SlideShare ist ein Scribd-Unternehmen logo
1 von 16
Christian Rosado
Introducción
• Un Data Mart es una versión especial almacén de datos
  (data warehouse).
• La diferencia principal es que la creación de un data mart es
  especifica para una necesidad de datos seleccionados,
  enfatizando el fácil acceso a una información relevante.
• Los productos Data Warehouse han nacido para resolver
  problemas de análisis de grandes masas de información.
• simplifica el desarrollo de todo el mecanismo de su base de
  datos y con ello baja substancialmente todo el coste del
  proyecto, así como su duración. Normalmente, Data Mart
  resuelve aplicaciones a nivel departamental.
Definiciones de Data Mart

•   Un Datamart es una base de datos departamental, especializada en el
    almacenamiento de los datos de un área de negocio específica.
•    Se caracteriza por disponer la estructura óptima de datos para
    analizar la información al detalle desde todas las perspectivas que
    afecten a los procesos de dicho departamento.
• Datamart es un almacén de datos históricos relativos a un
  departamento de una organización, así que puede ser simplemente
  una copia de parte de un Data Warehouse? para uso departamental


Por lo tanto para crear el datamart de un área funcional de la empresa es
   preciso encontrar la estructura óptima para el análisis de su
   información
Razones para crear un Data Mart
•Dar a los usuarios acceso a los datos que ellos necesitan
para analizarlos mas a menudo
Beneficios de un Data Mart
•pueden fácilmente extenderse a la toma de decisiones
estratégicas, que pueden brindar beneficios grandes y
tangibles
•Permite entender y administrar simultáneamente macro y
micro perspectivas del área de comercio exterior, lo que
puede ahorrar incontables horas de trabajo y ayudar a evitar
errores que pueden ser el resultado de suposiciones que se
hicieron con base en datos incompletos o incorrectos.
Fases Construcción Mercados Datos

  •   1.- Construcción del Data mart:
  •   2.- Construcción de los Procesos de Cargas
  •   3.- Construcción de los reportes analíticos
  •   4.- Construcción de los procesos de prueba:
• El modelo Top Down está basado en la
  estructura de la Data warehouse, la cual se
  construye a partir de los datos que se puedan
  obtener de los diferentes sistemas operacionales
  o externos (datos aislados) a través de un
  proceso de extracción, transformación y
  transportación (ETT)
• Top Down: tiene como base un sistema de
  Data warehouse para toda la empresa y a partir
  de este se desarrollan los Data marts para las
  divisiones o departamentos.
Modelo
•   Modelo Bottom up
•   El Modelo Paralelo
•   Modelo Top down con Retroalimentación.
•   Modelo Bottom up con Retroalimentación
•   Modelo Paralelo con Retroalimentación
Mercados De Datos Data Mart

• Data mart es especifica para una necesidad de
  datos seleccionados, enfatizando el fácil acceso a
  una información relevante.
• Data Mart se destaca por una definición de
  requerimientos más fácil y rápida. También se
  simplifica el desarrollo de todo el mecanismo de
  su base de datos y con ello baja substancialmente
  todo el coste del proyecto, así como su duración.
TECNOLOGIAS

⇒ Herramientas Front-end
⇒ Herramientas de BD
HERRAMIENTAS FRONT-END
También conocidas como herramientas de acceso a los
   datos o herramientas de presentación.
El front-end es la parte del software que interactúa con el o
   los usuarios
Herramientas “front-end”
• Herramientas de consulta: usan consultas predefinidas y
   las capacidades de información incorporadas para que los
   usuarios tenga accesos a los datos.
• Aplicaciones de usuarios: Muchos programas de
   aplicación comunes como Microsoft Excel pueden
   proporcionar acceso “front-end” a bases de datos de
   apoyo.
• Herramientas de desarrollos de programas: Muchas
   instalaciones cliente-servidor necesitan aplicaciones
   “front-end” especiales personalizados para sus tareas de
   obtención de datos.
• Son esenciales para acceder y analizar los datos en el
  datamart.
• El valor de un datamart es difícil de determinar por la
  habilidad del usuario para extraer la información más
  significativa sobre la cual se toman las decisiones del negocio.
• Un interfaz de usuario efectivo minimiza el número de
  acciones de usuario requeridas para obtener el resultado
  deseado por lo que deberá estar navegando intuitivamente a no
  ser que el usuario memorice los comandos.
• Las herramientas de acceso a la información pueden soportar
  acceso, análisis, visualización y data mining de los datos de
  una forma predefinida
• Interfaz Front-End. Es una aplicación donde los usuarios
  interactúan directamente con las funciones del sistema, cubre
  todas las interfaces con las cuales un usuario interactúa con los
  sistemas, ya sean locales o remotos, sus funciones principales
  son:
•   Diseño de formatos.
•   Presentación.
•   Lógica de la aplicación.
•   Manipulación de datos.
•   Herramientas de consulta.
•   Utilerías/menús
HERRAMIENTAS DE BASE DE DATOS


