Inteligencia de Negocios

Secuencia

Aquí se descubre que un evento "a" se hace comúnmente después de un evento "y".

Meidda

Atributo o medida de hechos

Propiedades de un Datawarehouse

- Estable - Coherente - Fiable - Con información histórica.

Niveles de BI

- Reportes - Consultas ("Queries") / Cubos OLAP (On-Line Analytic Processing). - Alertas - Análisis estadístico - Pronósticos ("Forecasting") - Modelado Predictivo o Minería de datos ("Data Mining") - Optimización

Tipos de Aplicaciones de BI

- Informes Estándar - Aplicaciones Analíticas

Dimensión

Característica de un hecho

Metadatos

Datos estructurados y codificados que describen características de instancias

Creador del Término de OLAP

Edgar F. Codd. (1993)

Esquema en estrella

Es la arquitectura de almacén de datos más simple, en este diseño la tabla de variables (Hechos) está rodeada por Dimensiones y juntos forman una estructura que permite implementar mecanismos básicos para poder utilizarla con una herramienta de consultas OLAP

Datawarehouse

Es un repositorio de datos que proporciona una visión global, común e integrada de los datos de la organización

DSS Pasivo

Es un sistema de ayudas para el proceso de toma de decisiones, pero que no puede llevar a cabo na decisión explícita, sugerencias o soluciones.

Esquema en Constelación

Este esquema es más complejo que las otras arquitecturas, debido a que contiene múltiples tablas de hechos.

HOLAP

Implementación que almacena los datos en un motor relacional y otros en una base de datos multidimencional

Otro nombre del Modelado Dimensional

Metodología Kimball

Jerarquía

Relaciones padre-hijo dentro de una dimensión

Caracterísitcas de BI

- Accesibilidad a la información - Apoyo en la toma de decisiones - Orientación al usuario final

Clasificación de Minería de Datos

- Análisis estáticos de datos - Descubrimiento de conocimientos - Otros

Tipos de información en Minería de Datos

- Asociaciones - Secuencias - Agrupamiento - Clasificación

Estructuras de un DW

- Con una estructura básica - Al añadir un área de ensayo - Se puede hacer agregando data marts

Tareas de la Planificación de Proyecto

- Definir el alcance (entender los requerimientos del negocio). - Identificar las tareas - Programar las tareas - Planificar el uso de los recursos. - Asignar la carga de trabajo a los recursos - Elaboración de un documento final que representa un plan del proyecto.

Operaciones OLAP

- Drill Down - Roll Up - Slice - Dice

Esquemas de Modelado Dimensional

- Estrella - Copo de Nieve - Constelación

Componentes de un DW

- Fuentes de datos - Procedimientos de Extracción - Procedimientos de Transformación - Procedimientos de carga (Loading) - Soporte físico de los datos (DBMS) - Herramientas de explotación : OLAP, reporting, Data Mining, etc

Tipos de medidas

- Naturales - Calculadas

Primera Forma Normal

- No admite atributos multivaluados - No admite atributos compuestos

Modelo Bill Inmon

- Orientado a temas - Integrado - No volátil - Variante en el tiempo

Caracterísitcas del Datawarehouse

- Orientado a un tema - Integrado - Variable en el tiempo - No volátil

Características de un Sistema Transaccional

- Orientados a aplicativos - Utilizados para el funcionamiento del negocio - Usados por empleados comunes - Contiene datos detallados - Contiene datos aislados - Acceso repetitivo y transacciones pequeñas - No hay redundancia (3FN)

Características de un DW

- Orientados a temas - Utilizados para analizar negocio - Usados por ejecutivos y analistas - Contiene datos resumidos y refinados - Contiene datos integrados - Acceso a medida con consultas complejas - Se prima la rapidez al tamaño en disco

Tipos de DSS

- Pasivo - Activo - Cooperativo

Categorías de los Sistemas OLAP

- ROLAP - MOLAP - HOLAP

Pasos del Modelado Dimensional

1. Elegir el proceso de negocio 2. Establecer el nivel de granularidad 3. Elegir las dimensiones 4. Identificar medidas y las tablas de hechos

Etapas del Ciclo de Vida de un DW

1. Planificación del Proyecto 2. Definición de Requerimientos del Negocio 3. Modelado Dimensional 4. Diseño Físico 5. Diseño e Implementación del subsistema ETL 6. Implementación 7. Mantenimiento y Crecimiento del Data Warehouse 8. Especificación de aplicaciones de BI

Clasificación

Aquí se identifican patrones que enlazan los datos con características de otros elementos definidos; por ejemplo, una empresa puede clasificar a sus clientes como leales al revisar sus consumos.

Enfoque del Modelo Bill Inmon

Bottom-Up

Inteligencia de Negocios

Conjunto de metodologías, aplicaciones, prácticas y capacidades enfocadas a la creación y administración de la información que permite tomar mejores decisiones a los usuarios de una organización

Diferencias entre BI y DW

Data Warehousing hace referencia al almacenamiento de datos, por su parte, el Business Intelligence hace referencia a las herramientas y aplicaciones utilizadas en el análisis e interpretación de esos datos.

