2. IMPORTANCIA Y
NECESIDAD DE UNA BD
O Puede que ya tenga una base de datos,
pero lo más probable es que sólo tiene
datos de carácter personal y no a la
información clave que necesita para
recoger.
3. O La importancia de crear una lista de
calidad con los campos que le permite
ordenar y enviar los mensajes en
relevancia y oportuna a los clientes que le
dará la bienvenida, no puede ser
exagerada.
4. O El secreto de la creación de estrategias
de correo electrónico que se está
trabajando en la identificación de los
puntos más importantes (a menudo
llamado “puntos de contacto”), que son
las fechas, horarios, eventos cuando
usted puede ponerse en contacto con los
clientes con la información pertinente.
5. O Mediante la identificación de los puntos
de contacto a adelantado como parte del
desarrollo de su estrategia de marketing,
entonces usted puede estar seguro de
que está capturando todos los datos que
necesita para convertir a sus clientes en
clientes incondicionales!
6. REQUERIMIENTOS DE LAS
BDD
O El análisis de requerimientos para una
base de datos incorpora las mismas
tareas que el análisis de requerimientos
del software. Es necesario un contacto
estrecho con el cliente; es esencial la
identificación de las funciones e
interfaces; se requiere la especificación
del flujo, estructura y asociatividad de la
información y debe desarrollarse un
documento formal de los requerimientos.
7. O Requerimientos administrativos: se
requiere mucho más para
l desarrollo de sistemas de bases de
datos que únicamente seleccionan
un modelo lógico de base de datos. La
bases de datos es una
disciplina organizacional, un método, más
que una herramienta o una tecnología.
Requiere de un cambio conceptual y
organizacional.
8. ELEMENTOS CLAVE EN LA
ORGANIZACIÓN DE UNA
BDD
O Sistema de administración de base de
datos.
O Administración de información.
O Tecnología de administración de base de
datos
O Usuarios.
O Planeación de información y tecnología
de modelaje
9. CARACTERISTICAS DE LAS
BDD
O Una base de datos contiene entidades de
información que están relacionadas vía
organización y asociación. La arquitectura
lógica de una base de datos se define
mediante un esquema que representa las
definiciones de las relaciones entre las
entidades de información
10. O La arquitectura física de una base de
datos depende de la configuración del
hardware residente. Sin embargo, tanto el
esquema (descripción lógica como la
organización (descripción física) deben
adecuarse para satisfacer los
requerimientos funcionales y de
comportamiento para el acceso al análisis
y creación de informes.
11. VENTAJAS DEL USO DE BDD
O La utilización de bases de datos como
plataforma para el desarrollo de Sistemas
de Aplicación en las Organizaciones se ha
incrementado notablemente en los últimos
años, se debe a las ventajas que ofrece
su utilización, algunas de las cuales se
comentarán a continuación:
12. O Globalización de la información:
permite a los diferentes usuarios
considerar la información como un
recurso corporativo que carece de dueños
específicos.
O Eliminación de información
inconsistente: si existen dos o
más archivos con la misma información,
los cambios que se hagan a éstos
deberán hacerse a todas las copias del
archivo de facturas.
O Permite compartir información.
13. O Permite mantener la integridad en la
información: la integridad de la
información es una de sus cualidades
altamente deseable y tiene por objetivo
que sólo se almacena la información
correcta.
O Independencia de datos:
el concepto de independencia de datos es
quizás el que más ha ayudado a la rápida
proliferación del desarrollo de Sistemas
de Bases de Datos. La independencia de
datos implica un divorcio entre programas
y datos.
14. AMBIENTE MODERNO DE
BDD
O La tecnología de las bases de datos
pueden eliminar facilmente
muchos problemas creados por la
organización tradicional de archivos. Una
definición más rigurosa de bases de datos
dice que es una colección de datos
organizada para
dar servicios eficientemente a muchas
aplicaciones al centralizar los datos y
minimizar aquellos que son redundantes.
