2. Conceptos de Datawarehousing

Facultad de Ingeniera y CienciasIngeniera en Sistemas de Computacin e Informtica

Conceptos de Datawarehousing

Ing. Jonathan CarrilloQuito, Marzo 2015

BASES DE DATOS MULTIDIMENSIONALES

Contenido:

1. Introduccin a las bases de datos multidimensionales

2. Evolucin, beneficios y problemas de los Datawarehouse

3. Arquitectura de un Datawarehouse

4. Data Marts

5. Conclusin

Ing. Jonathan Carrillo - Marzo 2015



DataWarehouse

> Es una base de datos corporativa en la que se

integra informacin depurada de las diversas

fuentes que hay en la organizacin. Dicha

informacin debe ser homognea y fiable, se

almacena de forma que permita su anlisis desde

muy diversas perspectivas, [y con] tiempos de

respuesta ptimos.

Ramos, 2011

Ing. Jonathan Carrillo - Marzo 2015 Ing. Jonathan Carrillo - Marzo 2015



DataWarehouse

> Es un repositorio de datos que proporciona una

visin global, comn e integrada de los datos de

la organizacin independientemente de cmo se

vayan a utilizar posteriormente por los

consumidores o usuarios, con las propiedades

siguientes: estable, coherente, fiable y con

informacin histrica.

Curto, 2011




DataWarehouse

> El almacenamiento de datos (data warehousing)

y el procesamiento analtico en lnea (on - line

analytical processing ) OLAP, son elementos

esenciales en el soporte de decisiones, de las

bases de datos

Chandhuri, S.




DataWarehouse

> Por medio de los conceptos anteriores, podemos

decir entones que un dataWarehouse es:

Una Base de Datos

BDD: estable, coherente, fiable y con

informacin histrica

Almacena datos corporativos

Integra informacin depurada

Sirve como soporte para la toma de

decisiones y para el anlisis de tendencias.




Caractersticas de un DataWarehouse

> Bill Inmon fue uno de los primeros autores en

escribir sobre el tema de los DataWarehouse en

los siguientes trminos:

Un Data Warehouse o Almacn de Datos es

una coleccin de datos orientado a temas,

integrado, de tiempo variante y no voltil,

que se usa para el soporte del proceso de

toma de decisiones gerenciales.

Inmon, 1993





Orientado a temas: la informacin se clasifica en

base a los aspectos que son de inters para la

empresa (clientes, productos, ventas)

> Por ejemplo, para un fabricante, stos pueden ser

clientes, productos, proveedores y vendedores.

> Para una universidad pueden ser estudiantes,

clases y profesores.

> Para un hospital pueden ser pacientes, personal

mdico, medicamentos, etc.





Orientado a temas:





Integrado: La integracin de datos se muestra de

muchas maneras:

> en convenciones de nombres consistentes,

> en la medida uniforme de variables,

> en la codificacin de estructuras consistentes,

> en atributos fsicos de los datos consistentes,

> fuentes mltiples y otros.





Integrado:


DataWarehouse




Integrado:

> Para integrar, se debe tomar en cuenta las

convenciones (estandarizacin) utilizada por los

diseadores de las aplicaciones. stas se

diferencian en:

la codificacin,

en las estructuras claves,

en sus caractersticas fsicas,

en las convenciones de nombramiento y

otros. Ing. Jonathan Carrillo - Marzo 2015 Ing. Jonathan Carrillo - Marzo 2015




Integrado:

>Codificacin. Los diseadores de aplicaciones

codifican el campo GENERO por ejemplo, en

varias formas.

> Un diseador representa GENERO como una

"M" y una "F", otros como un "1" y un "0", otros

como una "X" y una "Y" e inclusive, como

"masculino" y "femenino".

> Por lo que GENERO debe llegar al

DataWarehouse en un estado integrado uniforme.





Integrado:


Ejemplo de Codificacin




Integrado:

>Caractersticas Fsicas. Formatos de los

atributos de medida de las fuentes de datos, por

ejemplo en centmetros, otros en pulgadas, otros

en millones de pies cbicos por segundo y otros

en yardas.

> Cualquiera que sea la fuente, cuando la

informacin del atributo llegue al

DataWarehouse necesitar ser una medida que

mantenga el formato de la misma manera.





Integrado:


Ejemplo de Caractersticas Fsicas




Integrado:

>Convenciones de Nombramiento: El mismo

elemento es frecuentemente referido por nombres

diferentes en las diversas aplicaciones.

> Por ejemplo, bases de datos que no mantengan un

estndar de nombramiento: NombEmple; con

otra que mantenga una convencin:

NombreEmpleado.





Integrado:

>Fuentes Mltiples: El mismo elemento puede

derivarse desde fuentes mltiples.

> En este caso, el proceso de transformacin debe

asegurar que la fuente apropiada sea usada,

documentada y movida al DW.





Integrado:


Ejemplo de Fuentes Mltiples




De tiempo variante:

> Toda la informacin del DataWarehouse es

requerida en algn momento, en contraste con la

informacin en el ambiente operacional.

> Como la informacin en el DataWarehouse es

solicitada en cualquier momento (es decir, no

"ahora mismo"), los datos encontrados en el DW

se llaman de "tiempo variante".





De tiempo variante: La informacin del DW debe

incluir los datos histricos para usarse en la

identificacin y evaluacin de tendencias.


La informacin del data warehouse es,

para todos los propsitos prcticos,

una serie larga de "snapshots" (vistas

instantneas).




No voltil:

> La informacin en el DW no se modifica ni se

elimina, una vez almacenado un dato, ste se

convierte en informacin de slo lectura, y se

mantiene para futuras consultas. Los datos

almacenados no son actualizados, slo son

incrementados.

> Las actualizaciones de la base de datos

operacional no ocurren en el entorno del

DataWarehouse, no se requieren mecanismos de

control de la concurrencia y recuperacin.





No voltil:

> En el DW se requieren dos operaciones nada

ms: Carga inicial de los datos y acceso a datos.





No voltil:

> Operacional VS. DatawareHouse


Voltiles No voltiles

DW

Documents

2. Conceptos de Datawarehousing