SlideShare ist ein Scribd-Unternehmen logo
1 von 10
Downloaden Sie, um offline zu lesen
UNIVERSIDAD TECNOLÓGICA DE TEHUACÁN


TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN


   CREACIÓN DE UN DATA MART UTILIZANDO LA
 HERRAMIENTA ANALYSIS SERVICE DE SQL BUISNESS
                INTELLIGENCE


         T.S.U VÍCTOR DOLORES MARCOS


    BASES DE DATOS PARA APLICACIONES


        ING. OCTAVIO SANCHES DELGADO
INTRODUCCION

El siguiente reporte tiene como finalidad exponer el uso de la herramienta Analysis Service de SQL 2008 R2
con la cual trabajaremos para exponer como se crea un DataMart desde cero para ello es importante definir
los siguientes conceptos:

    DATA WAREHOUSE

En el contexto de la informática, un almacén de datos (del inglés data warehouse) es una colección de datos
orientada a un determinado ámbito (empresa, organización, etc.), integrado, no volátil y variable en el
tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Se trata, sobre todo, de un
expediente completo de una organización, más allá de la información transaccional y operacional,
almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficiente de datos
(especialmente OLAP, procesamiento analítico en línea). El almacenamiento de los datos no debe usarse con
datos de uso actual. Los almacenes de datos contienen a menudo grandes cantidades de información que se
subdividen a veces en unidades lógicas más pequeñas dependiendo del subsistema de la entidad del que
procedan o para el que sea necesario.

OBJETIVOS

      Hacer la información de la organización accesible
      Hacer a la información de la organización consistente
      Controlar el acceso efectivo a los datos
      Generar información de manera flexible
      Servir de ayuda a la toma de decisiones

CARACTERISTICAS
    Orientado a un tema
    Administra grandes cantidades de información
    Guarda información en diversos medios de almacenamiento
    Comprende múltiples versiones de uno (o varios) esquema de base de datos
    Condensa y agrega información
    Integra y asocia información de muchas fuentes



    DATA MART

Un Data Mart es una versión especial de almacén de datos (data warehouse). Son subconjuntos de datos con
el propósito de ayudar a que un área específica dentro del negocio pueda tomar mejores decisiones. Los
datos existentes en este contexto pueden ser agrupados, explorados y propagados de múltiples formas para
que diversos grupos de usuarios realicen la explotación de los mismos de la forma más conveniente según
sus necesidades.
COMPONENTES DEL DATAMART

1.- Fuentes de Datos
Son las que alimentan de información al DataMart, están diseñadas para registrar grandes cantidades de
transacciones. Entre ella tenemos la base de datos OLTP (Una base de datos para soportar procesos
transaccionales).

Características:

       Son pobladas por usuarios finales.
       Se optimizan en función a procesos transaccionales.
       Se actualizan constantemente.
       Contienen mucha información de detalle.

A continuación se explicara paso a paso la creación del DataMart:

1.- Vamos a crear una nueva base de datos con nombre PracticaDataMart en SQL Server 2008 R2, la cual
será nuestro DataMart ficticio sin tabla u otro objeto alguno:
2.- Creando el proyecto de Analysis Services

Ahora crearemos un nuevo proyecto de Analysis Service en el Business Intelligence Development Studio de
SQL Server 2008R2 desde la ventana de inicio seleccionamos la sección en la carpeta SQL SERVER 2008 R2.




3.- Creamos un nuevo proyecto al cual llamaremos TImeDimension.
4.- Creando el Data Source (Fuente de Datos)

Creamos un nuevo Data Source que apunte hacia nuestra base de datos creada.




5.- Creamos el directorio hacia nuestra base de Datos.
6.- Todas las ventanas muestran el accionar del
                                                        asistente para la creación y señalización de la fuente
                                                        de datos a utilizar en este caso se trata de la base de
                                                        datos PracticaDataMart.