 • Base de Datos Multidimensional: Llamada DATAMART en la cual
   se guardan los datos históricos correspondientes a los indicadores de
   gestión de calidad de DB Access. Todas las bases de dato se
   construyeron con SQL Server 2000.
 • Modelo Estrella de la Base de Datos Multidimensional
 • En la fase de análisis y diseño se realizaron los modelos estrellas,
   constituidos por las tablas de hecho y tablas de dimensiones para los
   indicadores de gestión de calidad de DB Access: Satisfacción del
   Cliente y Porcentaje de Utilización de Planta.
 HERRAMIENTAS DE BD
 • Queries Básicas y Reporting: En este tipo de herramientas el usuario
   accede directamente a la estructura de las bases de datos relacionales
   para construir consultas e informes, vía SQL (estándar para el acceso
   a las bases de datos relacionales).
•    El SQL es un lenguaje muy extendido entre los programadores, pero
    no tanto entre los usuarios finales. Aunque estas herramientas
    escondan en cierta forma los comandos del SQL, sigue siendo
    necesario tener claro el modelo relacional en cuanto se quiere hacer
    algún informe complejo, por lo que su utilización directa no está
    recomendada a usuarios finales.
•   Queries y Reporting Avanzado:
•   Estas herramientas aportan una visión temática de las bases de datos
    relacionales (visión de negocio), mediante la cual el usuario final
    tiene una visión menos “técnica” del datamart.
∀   ν Este tipo de herramientas pone una capa de términos que le son
    más familiares a los usuarios finales y establece, las interrelaciones
    de las tablas del datamart, de forma que sea más sencillo. Aún así,
    sigue siendo la estructura relacional básica la que subyace en estas
    herramientas.
•   Cognos:
∀   νA través de su interfaz simple al estilo de asistente, Cognos integra
    bases de datos y aplicaciones de Lotus Notes, el único producto de
    inteligencia de negocios que ofrece toda la gama de capacidades de
    inteligencia de negocios en una arquitectura única y probada.
Proceso de Consultas de Diseño de Mercado
                de datos

    • El diseño de bases de datos es el proceso por el
      que se determina la organización de una base de
      datos, incluidos su estructura, contenido y las
      aplicaciones que se han de desarrollar

    PALO
    Es un motor orientado a celdas, multidimensional,
      que está específicamente diseñado para mostrar
      información desde excel, para todo tipo de
      análisis

Weitere ähnliche Inhalte

Was ist angesagt?

Análisis de Datos con MongoDB
Análisis de Datos con MongoDBAnálisis de Datos con MongoDB
Análisis de Datos con MongoDBAlejandro Mancilla
 
Big Data Analytics with R
Big Data Analytics with RBig Data Analytics with R
Big Data Analytics with RGreat Wide Open
 
Unidad 1. Fundamentos de Base de Datos
Unidad 1. Fundamentos de Base de DatosUnidad 1. Fundamentos de Base de Datos
Unidad 1. Fundamentos de Base de Datoshugodanielgd
 
Integridad Y Seguridad En Las Bases De Datos
Integridad Y Seguridad En Las Bases De DatosIntegridad Y Seguridad En Las Bases De Datos
Integridad Y Seguridad En Las Bases De DatosDrakonis11
 
Todo Sobre El Dns
Todo Sobre El DnsTodo Sobre El Dns
Todo Sobre El DnsEdwin Cusco
 
Data warehousing and online analytical processing
Data warehousing and online analytical processingData warehousing and online analytical processing
Data warehousing and online analytical processingVijayasankariS
 
Unidad 6 Protección y seguridad.
Unidad 6 Protección y seguridad.Unidad 6 Protección y seguridad.
Unidad 6 Protección y seguridad.Juan Anaya
 
Diseño & Procesamiento de transacciones
Diseño & Procesamiento de transaccionesDiseño & Procesamiento de transacciones
Diseño & Procesamiento de transaccionesBlanca Parra
 
