dlscrib.com-pdf-maria-jose-burgos-cabrera-tarea4docx.pdf -...

This preview shows page 1 out of 7 pages.

Unformatted text preview: Bases de datos multidimensionales. Tarea 4 María José Burgos Cabrera Business Intelligence Instituto IACC 11-11-2018 PROBLEMA La compañía N & M Ltda. requiere mejorar sus procesos de toma de decisiones, actualmente posee un sistema ERP que registra la operación diaria de la empresa, esta posee un modelo de base de datos relacional que almacena las ventas diarias, productos, contabilidad, cobranzas. Además, utiliza un sistema CRM para gestionar la relación con los clientes. Por otra parte, esta empresa desea conocer las ventas del d el año 2013 del departamento d epartamento de instrumentos musicales. De acuerdo al caso presentado responda: 1. Debido a que la compañía N & M requiere información estratégica de distintas áreas, entregue un ejemplo respecto a la necesidad de utilizar un dat data a mar mar t como un elemento de da data ta war war ehouse. En primer lugar definiré Data Mart y Data Werehouse para ejemplificar el uso de un Data Mart respecto de la necesidad de la empresa N & M: Un Data Mart es una forma sencilla de un Data Warehouse (almacén de datos) que se centra en un único tema o área funcional , como Ventas o Finanzas o Marketing. Por esto, se conoce a menudo como base de datos departamental . Un Data Warehouse es el fundamento de una empresa da data ta dr drii ven ven. Sin embargo, su administración es a veces compleja y la recopilación de datos requiere mucho tiempo. Por lo cual, para que los usuarios del negocio puedan acceder a los datos de una forma sencilla y orientada al análisis, necesitamos un Data Mart. Podemos utilizarla por ejemplo, para los siguientes casos: 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 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. 2. En el caso presentado se especifica que la empresa N & M Ltda. desea conocer las ventas del año 2013 del departamento de instrumentos musicales. De acuerdo a esto distinga las operaciones analíticas como roll-up, drill-down, sl slii ce and di ce y p pivo ivot t . Existen cuatro tipos básicos de operaciones en OLAP para el análisis de datos. Las operaciones conocidas como “drill down” y “roll up” básicamente van a definir el nivel de granularidad con la que queremos analizar los datos, mientras que las operaciones “slice” y “dice” nos permitirán navegar entre las dimensiones. Drill down y Roll up: Las operaciones “drill down” y “roll up” son utilizadas para mover la vista hacia y desde un mayor nivel de detalle a un menor nivel de detalle. Para cada caso, hacia un mayor nivel de detalle realizamos un “drill down”, mientras que para un menor nivel de detalle realizamos un “roll up”. Recordemos que la granularidad de la información es directamente proporcional al nivel de detalle, por lo que estas operaciones básicamente nos ayudan a ver o analizar los datos desde diferentes niveles de granularidad. En el caso de conocer de las ventas año 2013 del departamento de instrumentos musicales, podemos utilizar un “drill down” ya que se requiere un mayor nivel de detalle. detalle. La operación de Drill down también se conoce como agregación dinámica. Slice y Dice: Las operaciones de Slice (trocear) y dice (dado) se corresponden a las operaciones para la visualización de los datos a través del cubo. Slice y Dice son las habilidades para acceder a un data warehouse a través de cualquiera de sus dimensiones por igual. Las operaciones de Slice y Dice realizan el proceso de separar y combinar los datos de infinitas maneras. La operación de Slice realiza un “corte” en el cubo para que los usuarios puedan centrarse en un área determinada del cubo. También puede decirse que define un subcubo. Aquí, también podemos centrarnos en el análisis de las ventas del año 2013 de la empresa N & M, del departamento de instrumentos musicales. La operación Dice, rota el cubo hasta una nueva perspectiva, para que los usuarios puedan ver los datos desde diferentes perspectivas en su análisis de los datos. Con estas operaciones el usuario que analiza la información, puede agruparla de una manera, analizarla, agruparla de otra y realizar otro análisis. Con las operaciones de Slice y Dice el usuario posee diferentes perspectivas para el análisis. 3. Entregue una breve descripción de la vista multidimensional y los tipos de servidores Rolap, Molap y Holap, de acuerdo a las necesidades de esta empresa. Vista Multidimensional: Los cubos OLAP tienen un número indefinido de dimensiones, razón por la cual también reciben el nombre de hipercubos. Un cubo OLAP contendrá datos de una determinada variable que se desea analizar, proporcionando una vista lógica de los datos provistos por el sistema de información hacia el data warehouse, esta vista estará dispuesta según unas dimensiones y podrá contener información calculada. El análisis de los datos está basado en las dimensiones del hipercubo, por lo tanto, se trata de un análisis multidimensional. ROLAP: OLAP Relacional. Todos los datos, incluyendo las agregaciones se almacenan dentro de una estructura relacional de base de datos, que puede estar en la misma localización de la fuente o no. ROLAP es el método de almacenamiento más lento en la recuperación de los datos. ROLAP tiene sentido en pequeños volúmenes de datos. MOLAP: OLAP Multidimensional. En MOLAP, los datos de fuente y las agregaciones son almacenes en un formato multidimensional. MOLAP es la opción más rápida para la recuperación de datos, pero requiere de mucho espacio en disco, aunque en nuestros días esto no es un gran problema debido al bajo precio de almacenamiento. HOLAP: OLAP Híbrido. HOLAP es una combinación de las anteriores (MOLAP, ROLAP). Las bases de datos HOLAP almacenan las agregaciones dentro de una estructura multidimensional, pero el almacenamiento de los mismos (pre-calculados) se produce de forma relacional. HOLAP ofrece las funcionalidades de MOLAP, pero es tan lento como ROLAP. Debido a que los costes de hardware son cada vez más bajos, MOLAP se presenta como la mejor opción siempre que sea posible el acceso a una base de datos o fuente MOLAP independiente. Por otro lado ROLAP es más conveniente en el caso de que el número de consultas sea reducido y el volumen de datos relativamente bajo para esta empresa N & M Ltda. BIBLIOGRAFÍA Contenidos Semana 4. Recursos Adicionales… Adicionales… ...
View Full Document

  • Left Quote Icon

    Student Picture

  • Left Quote Icon

    Student Picture

  • Left Quote Icon

    Student Picture