7.- Después de la creación de la fuente de datos (Data
Source) se continuara con la construcción de la vista de la
Fuente de datos (Data Source) la cual que la creación del
Data Source se genera atreves de un
asistente.(Prácticamente son los mismos pasos.) -----
Después de haberse creado la vista del Data Source se procederá a crear la dimensión del tiempo, en este
caso debido a que el Datamart utilizara al “Tiempo” para la toma y consulta del mismo. Al término de la
creación de la vista aparecerá la siguiente contenido dentro de Analysis Services.
8.-Continuamos con la creación de la Dimension del DataMart.




9.- Generamos la dimensión, al final de la creación de la dimensión seleccionaremos la opción “generar
esquema ahora” para que a su vez se cree en la Base de datos. Para lo cual utilizaremos la ayuda de un
asistente el cual aparecerá después finalizar la dimensión.
10.- Generación del esquema.




La generacion del esquema permite que los campos del data Source se almacenen en la Base de Datos. Al
termino de este podremos revisar la base de Datos y veremos que los campos generados en el Analysis
Service aparecen en ella.

                                                  Despues de esto podremos generar consultas en la
                                             BD la cual mostrara la informacion contenida ejemplo:
11.- Consulta generada en la Base de Datos.




12.- Ejecucion de la aplicación, muestra la jerarquizacion del tiempo establecido en la aplicación.




Bibliografía

Microsoft Business Intelligence y más..
Alan Koo Labrin
http://www.Data%20Mart/Microsoft%20Business%20Intelligence%20y%20m%C3%A1s....%20%20Creando%
20una%20Dimensi%C3%B3n%20de%20tiempo%20en%20SQL%20Server%20Analysis%20Services.htm

Weitere ähnliche Inhalte

Was ist angesagt?

Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouseguest10616d
 
Diseño de almacenes de datos
Diseño de almacenes de datosDiseño de almacenes de datos
Diseño de almacenes de datosUTPL UTPL
 
Datawarehouse práctica 6
Datawarehouse   práctica 6Datawarehouse   práctica 6
Datawarehouse práctica 6Gustavo Araque
 
05 exposicion data warehouse no. 5
05   exposicion data warehouse              no. 505   exposicion data warehouse              no. 5
05 exposicion data warehouse no. 5Gustavo Cuxum
 
Clase 02 - Base de Datos Estratégica [Inteligencia de Negocios en las Organiz...
Clase 02 - Base de Datos Estratégica [Inteligencia de Negocios en las Organiz...Clase 02 - Base de Datos Estratégica [Inteligencia de Negocios en las Organiz...
Clase 02 - Base de Datos Estratégica [Inteligencia de Negocios en las Organiz...Julio Antonio Huaman Chuque
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningNintendo
 
Arquitectura de datos empresariales informe power bi sql
Arquitectura de datos empresariales   informe power bi sqlArquitectura de datos empresariales   informe power bi sql
Arquitectura de datos empresariales informe power bi sqlCarlosTenelema1
 
Informatik base-de-datos
Informatik base-de-datosInformatik base-de-datos
Informatik base-de-datosOscar Carpio
 
Arquitectura de un dw
Arquitectura de un dwArquitectura de un dw
Arquitectura de un dwMax Santiago
 
Que Es Un Datawarehouse
Que Es Un DatawarehouseQue Es Un Datawarehouse
Que Es Un Datawarehouseguest10616d
 
38481889 lab-dwh-sql2005
38481889 lab-dwh-sql200538481889 lab-dwh-sql2005
38481889 lab-dwh-sql2005cristhian
 
Manual Analysis Services
Manual Analysis ServicesManual Analysis Services
Manual Analysis Servicesbrobelo
 
Data warehouse
Data warehouseData warehouse
Data warehousemalupahu
 

Was ist angesagt? (20)

Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouse
 
Cuestiones de repaso_cap_31_utpl
Cuestiones de repaso_cap_31_utplCuestiones de repaso_cap_31_utpl
Cuestiones de repaso_cap_31_utpl
 
Diseño de almacenes de datos
Diseño de almacenes de datosDiseño de almacenes de datos
Diseño de almacenes de datos
 