Organización de los archivos en bases de datos
Organización de los archivos en bases de datosOrganización de los archivos en bases de datos
Organización de los archivos en bases de datosMiguel Orquera
 
Unidad 3 Modelamiento De Datos Conceptual
Unidad 3 Modelamiento De Datos ConceptualUnidad 3 Modelamiento De Datos Conceptual
Unidad 3 Modelamiento De Datos ConceptualSergio Sanchez
 
Clase 2 Modelo De Datos
Clase 2   Modelo De DatosClase 2   Modelo De Datos
Clase 2 Modelo De Datososwchavez
 

Was ist angesagt? (20)

Recuperación de-datos-en-my sql
Recuperación de-datos-en-my sqlRecuperación de-datos-en-my sql
Recuperación de-datos-en-my sql
 
Análisis de Datos con MongoDB
Análisis de Datos con MongoDBAnálisis de Datos con MongoDB
Análisis de Datos con MongoDB
 
Ado net
Ado netAdo net
Ado net
 
Big Data Analytics with R
Big Data Analytics with RBig Data Analytics with R
Big Data Analytics with R
 
Base de datos
Base de datos Base de datos
Base de datos
 
Unidad 1. Fundamentos de Base de Datos
Unidad 1. Fundamentos de Base de DatosUnidad 1. Fundamentos de Base de Datos
Unidad 1. Fundamentos de Base de Datos
 
Conceptos basicos
Conceptos basicosConceptos basicos
Conceptos basicos
 
Integridad de datos
Integridad de datosIntegridad de datos
Integridad de datos
 
Integridad Y Seguridad En Las Bases De Datos
Integridad Y Seguridad En Las Bases De DatosIntegridad Y Seguridad En Las Bases De Datos
Integridad Y Seguridad En Las Bases De Datos
 
Todo Sobre El Dns
Todo Sobre El DnsTodo Sobre El Dns
Todo Sobre El Dns
 
Base de datos distribuidas
Base de datos distribuidasBase de datos distribuidas
Base de datos distribuidas
 
Data warehousing and online analytical processing
Data warehousing and online analytical processingData warehousing and online analytical processing
Data warehousing and online analytical processing
 
Bases de Datos No Relacionales (NoSQL): Cassandra, CouchDB, MongoDB y Neo4j
Bases de Datos No Relacionales (NoSQL): Cassandra, CouchDB, MongoDB y Neo4jBases de Datos No Relacionales (NoSQL): Cassandra, CouchDB, MongoDB y Neo4j
Bases de Datos No Relacionales (NoSQL): Cassandra, CouchDB, MongoDB y Neo4j
 
Espectro electromagnetico
Espectro electromagneticoEspectro electromagnetico
Espectro electromagnetico
 
Unidad 6 Protección y seguridad.
Unidad 6 Protección y seguridad.Unidad 6 Protección y seguridad.
Unidad 6 Protección y seguridad.
 
control de concurrencia
control de concurrenciacontrol de concurrencia
control de concurrencia
 
Diseño & Procesamiento de transacciones
Diseño & Procesamiento de transaccionesDiseño & Procesamiento de transacciones
Diseño & Procesamiento de transacciones
 
Organización de los archivos en bases de datos
Organización de los archivos en bases de datosOrganización de los archivos en bases de datos
Organización de los archivos en bases de datos
 
Unidad 3 Modelamiento De Datos Conceptual
Unidad 3 Modelamiento De Datos ConceptualUnidad 3 Modelamiento De Datos Conceptual
Unidad 3 Modelamiento De Datos Conceptual
 
Clase 2 Modelo De Datos
Clase 2   Modelo De DatosClase 2   Modelo De Datos
Clase 2 Modelo De Datos
 

Andere mochten auch

data warehouse , data mart, etl
data warehouse , data mart, etldata warehouse , data mart, etl
data warehouse , data mart, etlAashish Rathod
 
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
 
DATA MART APPROCHES TO ARCHITECTURE
DATA MART APPROCHES TO ARCHITECTUREDATA MART APPROCHES TO ARCHITECTURE
DATA MART APPROCHES TO ARCHITECTURESachin Batham
 
Data Mart de una área de compras
Data Mart de una área de comprasData Mart de una área de compras
Data Mart de una área de comprasroy_vs
 
