5 Construccion de Base de Datos en La Is

5/12/2018 5 Construccion de Base de Datos en La Is - slidepdf.com

http://slidepdf.com/reader/full/5-construccion-de-base-de-datos-en-la-is 1/21

CONSTRUCCION DE BASE DE

DATOS EN LA IS

Ing. MSc. Fanny Mictil



ContenidoCONSTRUCCION DE BASE DE DATOS

Conceptos básicos Bloques elementales.

c v a es e cons rucc n. Técnicas y herramientas de construcción.



Conceptos básicos

Una base de datos es una colecciónintegrada de datos almacenados en

distintos ti os de re istros de forma ue

sean accesibles para múltiplesaplicaciones. .



Las bases de datos

tradicionales seorganizan por campos,registros y archivos.

Un campo es una pieza

Bloques elementalesEstructura de una Base de Datos

No P Apellido Edad Nación

1563 v Rimoli 33 Chile

Claveprimaria

única de información; un registro es un sistema

completo de campos;

un archivo es unacolección de registros..

2235 p Lemos 44 Perú34578 b Salgado 55 Brasil

4496 a Ponce 66 Argentina

Atributos

RegistrosEntidad

Archivo



Construcciónde base de

Área funcional

Recursos humanosVentas / comprasFabricaciónEtc

Aplicación

Otras aplicaciones

NominaWebEtc

Herramienta de

análisisIndicadoresMinería de datosInteligencia denegocio

un de un SISistema de Base de Datos

Base de datos 1

Base de datos 2

Base de datos nGestor de Base de Datos



Estratégico

Planeamiento

Operativo

Sistema

Ejecutivo

Sistema deapoyo a lasdecisiones

Sistema

Transacciones

Sistemas de Información

Diseñoconceptual

Análisis derequerimientos

SMBD

Etapas o

actividadespara la

construcciónde BD

BASE DE DATOS

Diseño físico

Construcción de base de datos



Actividades para la construcción de BD

• Determinación de los requisitos del sistema• Identificación de las principales áreas de la aplicación y gruposde usuarios.• Estudio y análisis de la documentación existente relativa a las

aplicaciones.• Estudio del entorno de operación actual.• Estudio del uso de la información (transacciones, frecuencias yflujos de datos)

Comprensión de la estructura, semántica, relaciones y restriccionesde la Base de Datos (DER, Diagramas caso o uml,etc).• Descripción estable del contenido de la base de datos.• Comunicación entre usuarios, analistas y diseñadores.

1. Elección del modelo de datos (DBMS relacional, jerarquica,objeto-relacional, orientado a objetos, multidimensional… )2. Elección del sistema gestor de bases de datos. (Por ejemplo:

Oracle 9i2, IBM DB2 UDB, SQL Server, Interbase, etc )



Transformar los esquemas obtenidos en el diseño conceptual en unconjunto de estructuras propias del modelo abstracto de datoselegido.En el caso de bases de datos relacionales:

- Paso del diagrama E/R a un conjunto de tablas‐ Normalización de las tablas

Actividades para la construcción de BD

El diseño físico de la base de datos consiste en elegir estructuras dealmacenamiento (Por ejemplo: tablas, …) para que el rendimientode la base de datos sea adecuado para las distintas aplicaciones alas que ha de dar servicio (tiempo de respuesta, aprovechamientodel espacio de almacenamiento, productividad de las

transacciones).



Estratégico

Planeamiento

Operativo

Sistema

Ejecutivo

Sistema deapoyo a lasdecisiones

Sistema

Transacciones

Sistemas de Información

Modelo de

utilización

Visión de

usuario

Modelo físico

Construcción de esquemas

Diccionario de

Sublenguae dedatos y/o

BASE DE DATOS

datos

Construcción

traductores



Sistema de base de datos Visiones de usuarioComo el usuario percibe los

datos de la BD (reportes,pantallas…)

utilización

Como el analista crea el esquemao vision de la BD. Define laforma como los datos seranusados

Modelo físico ointerno



Técnicas y herramientas de construcciónQué

(Modelo Conceptual)Funcionamiento

(Modelo deUtilización)

Componentes

(Modelo Físico)

Datos

Modelo conceptual dedatos Modelo de utilizaciónde datos Modelo físico dedatos



Técnicas y herramientas de construcción. Modelado

Ingeniería Inversa Minería de datos

Herramientas

DfdDER

Normalización de

BD UML



Ingeniería inversaEl objetivo de la ingeniería inversa es obtener

información a partir de un producto accesible alpúblico, con el fin de determinar de qué está hecho,qué lo hace funcionar y cómo fue fabricado.

Ingeniería inversa de software se le llama a la actividadque se ocupa de descubrir cómo funciona un programa,

función o característica de cuyo código fuente no se

dispone, hasta el punto de poder modificar ese códigoo generar código propio que cumpla las mismasfunciones.



Minería de datos La minería de datos (DM, Data Mining) consiste en la extracción no trivial

de información que reside de manera implícita en los datos. Dicha

información era previamente desconocida y podrá resultar útil para algúnproceso. En otras palabras, la minería de datos prepara, sondea y exploralos datos para sacar la información oculta en ellos.

técnicas encaminadas a la extracción de conocimiento procesable,implícito en las bases de datos. Está fuertemente ligado con la supervisiónde procesos industriales ya que resulta muy útil para aprovechar los datosalmacenados en las bases de datos.