Datawarehouse práctica 6
Datawarehouse   práctica 6Datawarehouse   práctica 6
Datawarehouse práctica 6
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
05 exposicion data warehouse no. 5
05   exposicion data warehouse              no. 505   exposicion data warehouse              no. 5
05 exposicion data warehouse no. 5
 
Diseño de un Datamart
Diseño de un DatamartDiseño de un Datamart
Diseño de un Datamart
 
Clase 02 - Base de Datos Estratégica [Inteligencia de Negocios en las Organiz...
Clase 02 - Base de Datos Estratégica [Inteligencia de Negocios en las Organiz...Clase 02 - Base de Datos Estratégica [Inteligencia de Negocios en las Organiz...
Clase 02 - Base de Datos Estratégica [Inteligencia de Negocios en las Organiz...
 
Stefny carrero
Stefny carreroStefny carrero
Stefny carrero
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-mining
 
Almacén de datos
Almacén de datosAlmacén de datos
Almacén de datos
 
Almacen de datos
Almacen de datosAlmacen de datos
Almacen de datos
 
Arquitectura de datos empresariales informe power bi sql
Arquitectura de datos empresariales   informe power bi sqlArquitectura de datos empresariales   informe power bi sql
Arquitectura de datos empresariales informe power bi sql
 
Informatik base-de-datos
Informatik base-de-datosInformatik base-de-datos
Informatik base-de-datos
 
Arquitectura de un dw
Arquitectura de un dwArquitectura de un dw
Arquitectura de un dw
 
Que Es Un Datawarehouse
Que Es Un DatawarehouseQue Es Un Datawarehouse
Que Es Un Datawarehouse
 
38481889 lab-dwh-sql2005
38481889 lab-dwh-sql200538481889 lab-dwh-sql2005
38481889 lab-dwh-sql2005
 
Manual Analysis Services
Manual Analysis ServicesManual Analysis Services
Manual Analysis Services
 
cc302modulo1
cc302modulo1cc302modulo1
cc302modulo1
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 

Andere mochten auch

Universidad tecnológica de tehuacán diferencias entre sgboo y sgbr
Universidad tecnológica de tehuacán diferencias entre sgboo y sgbrUniversidad tecnológica de tehuacán diferencias entre sgboo y sgbr
Universidad tecnológica de tehuacán diferencias entre sgboo y sgbrVictor Dolores Marcos
 
Universidad tecnológica de tehuacán bdoo db4o
Universidad tecnológica de tehuacán bdoo db4oUniversidad tecnológica de tehuacán bdoo db4o
Universidad tecnológica de tehuacán bdoo db4oVictor Dolores Marcos
 
Practica01 db4o e1
Practica01 db4o e1Practica01 db4o e1
Practica01 db4o e1Thekavenet
 
Caso practico de base de datos orientada a objetos
Caso practico de base de datos orientada a objetosCaso practico de base de datos orientada a objetos
Caso practico de base de datos orientada a objetosMiguel Martinez
 
tabla comparativa de estandares
tabla comparativa de estandarestabla comparativa de estandares
tabla comparativa de estandaresXiva Sandoval
 
Using the right data model in a data mart
Using the right data model in a data martUsing the right data model in a data mart
Using the right data model in a data martDavid Walker
 
Modelo de base de datos orientados a objetos
Modelo de base de datos orientados a objetosModelo de base de datos orientados a objetos
Modelo de base de datos orientados a objetosarmin tilano
 

Andere mochten auch (14)

Universidad tecnológica de tehuacán diferencias entre sgboo y sgbr
Universidad tecnológica de tehuacán diferencias entre sgboo y sgbrUniversidad tecnológica de tehuacán diferencias entre sgboo y sgbr
Universidad tecnológica de tehuacán diferencias entre sgboo y sgbr
 
Universidad tecnológica de tehuacán bdoo db4o
Universidad tecnológica de tehuacán bdoo db4oUniversidad tecnológica de tehuacán bdoo db4o
Universidad tecnológica de tehuacán bdoo db4o
 