DATA WAREHOUSING
DATA WAREHOUSINGDATA WAREHOUSING
DATA WAREHOUSINGKing Julian
 
Microsoft Data Warehouse Business Intelligence Lifecycle - The Kimball Approach
Microsoft Data Warehouse Business Intelligence Lifecycle - The Kimball ApproachMicrosoft Data Warehouse Business Intelligence Lifecycle - The Kimball Approach
Microsoft Data Warehouse Business Intelligence Lifecycle - The Kimball ApproachMark Ginnebaugh
 
Metadata an overview
Metadata an overviewMetadata an overview
Metadata an overviewrobin fay
 
Gathering And Documenting Your Bi Business Requirements
Gathering And Documenting Your Bi Business RequirementsGathering And Documenting Your Bi Business Requirements
Gathering And Documenting Your Bi Business RequirementsWynyard Group
 
Data mining slides
Data mining slidesData mining slides
Data mining slidessmj
 
Data Warehousing and Data Mining
Data Warehousing and Data MiningData Warehousing and Data Mining
Data Warehousing and Data Miningidnats
 
Datamart,victor mamani catachura,boreasH,Topicos
Datamart,victor mamani catachura,boreasH,TopicosDatamart,victor mamani catachura,boreasH,Topicos
Datamart,victor mamani catachura,boreasH,Topicosvictor mamani
 
A Common Database Approach for OLTP and OLAP Using an In-Memory Column Database
A Common Database Approach for OLTP and OLAP Using an In-Memory Column DatabaseA Common Database Approach for OLTP and OLAP Using an In-Memory Column Database
A Common Database Approach for OLTP and OLAP Using an In-Memory Column DatabaseIshara Amarasekera
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningNintendo
 
Almacen de datos
Almacen de datosAlmacen de datos
Almacen de datosen mi casa
 

Andere mochten auch (20)

Data mart
Data martData mart
Data mart
 
Data mart
Data martData mart
Data mart
 
data warehouse , data mart, etl
data warehouse , data mart, etldata warehouse , data mart, etl
data warehouse , data mart, etl
 
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
 
DATA MART APPROCHES TO ARCHITECTURE
DATA MART APPROCHES TO ARCHITECTUREDATA MART APPROCHES TO ARCHITECTURE
DATA MART APPROCHES TO ARCHITECTURE
 
Data Mart de una área de compras
Data Mart de una área de comprasData Mart de una área de compras
Data Mart de una área de compras
 
DATA WAREHOUSING
DATA WAREHOUSINGDATA WAREHOUSING
DATA WAREHOUSING
 
Diseño de un Datamart
Diseño de un DatamartDiseño de un Datamart
Diseño de un Datamart
 
Oltp vs olap
Oltp vs olapOltp vs olap
Oltp vs olap
 
Microsoft Data Warehouse Business Intelligence Lifecycle - The Kimball Approach
Microsoft Data Warehouse Business Intelligence Lifecycle - The Kimball ApproachMicrosoft Data Warehouse Business Intelligence Lifecycle - The Kimball Approach
Microsoft Data Warehouse Business Intelligence Lifecycle - The Kimball Approach
 
Metadata an overview
Metadata an overviewMetadata an overview
Metadata an overview
 
Gathering And Documenting Your Bi Business Requirements
Gathering And Documenting Your Bi Business RequirementsGathering And Documenting Your Bi Business Requirements
Gathering And Documenting Your Bi Business Requirements
 
Data mining slides
Data mining slidesData mining slides
Data mining slides
 
Data mining
Data miningData mining
Data mining
 
Data Warehousing and Data Mining
Data Warehousing and Data MiningData Warehousing and Data Mining
Data Warehousing and Data Mining
 
Datamart,victor mamani catachura,boreasH,Topicos
Datamart,victor mamani catachura,boreasH,TopicosDatamart,victor mamani catachura,boreasH,Topicos
Datamart,victor mamani catachura,boreasH,Topicos
 
A Common Database Approach for OLTP and OLAP Using an In-Memory Column Database
A Common Database Approach for OLTP and OLAP Using an In-Memory Column DatabaseA Common Database Approach for OLTP and OLAP Using an In-Memory Column Database
A Common Database Approach for OLTP and OLAP Using an In-Memory Column Database
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-mining
 
Creacion de data mart
Creacion de data martCreacion de data mart
Creacion de data mart
 
