Scribd
Cargar
125 vistas10 páginas

Data Mart

Este documento describe qué es un Data Mart, sus características y tipos. Un Data Mart es un subconjunto de datos extraído de un Data Warehouse o de fuentes externas, diseñado para satisfacer las necesidades de un grupo de usuarios o departamento en particular. Los Data Mart permiten el análisis rápido de datos centrado en un tema específico para apoyar la toma de decisiones tácticas.

Cargado por

Franz
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
125 vistas10 páginas

Data Mart

Este documento describe qué es un Data Mart, sus características y tipos. Un Data Mart es un subconjunto de datos extraído de un Data Warehouse o de fuentes externas, diseñado para satisfacer las necesidades de un grupo de usuarios o departamento en particular. Los Data Mart permiten el análisis rápido de datos centrado en un tema específico para apoyar la toma de decisiones tácticas.

Cargado por

Franz
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 10

UNIVERSIDAD ANDINA

NESTOR CACERES VELASQUEZ


FACULTAD DE SISTEMAS
E.P. Ingeniería Empresarial e Informática

GRUPO 3
INTEGRANTES
- Callo Coaquira Lucelia Nayda
- Choque Quispe Jose Armando
- Ochoa Chambi Franz Ronaldo
- Jarata Cabrera Thalía Rudi
- Mamani Coila Senaida
¿Qué es un Data Mart?
Un Data Mart no es otra cosa que un subconjunto de un Data Warehouse,
diseñado para satisfacer la necesidad de un determinado grupo de usuarios, ya
que, a menudo, es creado y controlado por un único departamento dentro de
una organización.
Dado su enfoque monotemático, un Data Mart suele extraer los datos de una
fuente determinada, habitualmente el Data Warehouse central. Por el contrario,
un Data Warehouse reúne datos de múltiples sistemas de origen y abarca
distintas áreas temáticas.
Para que me sirve:

 Conocer a detalle la información de la empresa de manera rápida.


Ejemplo: Si tienes una empresa que vende podrás saber quien te compra y
sobre todo podrás averiguar que puntos en común tienen esos
compradores y enfocarte.
 Si eres parte de la gerencia. Al conocer estos datos podrás tomar
decisiones a tiempo.
 Si aplicas a un Datamart algo de Mineria de datos podrías encontrar
nuevos clientes.
Características del Data Mart

 Alcance: el Data Mart está enfocado en una línea de negocio concreta.