Practica01 db4o e1
Practica01 db4o e1Practica01 db4o e1
Practica01 db4o e1
 
Base de Datos Orientada a Objetos
Base de Datos Orientada a ObjetosBase de Datos Orientada a Objetos
Base de Datos Orientada a Objetos
 
Bases de datos orientadas a objetos
Bases de datos orientadas a objetosBases de datos orientadas a objetos
Bases de datos orientadas a objetos
 
Caso practico de base de datos orientada a objetos
Caso practico de base de datos orientada a objetosCaso practico de base de datos orientada a objetos
Caso practico de base de datos orientada a objetos
 
tabla comparativa de estandares
tabla comparativa de estandarestabla comparativa de estandares
tabla comparativa de estandares
 
Using the right data model in a data mart
Using the right data model in a data martUsing the right data model in a data mart
Using the right data model in a data mart
 
Base de Datos Orientada a Objetos
Base de Datos Orientada a ObjetosBase de Datos Orientada a Objetos
Base de Datos Orientada a Objetos
 
Modelo de base de datos orientados a objetos
Modelo de base de datos orientados a objetosModelo de base de datos orientados a objetos
Modelo de base de datos orientados a objetos
 
Modelo de datos
Modelo de datosModelo de datos
Modelo de datos
 
Data mart
Data martData mart
Data mart
 
Data mart
Data martData mart
Data mart
 
What is Big Data?
What is Big Data?What is Big Data?
What is Big Data?
 

Ähnlich wie Universidad tecnológica de tehuacán datamart

Componentes de sql server 2008
Componentes de sql server 2008Componentes de sql server 2008
Componentes de sql server 2008Jillian Motoharu
 
Practicas pre-profesionales
Practicas pre-profesionalesPracticas pre-profesionales
Practicas pre-profesionalesWalter Cruz Tak
 
Implantando un ERP a medida desde cero
Implantando un ERP a medida desde ceroImplantando un ERP a medida desde cero
Implantando un ERP a medida desde ceroOreka IT
 
⭐Generación de reportes en múltiples formatos con jasper report e ireport
⭐Generación de reportes en múltiples formatos con jasper report e ireport⭐Generación de reportes en múltiples formatos con jasper report e ireport
⭐Generación de reportes en múltiples formatos con jasper report e ireportJosé Pedro Avila
 
Datawarehouse1
Datawarehouse1Datawarehouse1
Datawarehouse1nestor
 
DATAWAREHOUSE
DATAWAREHOUSEDATAWAREHOUSE
DATAWAREHOUSEnestor
 
Topicos de ingeneria_de_sistema_sii_calzada1
Topicos de ingeneria_de_sistema_sii_calzada1Topicos de ingeneria_de_sistema_sii_calzada1
Topicos de ingeneria_de_sistema_sii_calzada1Calzada Meza
 
Presentacion de proyecto
Presentacion de proyectoPresentacion de proyecto
Presentacion de proyectojuansf
 
Big Data - Desarrollando soluciones efectivas
Big Data - Desarrollando soluciones efectivasBig Data - Desarrollando soluciones efectivas
Big Data - Desarrollando soluciones efectivasJoseph Lopez
 
Cómo construir tu propia data platform. From zero to hero.
Cómo construir tu propia data platform. From zero to hero. Cómo construir tu propia data platform. From zero to hero.
Cómo construir tu propia data platform. From zero to hero. GustavoMartin46
 
Bases de datos
Bases de datosBases de datos
Bases de datosAlfonso
 
Data Warehouse en las empresas y negocios.pdf
Data Warehouse en las empresas y negocios.pdfData Warehouse en las empresas y negocios.pdf
Data Warehouse en las empresas y negocios.pdfexpertoleonelmartine
 

Ähnlich wie Universidad tecnológica de tehuacán datamart (20)

Componentes de sql server 2008
Componentes de sql server 2008Componentes de sql server 2008
Componentes de sql server 2008
 
