidades en tablas discretas si han sido
normalizadas. Esta estructura es buena en un sistema
OLTP pero para las complejas consultas multitabla es
relativamente lenta.

Es un modelo mejor para búsquedas (aunque

peor desde el punto de vista operativo) es una base de
datos multidimensional.

Arquitectura OLAP.

La principal característica que potencia a OLAP, es que

es lo más rápido a la hora de ejecutar sentencias SQL de
tipo SELECT, en contraposición con OLTP que es la
mejor opción para operaciones de tipo INSERT, UPDATE
Y DELETE.

11
 13/08/2021

Almacén de datos (Data-Warehouse).

Funcionalidad:

En la base de cualquier sistema OLAP se encuentra el concepto

de cubo OLAP (también llamado cubo multidimensional o hipercubo). Se
compone de hechos numéricos llamados medidas que se clasifican por
dimensiones. El cubo de metadatos es típicamente creado a partir de un
esquema en estrella o copo de nieve, esquema de las tablas en una base
de datos relacional. Las medidas se obtienen de los registros de una tabla
de hechos y las dimensiones se derivan de la dimensión de los cuadros.

Almacén de datos (Data-Warehouse).

Tipos de sistemas OLAP:

OLAP
MOLAP
HOLAP (Hybrid OLAP)

12
 13/08/2021

Minería de datos.

Minería de datos.

La minería de datos (DM, Data Mining) consiste en la extracción

no trivial de información que reside de manera implícita en los datos.
Dicha información era previamente desconocida y podrá resultar útil para
algún proceso. En otras palabras, la minería de datos prepara, sondea y
explora los datos para sacar la información oculta en ellos.

Bajo el nombre de minería de datos se engloba todo un conjunto

de técnicas encaminadas a la extracción de conocimiento procesable,
implícito en las bases de datos. Está fuertemente ligado con la
supervisión de procesos industriales ya que resulta muy útil para
aprovechar los datos almacenados en las bases de datos.

Las bases de la minería de datos se encuentran en la

inteligencia artificial y en el análisis estadístico. Mediante los modelos
extraídos utilizando técnicas de minería de datos se aborda la solución a
problemas de predicción, clasificación y segmentación.

13
 13/08/2021

Minería de datos.

Las bases de la minería de datos se encuentran en la inteligencia

artificial y en el análisis estadístico. Mediante los modelos extraídos
utilizando técnicas de minería de datos se aborda la solución a problemas de
predicción, clasificación y segmentación.

Minería de datos.

Proceso

Las bases de la minería de datos se encuentran en la inteligencia

artificial y en el análisis estadístico. Mediante los modelos extraídos
utilizando técnicas de minería de datos se aborda la solución a problemas
de predicción, clasificación y segmentación.

14
 13/08/2021

Generación de Informes a la Dirección.

Generación de Informes a la Dirección.

Las razones básicas de porque una organización implementa

Data WareHouse:

Para realizar tareas en los servidores y discos, asociados a

queries y reportes en servidores y discos que no son utilizados por
sistemas de proceso de transacciones.

Muchas de las empresas quieren instalar sistemas de procesos

de transacciones para que haya una alta probabilidad de que las
transacciones sean completadas en un tiempo razonable. Estos sistemas
de procesos de transacciones hacen que las transacciones y peticiones
sean más rápidas en menores tiempos dado a que los queries y reportes
consumen mucho más de su límite permitido en los recursos de
servidores y discos, por tal motivo las empresas han implementado una
arquitectura de Data WareHouse que utiliza sus servidores y discos por
separado para algunos de los queries y reportes.

15
 13/08/2021

Generación de Informes a la Dirección.

Existen maneras de modelar los datos que usualmente agilizan

los queries y reportes (ejemplo: el esquema del modelo estrella) y que no
son apropiados para los procesos de transacciones porque la técnica de
modelado bajaría el rendimiento y complicaría el proceso de
transacciones. También existen tecnologías que aceleran el proceso de
queries y reportes pero baja la velocidad en el proceso de transacciones
(ejemplo: la indexación de bitmaps) y tecnología de servidores que
incrementan la velocidad en el proceso de transacciones, pero que
disminuyen la velocidad del proceso de queries y reportes (ejemplo: La
tecnología de recuperación de transacciones). Todo esto entonces esta en
el cómo se hacen los modelos de datos y que tecnología se utiliza,
inclusive que productos se adquieren para el impacto de los procesos de
queries y reportes.

Generación de Informes a la Dirección.

Para proveer un ambiente donde relativamente una muy poca

cantidad de conocimiento de los aspectos técnicos de tecnología de bases
de datos es requerida para escribir y mantener queries y reportes.

Frecuentemente un Data WareHouse puede ser instalado de

manera que los queries y reportes puedan ser escritos por personal sin
tanto conocimiento técnico, lo que hace que su mantenimiento y
construcción se haga sin más complejidad.

Para proveer un repositorio del sistema de proceso de

transacciones limpio que puede ser reportado y que no necesariamente
requiere que se arregle el sistema de proceso de transacciones..

16
 13/08/2021

Generación de Informes a la Dirección.

Desde hace mucho tiempo que las compañías necesitan reportes

con información de múltiples sistemas y han hecho extracciones de datos
para después correrlos bajo la lógica de búsqueda combinando la
información de las extracciones con los reportes generados, lo que en
muchas ocasiones es una buena estrategia. Pero cuando se tienen muchos
datos y las búsquedas se vuelven muy pesadas y después limpiar la
búsqueda, entonces lo apropiado sería un Data WareHouse

Importancia de la gestión de los datos

corporativos.

17
 13/08/2021

Importancia de la gestión de los datos

corporativos.

¿Que es lo que le preocupa a los ejecutivos?

Las empresas tienen montañas de datos en sus repositorios, pero

no pueden llegar a ellos adecuadamente.

Nada enloquece más a los “Ejecutivos” que dos personas

presentando el mismo resultado de operación pero con diferentes números
y los ejecutivos lo que buscan es ver la información pero desde diferentes
ángulos, mostrando únicamente lo que es importante para tomar una
decisión en la empresa, finalmente los ejecutivos saben que hay datos que
nunca serán confiables, por lo que prefieren que se eviten en los reportes
ejecutivos.

Importancia de la gestión de los datos

corporativos.

¿Que es lo que le preocupa a los ejecutivos?

Uno de los valores más importantes de una organización es la

información.

Estos valores normalmente son guardados por la organización de dos

formas:

•Los sistemas operacionales de registros y el Data Warehouse.

•Crudamente hablando, el sistema operacional de registros es donde

los datos son depositados y el Data WareHouse es de donde se
extraen eso datos.

18
 13/08/2021

PREGUNTAS

“No es fácil aguantar tantas definiciones despierto !!!!!!”

19