Las bases de la minería de datos se encuentran en la inteligencia artificialy en el análisis estadístico. Mediante los modelos extraídos utilizandotécnicas de minería de datos se aborda la solución a problemas depredicción, clasificación y segmentación.



Técnicas de la minería de datos La técnicas provienen de la Inteligencia artificial y de la estadística,

dichas técnicas, no son más que algoritmos, más o menos sofisticados

que se aplican sobre un conjunto de datos para obtener unosresultados. Las técnicas más representativas son:

Redes neuronales.- Son un paradigma de aprendizaje y procesamientoautom tico inspira o en a orma en que unciona e sistema nervioso elos animales. Se trata de un sistema de interconexión de neuronas enuna red que colabora para producir un estímulo de salida. Algunosejemplos de red neuronal son: El Perceptrón. El Perceptrón multicapa. Los Mapas Autoorganizados, también conocidos como redes de Kohonen.

Regresión lineal.- Es la más utilizada para formar relaciones entredatos. Rápida y eficaz pero insuficiente en espacios multidimensionalesdonde puedan relacionarse más de 2 variables.



Técnicas de la minería de datos Árboles de decisión.- Un árbol de decisión es un modelo de predicción

utilizado en el ámbito de la inteligencia artificial, dada una base de datos

se construyen estos diagramas de construcciones lógicas, muy similares a lossistemas de predicción basados en reglas, que sirven para representar ycategorizar una serie de condiciones que suceden de forma sucesiva, parala resolución de un roblema. E em los:

Algoritmo ID3. Algoritmo C4.5.

Modelos estadísticos.- Es una expresión simbólica en forma de igualdad oecuación que se emplea en todos los diseños experimentales y en la

regresión para indicar los diferentes factores que modifican la variable derespuesta.



Técnicas de la minería de datos Agrupamiento o Clustering.- Es un procedimiento de agrupación de una serie

de vectores según criterios habitualmente de distancia; se tratará de disponer

los vectores de entrada de forma que estén más cercanos aquellos que tengan

características comunes. Ejemplos:

Algoritmo K-means.

- .

Según el objetivo del análisis de los datos, los algoritmos utilizados se clasifican ensupervisados y no supervisados (Weiss y Indurkhya, 1998):

Algoritmos supervisados (o predictivos): predicen un dato (o un conjunto de ellos)

desconocido a priori, a partir de otros conocidos. Algoritmos no supervisados (o del descubrimiento del conocimiento): se descubren

patrones y tendencias en los datos.



Ejemplos de uso de la minería de datos

Negocios

La MD puede contribuir significativamente en las aplicaciones de administraciónempresarial basada en la relación con el cliente. En lugar de contactar con elcliente de forma indiscriminada a través de un centro de llamadas o enviandocartas, sólo se contactará con aquellos que se perciba que tienen una mayorprobabilidad de responder positivamente a una determinada oferta o promoción.

Por lo general, las empresas que emplean minería de datos ven rápidamente elretorno de la inversión, pero también reconocen que el número de modelospredictivos desarrollados puede crecer muy rápidamente.

En lugar de crear modelos para predecir qué clientes pueden cambiar, la empresapodría construir modelos separados para cada región y/o para cada tipo de

cliente. También puede querer determinar qué clientes van a ser rentables duranteuna ventana de tiempo (una quincena, un mes, ...) y sólo enviar las ofertas a laspersonas que es probable que sean rentables. Para mantener esta cantidad demodelos, es necesario gestionar las versiones de cada modelo y pasar a unaminería de datos lo más automatizada posible.



Patrones de fuga

Un ejemplo más habitual es el de la detección depatrones de fuga

. Enmuchas industrias como la banca, las telecomunicaciones, etc. Existe uncomprensible interés en detectar cuanto antes aquellos clientes que puedanestar pensando en rescindir sus contratos para, posiblemente, pasarse a la

Ejemplos de uso de la minería de datos

.

ofertas personalizadas, ofrecer promociones especiales, etc., con elobjetivo último de retenerlos. La minería de datos ayuda a determinar quéclientes son los más proclives a darse de baja estudiando sus patrones decomportamiento y comparándolos con muestras de clientes que,

efectivamente, se dieron de baja en el pasado.



Anexos El algoritmo ID3 es utilizado dentro del ámbito de la

inteligencia artificial. Su uso se engloba en la búsqueda de

hipótesis o reglas en él, dado un conjunto de ejemplos. El conjunto de ejemplos deberá estar conformado por una

serie de tuplas de valores, cada uno de ellos denominados, ,

es el objetivo, el cual es de tipo binario ( positivo onegativo, si o no, válido o inválido, etc. ). De esta forma el algoritmo trata de obtener las hipótesis

que clasifiquen ante nuevas instancias, si dicho ejemplo va a

ser positivo o negativo. ID3 realiza esta labor mediante la construcción de un árbol

de decisión.



Referencias bibliográficasReferencias bibliográficas Llorens Fabregas J. (2008).Tecnología de

información. Pressman R. (1997) Ingeniería de software

.

Documents

5 Construccion de Base de Datos en La Is