Practicas pre-profesionales
Practicas pre-profesionalesPracticas pre-profesionales
Practicas pre-profesionales
 
Implantando un ERP a medida desde cero
Implantando un ERP a medida desde ceroImplantando un ERP a medida desde cero
Implantando un ERP a medida desde cero
 
⭐Generación de reportes en múltiples formatos con jasper report e ireport
⭐Generación de reportes en múltiples formatos con jasper report e ireport⭐Generación de reportes en múltiples formatos con jasper report e ireport
⭐Generación de reportes en múltiples formatos con jasper report e ireport
 
Datawarehouse1
Datawarehouse1Datawarehouse1
Datawarehouse1
 
DATAWAREHOUSE
DATAWAREHOUSEDATAWAREHOUSE
DATAWAREHOUSE
 
Topicos de ingeneria_de_sistema_sii_calzada1
Topicos de ingeneria_de_sistema_sii_calzada1Topicos de ingeneria_de_sistema_sii_calzada1
Topicos de ingeneria_de_sistema_sii_calzada1
 
data warehouse
data warehousedata warehouse
data warehouse
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
CASO PRACTICO 2.pptx
CASO PRACTICO 2.pptxCASO PRACTICO 2.pptx
CASO PRACTICO 2.pptx
 
ALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptxALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptx
 
Presentacion de proyecto
Presentacion de proyectoPresentacion de proyecto
Presentacion de proyecto
 
Big Data - Desarrollando soluciones efectivas
Big Data - Desarrollando soluciones efectivasBig Data - Desarrollando soluciones efectivas
Big Data - Desarrollando soluciones efectivas
 
Base de Datos - Daniela Monsalve
Base de Datos - Daniela MonsalveBase de Datos - Daniela Monsalve
Base de Datos - Daniela Monsalve
 
Base de Datos
Base de DatosBase de Datos
Base de Datos
 
BigData
BigDataBigData
BigData
 
B dtrab4
B dtrab4B dtrab4
B dtrab4
 
Cómo construir tu propia data platform. From zero to hero.
Cómo construir tu propia data platform. From zero to hero. Cómo construir tu propia data platform. From zero to hero.
Cómo construir tu propia data platform. From zero to hero.
 
Bases de datos
Bases de datosBases de datos
Bases de datos
 
Data Warehouse en las empresas y negocios.pdf
Data Warehouse en las empresas y negocios.pdfData Warehouse en las empresas y negocios.pdf
Data Warehouse en las empresas y negocios.pdf
 

Mehr von Victor Dolores Marcos

Mehr von Victor Dolores Marcos (6)

Negocios inteligentes
Negocios inteligentesNegocios inteligentes
Negocios inteligentes
 
Universidad tecnológica de tehuacá modelos
Universidad tecnológica de tehuacá modelosUniversidad tecnológica de tehuacá modelos
Universidad tecnológica de tehuacá modelos
 
Universidad tecnológica de tehuacán Re-Ingeneria
Universidad tecnológica de tehuacán Re-IngeneriaUniversidad tecnológica de tehuacán Re-Ingeneria
Universidad tecnológica de tehuacán Re-Ingeneria
 
Transacciones y manejo de errores en mysql
Transacciones y manejo de errores en mysqlTransacciones y manejo de errores en mysql
Transacciones y manejo de errores en mysql
 
Bases de datos distribuidas
Bases de datos distribuidasBases de datos distribuidas
Bases de datos distribuidas
 
Bases de datos distribuidas
Bases de datos distribuidasBases de datos distribuidas
Bases de datos distribuidas
 

Kürzlich hochgeladen

LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...JAVIER SOLIS NOYOLA
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
MAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMarjorie Burga
 
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA IIAFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA IIIsauraImbrondone
 
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Carlos Muñoz
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...JAVIER SOLIS NOYOLA
 