 Uso:, un Data Mart apoya a decisiones tácticas.
 Áreas temáticas: el Data Mart se centra en un solo tema.
 Fuentes de datos: un Data Mart se alimenta de pocas fuentes de datos
 Tamaño: un Data Mart puede medir del orden de los centenares de
gibabyte.
 Tiempo de implementación: la implementación de un Data Mart los
tiempos se reducen en algunos meses.
Tipos de Data Mart
Existen tres tipos de Data Mart. La principal diferencia entre ellos está en como se
alimentan, es decir, como se obtienen datos de las fuentes y como se insertan en el
Data Mart.
 Data Mart dependiente :se construye a partir de un Data Warehouse central,
identificando un subconjunto adecuado de datos y moviendo una copia del mismo,
a menudo en forma resumida.
 Data Mart independiente: sé crea a partir de fuentes externas, sin recurrir al Data
Warehouse central. Por lo cual, hay que poner en marcha un proceso ETL completo,
aunque el tiempo de implementación es menor al tratarse de cantidades de datos
menores.
 Data Mart hibrido :permite combinar las ventajas de los dos modelos anteriores,
integrando datos provenientes de un Data Warehouse central con otras fuentes
externas.
Modelos de Data Mart
 El modelo estrella, que consta de una tabla central de “hechos”
relacionados con un proceso o evento comercial específico, y varias
tablas por cada dimensión de análisis alrededor de ellos.
 El modelo copo de nieve, una variación del anterior, en el cual las tablas
de dimensiones se han normalizado, para evitar la redundancia de datos
y proteger su integridad.
10 Razones para usar un Data Mart
 Generar datos orientados a usuarios finales y a perfiles de negocio. Como hemos visto anteriormente, el Data Mart
permite almacenar datos de una forma más sencilla y orientada al análisis. Esto permite optimizar la entrega de
información para dar soporte a las decisiones.
 Empoderar a los usuarios de negocio y dotarles de herramientas analíticas que ellos mismos pueden usar de forma
sencilla.
 Crear una copia estática de un conjunto del Data Warehouse para fines analíticos. Un Data Warehouse se actualiza de
forma diaria, por lo cual es probable que necesitemos una “foto” estática para poder realizar análisis de datos y que
podemos desechar en cuanto cumplamos con nuestro objetivo.
 Recuperar más rápidamente los datos que necesitan los usuarios finales. De la misma manera, los análisis realizados
sobre un Data Mart son más rápidas y ágiles.
 Crear en nuestra empresa mecanismos de respuestas más rápidos a los cambios de requerimientos de negocio,
aumentando la productividad.
 Llevar a cabo un proceso de minería de datos. El data mining genera una gran carga de trabajo, por lo cual a veces
nos puede beneficiar realizar este proceso sobre un Data Mart, para no afectar el rendimiento del Data Warehouse
central.
 Aligerar el trabajo de consultas al Data Warehouse. Si identificamos que existen consultas frecuentes sobre las mismas
tablas de un Data Warehouse, podemos aligerar la carga de trabajo realizando copias de estas tablas en Data Mart.
 Modificar datos para simular escenarios de negocios. De esta manera, creamos copias de los datos en un Data Mart
que podemos modificar a nuestro antojo, y esto no afectará a los datos en el Data Warehouse principal.
 Dar soporte a acciones concretas. Si necesitamos, por ejemplo, poner en marcha campañas de marketing, nos
beneficiaremos de un Data Mart al uso que nos permitirá calcular los indicadores de negocio clave, como el ROI.
 Crear un Data Mart de tipo OLAP y orientado al análisis a partir de un Data Warehouse estructurado de forma OLTP,
orientado a las transacciones.
Retos de los Data Mart

Entre las principales dudas a la hora de implementar un Data Mart, se


encuentran:
 La dificultad de mantener una cierta consistencia de datos entre todos
los Data Mart de los distintos departamento, para que funcionen de forma
coordinada, evitando redundancia de datos y islas de información.
 La denormalización a la hora de crear un Data Mart, si no llevada a cabo
de forma correcta, podría dificultar la extracción de información de los
datos.
 El almacenamiento de datos agregados en vez de datos detallados.
 La orientación del rendimiento hacia un pequeño grupo de consultas
preseleccionadas a expensas de todos los demás análisis exploratorios.
Cómo implementar un Data Mart en 5
pasos
 Diseño. En esta fase se recopilan los requisitos comerciales y técnicos, se identifican
las fuentes de datos, se selecciona el subconjunto apropiado de datos y se diseñan la
estructura lógica y física del Data Mart.
 Implementación. A este punto, se crea la base de datos física y las estructuras de
almacenamiento asociadas con el Data Mart; a continuación se crean los objetos de
los esquemas, como las tablas y los índices definidos en el paso de diseño; finalmente,
se determina la mejor manera de configurar las tablas y las estructuras de acceso
para una ejecución óptima de las consultas.
 Poblamiento. Incluye la asignación de datos de origen a datos de destino y, en su
caso) la extracción, transformación y carga (ETL) en el Data Mart. También se lleva a
cabo la creación y el almacenamiento de los metadatos.
 Acceso. Esta fase implica utilizar los datos: consultar los datos, analizarlos, crear
informes, cuadros, gráficos, y otras interfaces de negocio.
 Gestión. Incluye tareas como: asegura un acceso seguro a los datos, gestionar el
crecimiento de los datos, optimizar el sistema para un mejor rendimiento y garantizar
la disponibilidad de datos en caso de fallos de sistema.

También podría gustarte