Almacen de datos
Almacen de datosAlmacen de datos
Almacen de datos
 

Ähnlich wie Data Mart: Definición, Características y Beneficios

Datawarehouse
DatawarehouseDatawarehouse
Datawarehousedagmalu
 
Análisis y diseño de sistemas sesion 13 - diagrama de componentes y despliegue
Análisis y diseño de sistemas   sesion 13 - diagrama de componentes y despliegueAnálisis y diseño de sistemas   sesion 13 - diagrama de componentes y despliegue
Análisis y diseño de sistemas sesion 13 - diagrama de componentes y despliegueGianfrancoEduardoBra
 
T5bissnsintyucjoseluisyaguiarchris
T5bissnsintyucjoseluisyaguiarchrisT5bissnsintyucjoseluisyaguiarchris
T5bissnsintyucjoseluisyaguiarchrisVanessaMasabanda
 
Herramientas CASE
Herramientas CASEHerramientas CASE
Herramientas CASEI R
 
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Denodo
 
sistema de información gerencial
sistema de información gerencial sistema de información gerencial
sistema de información gerencial LOSSITEMATICOS
 
TENDENCIAS EN BASE DE DATOS II.pptx
TENDENCIAS EN BASE DE DATOS II.pptxTENDENCIAS EN BASE DE DATOS II.pptx
TENDENCIAS EN BASE DE DATOS II.pptxJpabloRodriguez1
 
Presentación Vmining
Presentación VminingPresentación Vmining
Presentación Vminingkamirik
 
ADM BD UNIDAD 1 CLASE 1 y 2.pptx
ADM BD UNIDAD 1 CLASE 1 y 2.pptxADM BD UNIDAD 1 CLASE 1 y 2.pptx
ADM BD UNIDAD 1 CLASE 1 y 2.pptxKarina88635
 
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
 
Sistemas gestores de base de datos y sql server 2008
Sistemas gestores de base de datos y sql server 2008Sistemas gestores de base de datos y sql server 2008
Sistemas gestores de base de datos y sql server 2008nadialsprom12
 
T4 herramientas(bi) mariaalejandra ocampo.
T4 herramientas(bi) mariaalejandra ocampo.T4 herramientas(bi) mariaalejandra ocampo.
T4 herramientas(bi) mariaalejandra ocampo.mary77ale952
 
rueda-tecnologica-datamart
rueda-tecnologica-datamartrueda-tecnologica-datamart
rueda-tecnologica-datamartFelix Luque
 

Ähnlich wie Data Mart: Definición, Características y Beneficios (20)

Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
Análisis y diseño de sistemas sesion 13 - diagrama de componentes y despliegue
Análisis y diseño de sistemas   sesion 13 - diagrama de componentes y despliegueAnálisis y diseño de sistemas   sesion 13 - diagrama de componentes y despliegue
Análisis y diseño de sistemas sesion 13 - diagrama de componentes y despliegue
 
Grupo eGlu Bi
Grupo eGlu BiGrupo eGlu Bi
Grupo eGlu Bi
 
T5bissnsintyucjoseluisyaguiarchris
T5bissnsintyucjoseluisyaguiarchrisT5bissnsintyucjoseluisyaguiarchris
T5bissnsintyucjoseluisyaguiarchris
 
Herramientas CASE
Herramientas CASEHerramientas CASE
Herramientas CASE
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
Data werehouse
Data werehouseData werehouse
Data werehouse
 
Fases para la creación de una base de datos
Fases para la creación de una base de datosFases para la creación de una base de datos
Fases para la creación de una base de datos
 
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
 
sistema de información gerencial
sistema de información gerencial sistema de información gerencial
sistema de información gerencial
 
TENDENCIAS EN BASE DE DATOS II.pptx
TENDENCIAS EN BASE DE DATOS II.pptxTENDENCIAS EN BASE DE DATOS II.pptx
TENDENCIAS EN BASE DE DATOS II.pptx
 
Presentación Vmining
Presentación VminingPresentación Vmining
Presentación Vmining
 
ADM BD UNIDAD 1 CLASE 1 y 2.pptx
ADM BD UNIDAD 1 CLASE 1 y 2.pptxADM BD UNIDAD 1 CLASE 1 y 2.pptx
ADM BD UNIDAD 1 CLASE 1 y 2.pptx
 
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 mart
Data martData mart
Data mart
 
Sistemas gestores de base de datos y sql server 2008
Sistemas gestores de base de datos y sql server 2008Sistemas gestores de base de datos y sql server 2008
Sistemas gestores de base de datos y sql server 2008
 
Trabajocobd (1)
Trabajocobd (1)Trabajocobd (1)
Trabajocobd (1)
 
T4 herramientas(bi) mariaalejandra ocampo.
T4 herramientas(bi) mariaalejandra ocampo.T4 herramientas(bi) mariaalejandra ocampo.
T4 herramientas(bi) mariaalejandra ocampo.
 