Programacion Anual Matemática4 MPG 2024 Ccesa007.pdf
Programacion Anual Matemática4    MPG 2024  Ccesa007.pdfProgramacion Anual Matemática4    MPG 2024  Ccesa007.pdf
Programacion Anual Matemática4 MPG 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
Ley 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularLey 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularMooPandrea
 
origen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioorigen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioELIASAURELIOCHAVEZCA1
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxYadi Campos
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...JonathanCovena1
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfAngélica Soledad Vega Ramírez
 
actividades comprensión lectora para 3° grado
actividades comprensión lectora para 3° gradoactividades comprensión lectora para 3° grado
actividades comprensión lectora para 3° gradoJosDanielEstradaHern
 
plande accion dl aula de innovación pedagogica 2024.pdf
plande accion dl aula de innovación pedagogica 2024.pdfplande accion dl aula de innovación pedagogica 2024.pdf
plande accion dl aula de innovación pedagogica 2024.pdfenelcielosiempre
 
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdfGUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdfPaolaRopero2
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADauxsoporte
 
Imperialismo informal en Europa y el imperio
Imperialismo informal en Europa y el imperioImperialismo informal en Europa y el imperio
Imperialismo informal en Europa y el imperiomiralbaipiales2016
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñotapirjackluis
 

Kürzlich hochgeladen (20)

LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
MAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grande
 
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA IIAFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
AFICHE EL MANIERISMO HISTORIA DE LA ARQUITECTURA II
 
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
 
Programacion Anual Matemática4 MPG 2024 Ccesa007.pdf
Programacion Anual Matemática4    MPG 2024  Ccesa007.pdfProgramacion Anual Matemática4    MPG 2024  Ccesa007.pdf
Programacion Anual Matemática4 MPG 2024 Ccesa007.pdf
 
Ley 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circularLey 21.545 - Circular Nº 586.pdf circular
Ley 21.545 - Circular Nº 586.pdf circular
 
origen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioorigen y desarrollo del ensayo literario
origen y desarrollo del ensayo literario
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
actividades comprensión lectora para 3° grado
actividades comprensión lectora para 3° gradoactividades comprensión lectora para 3° grado
actividades comprensión lectora para 3° grado
 
plande accion dl aula de innovación pedagogica 2024.pdf
plande accion dl aula de innovación pedagogica 2024.pdfplande accion dl aula de innovación pedagogica 2024.pdf
plande accion dl aula de innovación pedagogica 2024.pdf
 
Presentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza MultigradoPresentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza Multigrado
 
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdfGUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDAD
 
Imperialismo informal en Europa y el imperio
Imperialismo informal en Europa y el imperioImperialismo informal en Europa y el imperio
Imperialismo informal en Europa y el imperio
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
 