15. O En vez de separar los datos en archivos
por separados para cada aplicación, los
datos son almacenados físicamente para
aparecer a los usuarios como
almacenados en una sola ubicación: una
sola base de datos sirve a muchas
aplicaciones.
16. O Por ejemplo, en vez de que una
corporación almacene los datos
de personal en sistemas de información
separados y archivos separados para
personal, nominas y prestaciones, la
corporación podría crear una sola base de
datos para Talentos Humanos.
18. OLAP inteligente
Procesamiento Analítico en Linea (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.
19. OLAP inteligente
O OLAP Intelligence proporciona un análisis
eficaz y guiado que permite a los
empleados, clientes y proveedores
comprender mejor los datos corporativos
y tomar decisiones inteligentes que
impacten el rendimiento empresarial.
20. OLAP Inteligente
O Para ello utiliza estructuras
multidimensionales (o Cubos OLAP) que
contienen datos resumidos de grandes
Bases de datos o Sistemas
Transaccionales (OLTP).
O Se usa en informes de negocios de
ventas, marketing, informes de
dirección, minería de datos y áreas
similares.
21. OLAP inteligente
La razón de usar OLAP para las consultas
es la rapidez de respuesta. Una base de
datos relacional almacena entidades en
tablas discretas si han sido normalizadas.
22. OLAP inteligente
O Esta estructura es buena en un sistema
OLTP pero para las complejas consultas
multitabla es relativamente lenta.
O Un modelo mejor para búsquedas (aunque
peor desde el punto de vista operativo) es
una base de datos multidimensional.
23. Funcionalidad OLAP
O En la base de cualquier sistema OLAP se
encuentra el concepto de cubo OLAP
(también llamado cubo multidimensional o
hipercubo).
O Se compone de hechos numéricos
llamados medidas que se clasifican por
dimensiones.
24. Funcionalidad OLAP
O 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.
O Las medidas se obtienen de los registros
de una tabla de hechos y las dimensiones
se derivan de la dimensión de los
cuadros.
25. Tipos de Sistemas OLAP
ROLAP
Implementación OLAP que almacena los
datos en un motor relacional.
Típicamente, los datos son detallados,
evitando las agregaciones y las tablas se
encuentran desnormalizadas
Los esquemas más comunes sobre los que
se trabaja son estrella ó copo de nieve,
26. Tipos de Sistemas OLAP
ROLAP
O Aunque es posible trabajar sobre
cualquier base de datos relacional.
O La arquitectura está compuesta por un
servidor de banco de datos relacional y el
motor OLAP se encuentra en un servidor
dedicado
27. Tipos de Sistemas OLAP
MOLAP
O Esta implementación OLAP almacena los
datos en una base de datos
multidimensional.
O Para optimizar los tiempos de respuesta,
el resumen de la información es
usualmente calculado por adelantado.
28. Tipos de Sistemas OLAP
MOLAP
O Estos valores precalculados o
agregaciones son la base de las
ganancias de desempeño de este
sistema.
O Algunos sistemas utilizan técnicas de
compresión de datos para disminuir el
espacio de almacenamiento en disco
debido a los valores precalculados.
29. Tipos de Sistemas OLAP
HOLAP
Almacena algunos datos en un motor
relacional y otros en una base de datos
multidimensional.
30. Data Warehouse
O Proporciona una visión global, común e integrada
de los datos de la organización, independiente de
cómo se vayan a utilizar posteriormente por los
consumidores o usuarios, con las propiedades
siguientes: estable, coherente, fiable y con
información histórica.
31. Data Warehousing
O Al abarcar un ámbito global de la
organización y con un amplio alcance
histórico, el volumen de datos puede ser
muy grande (centenas de terabytes).
32. Data Warehousing
O Las bases de datos relacionales son el
soporte técnico más comúnmente usado
para almacenar las estructuras de estos
datos y sus grandes volúmenes.