Software para base de datos
Software para base de datosSoftware para base de datos
Software para base de datos
 
rueda-tecnologica-datamart
rueda-tecnologica-datamartrueda-tecnologica-datamart
rueda-tecnologica-datamart
 

Kürzlich hochgeladen

R1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaR1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaarkananubis
 
Arenas Camacho-Practica tarea Sesión 12.pptx
Arenas Camacho-Practica tarea Sesión 12.pptxArenas Camacho-Practica tarea Sesión 12.pptx
Arenas Camacho-Practica tarea Sesión 12.pptxJOSEFERNANDOARENASCA
 
FloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptxFloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptx241522327
 
Google-Meet-como-herramienta-para-realizar-reuniones-virtuales.pptx
Google-Meet-como-herramienta-para-realizar-reuniones-virtuales.pptxGoogle-Meet-como-herramienta-para-realizar-reuniones-virtuales.pptx
Google-Meet-como-herramienta-para-realizar-reuniones-virtuales.pptxAlexander López
 
La era de la educación digital y sus desafios
La era de la educación digital y sus desafiosLa era de la educación digital y sus desafios
La era de la educación digital y sus desafiosFundación YOD YOD
 
Hernandez_Hernandez_Practica web de la sesion 11.pptx
Hernandez_Hernandez_Practica web de la sesion 11.pptxHernandez_Hernandez_Practica web de la sesion 11.pptx
Hernandez_Hernandez_Practica web de la sesion 11.pptxJOSEMANUELHERNANDEZH11
 
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptxEl_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptxAlexander López
 
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxCrear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxNombre Apellidos
 
TEMA 2 PROTOCOLO DE EXTRACCION VEHICULAR.ppt
TEMA 2 PROTOCOLO DE EXTRACCION VEHICULAR.pptTEMA 2 PROTOCOLO DE EXTRACCION VEHICULAR.ppt
TEMA 2 PROTOCOLO DE EXTRACCION VEHICULAR.pptJavierHerrera662252
 
Presentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadPresentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadMiguelAngelVillanuev48
 
tics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxtics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxazmysanros90
 
Plan Sarmiento - Netbook del GCBA 2019..
Plan Sarmiento - Netbook del GCBA 2019..Plan Sarmiento - Netbook del GCBA 2019..
Plan Sarmiento - Netbook del GCBA 2019..RobertoGumucio2
 
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptxMedidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptxaylincamaho
 
dokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptdokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptMiguelAtencio10
 
El uso de las tic en la vida ,lo importante que son
El uso de las tic en la vida ,lo importante  que sonEl uso de las tic en la vida ,lo importante  que son
El uso de las tic en la vida ,lo importante que son241514984
 
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfPARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfSergioMendoza354770
 
El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.241514949
 
Mapa-conceptual-del-Origen-del-Universo-3.pptx
Mapa-conceptual-del-Origen-del-Universo-3.pptxMapa-conceptual-del-Origen-del-Universo-3.pptx
Mapa-conceptual-del-Origen-del-Universo-3.pptxMidwarHenryLOZAFLORE
 
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6    CREAR UN RECURSO MULTIMEDIAActividad integradora 6    CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA241531640
 
Segunda ley de la termodinámica TERMODINAMICA.pptx
Segunda ley de la termodinámica TERMODINAMICA.pptxSegunda ley de la termodinámica TERMODINAMICA.pptx
Segunda ley de la termodinámica TERMODINAMICA.pptxMariaBurgos55
 

Kürzlich hochgeladen (20)

R1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaR1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en mina
 
Arenas Camacho-Practica tarea Sesión 12.pptx
Arenas Camacho-Practica tarea Sesión 12.pptxArenas Camacho-Practica tarea Sesión 12.pptx
Arenas Camacho-Practica tarea Sesión 12.pptx
 
FloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptxFloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptx
 
Google-Meet-como-herramienta-para-realizar-reuniones-virtuales.pptx
Google-Meet-como-herramienta-para-realizar-reuniones-virtuales.pptxGoogle-Meet-como-herramienta-para-realizar-reuniones-virtuales.pptx
Google-Meet-como-herramienta-para-realizar-reuniones-virtuales.pptx
 