Universidad tecnológica de tehuacán datamart

  • 1. UNIVERSIDAD TECNOLÓGICA DE TEHUACÁN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN CREACIÓN DE UN DATA MART UTILIZANDO LA HERRAMIENTA ANALYSIS SERVICE DE SQL BUISNESS INTELLIGENCE T.S.U VÍCTOR DOLORES MARCOS BASES DE DATOS PARA APLICACIONES ING. OCTAVIO SANCHES DELGADO
  • 2. INTRODUCCION El siguiente reporte tiene como finalidad exponer el uso de la herramienta Analysis Service de SQL 2008 R2 con la cual trabajaremos para exponer como se crea un DataMart desde cero para ello es importante definir los siguientes conceptos:  DATA WAREHOUSE En el contexto de la informática, un almacén de datos (del inglés data warehouse) es una colección de datos orientada a un determinado ámbito (empresa, organización, etc.), integrado, no volátil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Se trata, sobre todo, de un expediente completo de una organización, más allá de la información transaccional y operacional, almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficiente de datos (especialmente OLAP, procesamiento analítico en línea). El almacenamiento de los datos no debe usarse con datos de uso actual. Los almacenes de datos contienen a menudo grandes cantidades de información que se subdividen a veces en unidades lógicas más pequeñas dependiendo del subsistema de la entidad del que procedan o para el que sea necesario. OBJETIVOS  Hacer la información de la organización accesible  Hacer a la información de la organización consistente  Controlar el acceso efectivo a los datos  Generar información de manera flexible  Servir de ayuda a la toma de decisiones CARACTERISTICAS  Orientado a un tema  Administra grandes cantidades de información  Guarda información en diversos medios de almacenamiento  Comprende múltiples versiones de uno (o varios) esquema de base de datos  Condensa y agrega información  Integra y asocia información de muchas fuentes  DATA MART Un Data Mart es una versión especial de almacén de datos (data warehouse). Son subconjuntos de datos con el propósito de ayudar a que un área específica dentro del negocio pueda tomar mejores decisiones. Los datos existentes en este contexto pueden ser agrupados, explorados y propagados de múltiples formas para que diversos grupos de usuarios realicen la explotación de los mismos de la forma más conveniente según sus necesidades.
  • 3. COMPONENTES DEL DATAMART 1.- Fuentes de Datos Son las que alimentan de información al DataMart, están diseñadas para registrar grandes cantidades de transacciones. Entre ella tenemos la base de datos OLTP (Una base de datos para soportar procesos transaccionales). Características:  Son pobladas por usuarios finales.  Se optimizan en función a procesos transaccionales.  Se actualizan constantemente.  Contienen mucha información de detalle. A continuación se explicara paso a paso la creación del DataMart: 1.- Vamos a crear una nueva base de datos con nombre PracticaDataMart en SQL Server 2008 R2, la cual será nuestro DataMart ficticio sin tabla u otro objeto alguno:
  • 4. 2.- Creando el proyecto de Analysis Services Ahora crearemos un nuevo proyecto de Analysis Service en el Business Intelligence Development Studio de SQL Server 2008R2 desde la ventana de inicio seleccionamos la sección en la carpeta SQL SERVER 2008 R2. 3.- Creamos un nuevo proyecto al cual llamaremos TImeDimension.
  • 5. 4.- Creando el Data Source (Fuente de Datos) Creamos un nuevo Data Source que apunte hacia nuestra base de datos creada. 5.- Creamos el directorio hacia nuestra base de Datos.
  • 6. 6.- Todas las ventanas muestran el accionar del asistente para la creación y señalización de la fuente de datos a utilizar en este caso se trata de la base de datos PracticaDataMart. 7.- Después de la creación de la fuente de datos (Data Source) se continuara con la construcción de la vista de la Fuente de datos (Data Source) la cual que la creación del Data Source se genera atreves de un asistente.(Prácticamente son los mismos pasos.) -----
  • 7. Después de haberse creado la vista del Data Source se procederá a crear la dimensión del tiempo, en este caso debido a que el Datamart utilizara al “Tiempo” para la toma y consulta del mismo. Al término de la creación de la vista aparecerá la siguiente contenido dentro de Analysis Services.
  • 8. 8.-Continuamos con la creación de la Dimension del DataMart. 9.- Generamos la dimensión, al final de la creación de la dimensión seleccionaremos la opción “generar esquema ahora” para que a su vez se cree en la Base de datos. Para lo cual utilizaremos la ayuda de un asistente el cual aparecerá después finalizar la dimensión.
  • 9. 10.- Generación del esquema. La generacion del esquema permite que los campos del data Source se almacenen en la Base de Datos. Al termino de este podremos revisar la base de Datos y veremos que los campos generados en el Analysis Service aparecen en ella.  Despues de esto podremos generar consultas en la BD la cual mostrara la informacion contenida ejemplo:
  • 10. 11.- Consulta generada en la Base de Datos. 12.- Ejecucion de la aplicación, muestra la jerarquizacion del tiempo establecido en la aplicación. Bibliografía Microsoft Business Intelligence y más.. Alan Koo Labrin http://www.Data%20Mart/Microsoft%20Business%20Intelligence%20y%20m%C3%A1s....%20%20Creando% 20una%20Dimensi%C3%B3n%20de%20tiempo%20en%20SQL%20Server%20Analysis%20Services.htm