33. Data Warehousing
O Normalmente en el almacén de datos habrá
que guardar información histórica que cubra un
amplio período de tiempo. Pero hay ocasiones
en las que no se necesita la historia de los
datos, sino sólo sus últimos valores, siendo
además admisible generalmente un pequeño
desfase o retraso sobre los datos
operacionales. En estos casos el almacén se
llama almacén operacional (ODS, Operational
Data Store).
34. Data Mart
O Un subconjunto de los datos del Data
Warehouse con el objetivo de responder a
un determinado análisis, función o
necesidad y con una población de
usuarios específica
35. Data Mart
O Al igual que en un data warehouse, los
datos están estructurados en modelos de
estrella o copo de nieve y un data mart
puede ser dependiente o independiente
de un data warehouse. Por ejemplo, un
posible usos sería para el data mining.
36. Data Mining
O La extracción de información oculta y
predecible de grandes bases de datos,
es una poderosa tecnología nueva con
gran potencial para ayudar a las
compañías a concentrarse en la
información más importante de sus Bases
de Información (Data werehose).
37. Data Mining
O Las herramientas de Data Mining
predicen futuras tendencias y
comportamientos, permitiendo en los
negocios tomar decisiones proactivas y
conducidas por un conocimiento acabado
de la información (knowledge-driven).
38. Fundamentos de Data Mining
O Las técnicas de Data Mining son el resultado de
un largo proceso de investigación y
desarrollo de productos. Esta
evolución comenzó cuando los datos de
negocios fueron almacenados por primera vez
en computadoras, y continuó con mejoras en el
acceso a los datos, y más recientemente con
tecnologías generadas para permitir a los
usuarios navegar a través de los datos en
tiempo real.
39. Fundamentos Data Mining
O Data Mining toma este proceso de
evolución más allá del acceso y
navegación retrospectiva de los datos,
hacia la entrega de información
prospectiva y proactiva. Data Mining está
listo para su aplicación en la comunidad
de negocios porque está soportado por
tres tecnologías que ya están
suficientemente maduras:
40. Fundamentos Data Mining
O Recolección masiva de datos
O Potentes computadoras con
multiprocesadores
O Algoritmos de Data Mining
41. DATA WAREHOUSE VS.
DATA MART
O La duplicación en otro entorno de datos
es un término que suele ser mal
interpretado e incomprendido. Así es
usado por los fabricantes de SGBD en el
sentido de simple réplica de los datos de
un sistema operacional centralizado en
sistemas distribuidos.
42. DATA WAREHOUSE VS.
DATA MART
O En un contexto de Data Warehouse, el
término duplicación se refiere a la
creación de Data Marts locales o
departamentales basados en
subconjuntos de la información contenida
en el Data Warehouse central o maestro.
43. DATA WAREHOUSE VS.
DATA MART
O Según define Meta Group, "un Data Mart
es una aplicación de Data Warehouse,
construida rápidamente para soportar una
línea de negocio simple". Los Data Marts,
tienen las mismas características de
integración, no volatilidad, orientación
temática y no volatilidad que el Data
Warehouse. Representan una estrategia
de "divide y vencerás" para ámbitos muy
genéricos de un Data Warehouse.
44. DATA WAREHOUSE VS.
DATA MART
O Según define Meta Group, "un Data Mart
es una aplicación de Data Warehouse,
construida rápidamente para soportar una
línea de negocio simple".
45. DATA WAREHOUSE VS.
DATA MART
O Los Data Marts, tienen las mismas
características de integración, no
volatilidad, orientación temática y no
volatilidad que el Data Warehouse.
Representan una estrategia de "divide y
vencerás" para ámbitos muy genéricos de
un Data Warehouse.
46. DATA WAREHOUSE VS.
DATA MART
O Esta estrategia es particularmente
apropiada cuando el Data Warehouse
central crece muy rápidamente y los
distintos departamentos requieren sólo
una pequeña porción de los datos
contenidos en él.
47. DATA WAREHOUSE VS.
DATA MART
O La creación de estos Data Marts requiere
algo más que una simple réplica de los
datos: se necesitarán tanto la
segmentación como algunos métodos
adicionales de consolidación.