La era de la educación digital y sus desafios
La era de la educación digital y sus desafiosLa era de la educación digital y sus desafios
La era de la educación digital y sus desafios
 
Hernandez_Hernandez_Practica web de la sesion 11.pptx
Hernandez_Hernandez_Practica web de la sesion 11.pptxHernandez_Hernandez_Practica web de la sesion 11.pptx
Hernandez_Hernandez_Practica web de la sesion 11.pptx
 
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptxEl_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
 
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxCrear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
 
TEMA 2 PROTOCOLO DE EXTRACCION VEHICULAR.ppt
TEMA 2 PROTOCOLO DE EXTRACCION VEHICULAR.pptTEMA 2 PROTOCOLO DE EXTRACCION VEHICULAR.ppt
TEMA 2 PROTOCOLO DE EXTRACCION VEHICULAR.ppt
 
Presentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadPresentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidad
 
tics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxtics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptx
 
Plan Sarmiento - Netbook del GCBA 2019..
Plan Sarmiento - Netbook del GCBA 2019..Plan Sarmiento - Netbook del GCBA 2019..
Plan Sarmiento - Netbook del GCBA 2019..
 
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptxMedidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
 
dokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptdokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.ppt
 
El uso de las tic en la vida ,lo importante que son
El uso de las tic en la vida ,lo importante  que sonEl uso de las tic en la vida ,lo importante  que son
El uso de las tic en la vida ,lo importante que son
 
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfPARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
 
El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.
 
Mapa-conceptual-del-Origen-del-Universo-3.pptx
Mapa-conceptual-del-Origen-del-Universo-3.pptxMapa-conceptual-del-Origen-del-Universo-3.pptx
Mapa-conceptual-del-Origen-del-Universo-3.pptx
 
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6    CREAR UN RECURSO MULTIMEDIAActividad integradora 6    CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
 
Segunda ley de la termodinámica TERMODINAMICA.pptx
Segunda ley de la termodinámica TERMODINAMICA.pptxSegunda ley de la termodinámica TERMODINAMICA.pptx
Segunda ley de la termodinámica TERMODINAMICA.pptx
 