Tecnologías que forman parte de BI

Data warehouse. • Reporting. • Análisis OLAP (On-Line Analytical Processing). • Análisis visual. • Análisis predictivo. • Cuadro de mando. • Cuadro de mando integral. • Minería de datos. • Gestión del rendimiento. • Previsiones. • Reglas de negocio. • Dashboards. • Integración de datos (que incluye ETL, Extract, Transform and Load).

Modelo Ralph Kimball

El Data Warehouse es un consolidado de todos los Data Marts dentro de una empresa

Esquema Copo de Nieve

En este las tablas de dimensiones en este modelo representan relaciones normalizadas (3NF) y forman parte de un modelo relacional de base de datos

Planificación del Proyecto

En este proceso se determina el propósito del proyecto de DW/BI, sus objetivos específicos y el alcance del mismo, los principales riesgos y una aproximación inicial a las necesidades de información

Mineria de Datos

Es el proceso de analizar datos desde diferentes perspectivas con el objetivo de resumir los datos en segmentos de información útiles. Esta información que puede ser usada para incrementar réditos o beneficios, reducir costos, etc

Data Warehousing

Es el proceso de extraer y filtrar datos de las operaciones comunes de la organización, para transformarlos, integrarlos y almacenarlos en un almacén de datos con el fin de acceder a ellos para dar soporte en el proceso de toma de decisiones de una organización.

Staging Area

Es el sistema que permanece entre las fuentes de datos y el data warehouse con el objetivo de Facilitar la extracción de datos desde fuentes de origen con una heterogeneidad y complejidad grande

Definición de Requerimientos del Negocio

Es un proceso de entrevistar al personal de negocio y técnico, aunque siempre conviene, tener un poco de preparación previa

Modelado Dimensional

Es un proceso dinámico y altamente iterativo. Comienza con un modelo dimensional de alto nivel obtenido a partir de los procesos priorizados y descritos en la tarea anterior, y El proceso iterativo consiste en cuatro pasos

Data Mart

Es un subconjunto de los datos del Datawarehouse cuyo objetivo es responder a un determinado análisis, función o necesidad, con una población de usuarios específica.

ODS

Es un tipo de almacén de datos que proporciona sólo los últimos valores de los datos y no su historial; además, generalmente admite un pequeño desfase o retraso sobre los datos operacionales. Es un sistema destinado a liberar a los sistemas operacionales de realizar las labores de query & reporting

Hecho

Evento, actividad, item, transacción del negocio

Asociación

Eventos que ocurren en vinculación a otro evento; por ejemplo, la compra de un producto "a" se asocia a un día de la semana en que hay promociones

ROLAP

Implementación que almacena los datos en un motor relacional.

MOLAP

Implementación que almacena los datos en una base de datos multidimensional

Sistema de Inteligencia de Negocios

La habilidad de aprehender las relaciones de hechos presentados de forma que guíen a las acciones hacia una meta deseada

Agrupamiento

La minería crea grupos similares en el patrón de los datos, por ejemplo crear grupos-perfiles de personas con base en el consumo en un restaurante.

Segunda Forma Normal

Ningún atributo no primo depende parcialmente de cualquier clave

OLAP

On-Line Analitical Processing, Es una tecnología que permite un análisis multidimensional a través de tablas matriciales o pivotantes

OLTP

On-Line Transaction Processing, son bases de datos orientadas al procesamiento de transacciones

Dice

Operación OLAP que rota el cubo hacia una nueva perspectiva, para que los usuarios puedan ver los datos desde diferentes perspectivas en su análisis de los datos

Slice

Operación OLAP que se realiza un "corte" en el cubo para que los usuarios puedan centrarse en una área determinada del cubo

Drill Down

Operación OLAP que se utiliza para ver la información a un mayor nivel de detalle

Roll Up

Operación OLAP que se utiliza para ver la información a un menor nivel de detalle

Bill Inmon

Padre del DataWarehouse

DSS Cooperativo

Permite al encargado de la toma de decisiones (o a sus asesores) modificar, completar o perfeccionar las sugerencias de decisión proporcionadas por el sistema, antes de enviar de vuelta al sistema para su validación

DSS Activo

Puede llevar a cabo dicha decisión, sugerencias o soluciones

Tercera Forma Normal

Si está en 2NF y ningún atributo no primo depene transitivamente de una clave

DSS

Son sistemas de información basados en computadora que combinan modelos y datos para intentar resolver problemas con la ayuda de un usuario extensamente involucrado.

Procesos ETL

Tecnología de integración de datos basada en la consolidación de datos que se usa tradicionalmente para alimentar data warehouse, data mart, staging area y ODS

Enfoque del Modelo Bill Inmon

Top-Down

Preguntas en el Diseño Físico

¿Cómo puede determinar cuán grande será el sistema de DW/BI? ¿Cuáles son los factores de uso que llevarán a una configuración más grande y más compleja? ¿Cómo se debe configurar el sistema? ¿Cuánta memoria y servidores se necesitan? ¿Qué tipo de almacenamiento y procesadores? ¿Cómo instalar el software en los servidores de desarrollo, prueba y producción? ¿Qué necesitan instalar los diferentes miembros del equipo de DW/BI en sus estaciones de trabajo? ¿Cómo convertir el modelo de datos lógico en un modelo de datos físicos en la base de datos relacional? ¿Cómo conseguir un plan de indexación inicial? ¿Debe usarse la partición en las tablas relacionales?