O La primera aproximación a una
arquitectura descentralizada de Data
Mart, podría ser venir originada de una
situación como la descrita a continuación.
49. DATA WAREHOUSE VS.
DATA MART
O El departamento de Marketing, emprende
el primer proyecto de Data Warehouse
como una solución departamental,
creando el primer Data Mart de la
empresa.
50. DATA WAREHOUSE VS.
DATA MART
O Visto el éxito del proyecto, otros
departamentos, como el de Riesgos, o el
Financiero se lanzan a crear sus Data
Marts. Marketing, comienza a usar otros
datos que también usan los Data Marts de
Riesgos y Financiero, y estos hacen lo
propio
51. DATA WAREHOUSE VS.
DATA MART
O Esto parece ser una decisión normal,
puesto que las necesidades de
información de todos los Data Marts
crecen conforme el tiempo avanza.
Cuando esta situación evoluciona, el
esquema general de integración entre los
Data Marts pasa a ser, la del gráfico de la
derecha.
52. DATA WAREHOUSE VS.
DATA MART
O Esto parece ser una decisión normal,
puesto que las necesidades de
información de todos los Data Marts
crecen conforme el tiempo avanza.
Cuando esta situación evoluciona, el
esquema general de integración entre los
Data Marts pasa a ser, la del gráfico de la
derecha.
53. DATA WAREHOUSE VS.
DATA MART
O En esta situación, es fácil observar cómo
este esquema de integración de
información de los Data Marts, pasa a
convertirse en un rompecabezas en el
que la gestión se ha complicado hasta
convertir esta ansia de información en un
auténtico quebradero de cabeza. No
obstante, lo que ha fallado no es la
integración de Data Marts, sino su forma
de integración.
55. DATA WAREHOUSE VS.
DATA MART
O En efecto, un enfoque más adecuado
sería la coordinación de la gestión de
información de todos los Data Marts en un
Data Warehouse centralizado.
O En esta situación los Data Marts
obtendrían la información necesaria, ya
previamente cargada y depurada en el
Data Warehouse corporativo,
simplificando el crecimiento de una base
de conocimientos a nivel de toda la
empresa.
56. DATA WAREHOUSE VS.
DATA MART
O Esta simplificación provendría de la
centralización de las labores de gestión
de los Data Marts, en el Data Warehouse
corporativo, generando economías de
escala en la gestión de los Data Marts
implicados.
57. DATA WAREHOUSE VS.
DATA MART
O Según un estudio de IDC (International
Data Corporation) tras analizar 541
empresas, la distribución de las
implantaciones de Data Warehouse y
Data Marts en la actualidad, y sus
opiniones respecto a esta distribución en
el futuro, nos muestra los siguientes
datos:
58. DATA WAREHOUSE VS.
DATA MART
O En la gráfica, observamos, cómo en la
actualidad, de las empresas consultadas,
un 80% de ellas cuentan con
implantaciones de Data Warehouse o
Data Marts.
60. DATA WAREHOUSE VS.
DATA MART
O La proporción actual de implantaciones de
Data Warehouse es casi el doble que el
de Data Mart.
O No obstante, seguramente tras la
andadura inicial de alguno de estos
proyectos de Data Mart, se ve como más
adecuado para el futuro este enfoque
"divide y vencerás", previéndose una
inversión de estos papeles y duplicando la
implantación de Data Marts a los Data
Warehouse.
61. DATA WAREHOUSE VS.
DATA MART
O Probablemente, el 5% de usuarios que
disponen de tecnología de Data
Warehouse y piensan renunciar a ella en
el futuro, no han realizado previamente un
estudio de factores implicados en un Data
Warehouse, o han pasado por la situación
inicial de partida, y no se han planteado
una reorganización del mismo.