Data Mart: Definición, Características y Beneficios

  • 2. Introducción • Un Data Mart es una versión especial almacén de datos (data warehouse). • La diferencia principal es que la creación de un data mart es especifica para una necesidad de datos seleccionados, enfatizando el fácil acceso a una información relevante. • Los productos Data Warehouse han nacido para resolver problemas de análisis de grandes masas de información. • simplifica el desarrollo de todo el mecanismo de su base de datos y con ello baja substancialmente todo el coste del proyecto, así como su duración. Normalmente, Data Mart resuelve aplicaciones a nivel departamental.
  • 3. Definiciones de Data Mart • Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica. • Se caracteriza por disponer la estructura óptima de datos para analizar la información al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. • Datamart es un almacén de datos históricos relativos a un departamento de una organización, así que puede ser simplemente una copia de parte de un Data Warehouse? para uso departamental Por lo tanto para crear el datamart de un área funcional de la empresa es preciso encontrar la estructura óptima para el análisis de su información
  • 4. Razones para crear un Data Mart •Dar a los usuarios acceso a los datos que ellos necesitan para analizarlos mas a menudo Beneficios de un Data Mart •pueden fácilmente extenderse a la toma de decisiones estratégicas, que pueden brindar beneficios grandes y tangibles •Permite entender y administrar simultáneamente macro y micro perspectivas del área de comercio exterior, lo que puede ahorrar incontables horas de trabajo y ayudar a evitar errores que pueden ser el resultado de suposiciones que se hicieron con base en datos incompletos o incorrectos.
  • 5. Fases Construcción Mercados Datos • 1.- Construcción del Data mart: • 2.- Construcción de los Procesos de Cargas • 3.- Construcción de los reportes analíticos • 4.- Construcción de los procesos de prueba:
  • 6. • El modelo Top Down está basado en la estructura de la Data warehouse, la cual se construye a partir de los datos que se puedan obtener de los diferentes sistemas operacionales o externos (datos aislados) a través de un proceso de extracción, transformación y transportación (ETT) • Top Down: tiene como base un sistema de Data warehouse para toda la empresa y a partir de este se desarrollan los Data marts para las divisiones o departamentos.
  • 7. Modelo • Modelo Bottom up • El Modelo Paralelo • Modelo Top down con Retroalimentación. • Modelo Bottom up con Retroalimentación • Modelo Paralelo con Retroalimentación
  • 8.
  • 9. Mercados De Datos Data Mart • Data mart es especifica para una necesidad de datos seleccionados, enfatizando el fácil acceso a una información relevante. • Data Mart se destaca por una definición de requerimientos más fácil y rápida. También se simplifica el desarrollo de todo el mecanismo de su base de datos y con ello baja substancialmente todo el coste del proyecto, así como su duración.
  • 11. HERRAMIENTAS FRONT-END También conocidas como herramientas de acceso a los datos o herramientas de presentación. El front-end es la parte del software que interactúa con el o los usuarios Herramientas “front-end” • Herramientas de consulta: usan consultas predefinidas y las capacidades de información incorporadas para que los usuarios tenga accesos a los datos. • Aplicaciones de usuarios: Muchos programas de aplicación comunes como Microsoft Excel pueden proporcionar acceso “front-end” a bases de datos de apoyo. • Herramientas de desarrollos de programas: Muchas instalaciones cliente-servidor necesitan aplicaciones “front-end” especiales personalizados para sus tareas de obtención de datos.
  • 12. • Son esenciales para acceder y analizar los datos en el datamart. • El valor de un datamart es difícil de determinar por la habilidad del usuario para extraer la información más significativa sobre la cual se toman las decisiones del negocio. • Un interfaz de usuario efectivo minimiza el número de acciones de usuario requeridas para obtener el resultado deseado por lo que deberá estar navegando intuitivamente a no ser que el usuario memorice los comandos. • Las herramientas de acceso a la información pueden soportar acceso, análisis, visualización y data mining de los datos de una forma predefinida • Interfaz Front-End. Es una aplicación donde los usuarios interactúan directamente con las funciones del sistema, cubre todas las interfaces con las cuales un usuario interactúa con los sistemas, ya sean locales o remotos, sus funciones principales son:
  • 13. Diseño de formatos. • Presentación. • Lógica de la aplicación. • Manipulación de datos. • Herramientas de consulta. • Utilerías/menús
  • 14. HERRAMIENTAS DE BASE DE DATOS • Base de Datos Multidimensional: Llamada DATAMART en la cual se guardan los datos históricos correspondientes a los indicadores de gestión de calidad de DB Access. Todas las bases de dato se construyeron con SQL Server 2000. • Modelo Estrella de la Base de Datos Multidimensional • En la fase de análisis y diseño se realizaron los modelos estrellas, constituidos por las tablas de hecho y tablas de dimensiones para los indicadores de gestión de calidad de DB Access: Satisfacción del Cliente y Porcentaje de Utilización de Planta. HERRAMIENTAS DE BD • Queries Básicas y Reporting: En este tipo de herramientas el usuario accede directamente a la estructura de las bases de datos relacionales para construir consultas e informes, vía SQL (estándar para el acceso a las bases de datos relacionales).
  • 15. El SQL es un lenguaje muy extendido entre los programadores, pero no tanto entre los usuarios finales. Aunque estas herramientas escondan en cierta forma los comandos del SQL, sigue siendo necesario tener claro el modelo relacional en cuanto se quiere hacer algún informe complejo, por lo que su utilización directa no está recomendada a usuarios finales. • Queries y Reporting Avanzado: • Estas herramientas aportan una visión temática de las bases de datos relacionales (visión de negocio), mediante la cual el usuario final tiene una visión menos “técnica” del datamart. ∀ ν Este tipo de herramientas pone una capa de términos que le son más familiares a los usuarios finales y establece, las interrelaciones de las tablas del datamart, de forma que sea más sencillo. Aún así, sigue siendo la estructura relacional básica la que subyace en estas herramientas. • Cognos: ∀ νA través de su interfaz simple al estilo de asistente, Cognos integra bases de datos y aplicaciones de Lotus Notes, el único producto de inteligencia de negocios que ofrece toda la gama de capacidades de inteligencia de negocios en una arquitectura única y probada.
  • 16. Proceso de Consultas de Diseño de Mercado de datos • El diseño de bases de datos es el proceso por el que se determina la organización de una base de datos, incluidos su estructura, contenido y las aplicaciones que se han de desarrollar PALO Es un motor orientado a celdas, multidimensional, que está específicamente diseñado para mostrar información desde excel, para todo tipo de análisis