O
63. BASES DE DATOS
ESTRATÉGICAS Y DATA
WEREHOUSE
O PROCESO DE NEGOCIO
O SISTEMA TRANSACCIONAL
O SISTEMA ANALÍTICO
O ALMACEN DE DATOS
O DIMENSIÓN
O MEDIDA
O TABLA DE HECHOS
64. PROCESO DE NEGOCIO
O Es el conjunto de actividades,
procedimientos relacionados de manera
lógica que son usados para alcanzar un
objetivo en un negocio específico.
O Cada proceso de negocio tiene sus
entradas, funciones y salidas. Las
entradas son requisitos que deben
tenerse antes de que una función pueda
ser aplicada.
65. PROCESO DE NEGOCIO
O Cuando una función es aplicada a las
entradas de un método, tendremos ciertas
salidas resultantes.
O Por ejemplo, el proceso a través del que
una organización ofrece sus servicios a
sus clientes, tal como puede ser el
proceso de ventas de una empresa:
67. SISTEMA TRANSACCIONAL
O Sistema transaccional es aquel en el que
se ejecutan muchas operaciones, y este
se encarga de gestionar la manera y el
orden en que son procesadas.
O Una transacción es un evento o proceso
que genera o modifica la información que
se encuentran eventualmente
almacenados en un sistema de
información.
68. SISTEMA TRANSACCIONAL
O Contienen información para apoyar el
servicio del día a día
El diseño de la base de datos es
normalizado.
O Por ejemplo una tienda que necesita tener
información de cuanto se ha vendido día
a día.
69. SISTEMA ANALÍTICO
O Un sistema analítico es aquel que usa la
información y datos históricos de la
empresa, para apoyar en la toma de
decisiones.
O Es rápido para entregar consultas
complejas
70. SISTEMA ANALÍTICO
O Utiliza estructuras multidimensionales
llamado Cubos OLAP , los cuales
contienen datos resumidos de Sistemas
OLTP, pues los datos se encuentran
calculados y agregados para ser
consultados.
71. SISTEMA ANALÍTICO
O Contiene información histórica para
analizar
La información necesita estar integreada
El diseño de la base de datos es
desnormalizado
72. SISTEMA ANALÍTICO
O Por ejemplo una empresa que acumula
informacion de como fueron sus ventas
años pasados, para plantear alternativas
que eleven las ventas en el futuro.
73. ALMACEN DE DATOS
O Es una colección de datos orientada a un
determinado ámbito, integrado, no volátil
y variable en el tiempo.
O Ayuda a la toma de decisiones.
O Va más allá de los datos transaccionales
y operacionales
74. ALMACEN DE DATOS
O Favorece el análisis y la divulgación
eficiente de datos.
O Contiene gran cantidad de información
que se divide en unidades lógicas más
pequeñas que son llamadas DataMarts
76. DIMENSIÓN
O Son aquellos parámetro que definen la
organización lógica de los datos. Las
dimensiones implementan la interfaz de
usuario para la DWH.
O Cada dimensión describe un aspecto de
negocio.
77. DIMENSIÓN
O Provee un medio para analizar datos del
negocio.
O Permite filtrar y manipular los datos
almacenados.
O Tiene una PK única y columnas de
referencia.
78. MEDIDA
O Son también llamados hechos y son los
valores de datos que se analizan (son
numéricos).
O Los hechos son aquellos datos que
residen en una tabla de hechos y que son
utilizados para crear indicadores, a través
de sumarizaciones prestablecidas al
momento de crear un cubo
multidimensional.
79. MEDIDA
O Las medidas representan los valores que
son analizados, (en diferentes mer):
–Cantidad de pacientes admitidos
–Llamadas efectuadas.
–ImporteTotal = precioProducto *
cantidadVendida
–Rentabilidad = utilidad / PN
–CantidadVentas = cantidad
–PromedioGeneral = AVG(notasFinales)
80. TABLA DE HECHOS
O Una tabla de hechos es la tabla principal
en un modelo numérico tridimensional
donde se almacenan las mediciones de
rendimiento de la empresa.
O La tabla de hechos contiene hechos y
tiene una clave primaria compuesta por
las claves primarias de las tablas de
dimensiones relacionadas a este.