Quiz
Final
This quiz has question types that open in the usual player.
Questions in this quiz (37)
1[blank_start]Proceso de Negocio[blank_end] Define el proceso de negocio que se estará analizando.
- AProceso de Negocio
- BGranularidad
- CDimensiones
- DMétricas
2[blank_start]Granularidad[blank_end] Nivel de detalle que se tomará para analizar la información.
- AGranularidad
- BProceso de Negocio
- CDimensiones
- DMétricas
3[blank_start]Granularidad[blank_end] Depende de los requerimientos del negocio y de los datos con los que se cuentan.
- AGranularidad
- BProceso de Negocio
- CDimensiones
- DMétricas
4[blank_start]Dimensiones[blank_end] Son las perspectivas de análisis de las variables, son catálogos de información necesarios para la presentación de los datos a los usuarios.
- ADimensiones
- BProceso de Negocio
- CGranularidad
- DMétricas
5[blank_start]Métricas[blank_end] En este paso se tienen que identificar las medidas que surgen en el proceso de negocio.
- AMétricas
- BProceso de Negocio
- CDimensiones
- DGranularidad
6[blank_start]Métricas[blank_end] Viene siendo qué es lo que se va a analizar. Se colocan en una tabla llamada tabla de hechos.
- AMétricas
- BProceso de Negocio
- CDimensiones
- DGranularidad
7[blank_start]Arquitectura de un DataWarehouse[blank_end] Establece el marco de trabajo, estándares y procedimientos para el DW a un nivel empresarial.
- AArquitectura de un DataWarehouse
- BModelo Dimensional
8[blank_start]Modelos de Datos[blank_end] Proveen una estructura para identificar, nombrar, describir y asociar los componentes de una base de datos.
- AModelos de Datos
- BEstándares
- CPlan de Implementación
9[blank_start]Modelos de Datos[blank_end] Se necesitan modelos de datos tanto para los datos fuente como para los datos seleccionados que van a incorporarse en el DW.
- AModelos de Datos
- BEstándares
- CPlan de Implementación
10[blank_start]Estándares[blank_end] Sin ellos, no son posibles las oportunidades para reusar y hay riesgos de que partes del desarrollo no obtengan los beneficios de la integración.
- AEstándares
- BModelos de Datos
- CPlan de Implementación
11[blank_start]Plan de Implementación[blank_end] No son posibles las oportunidades para reusar y hay riesgos de que partes del desarrollo no obtengan los beneficios de la integración.
- APlan de Implementación
- BEstándares
- CModelos de Datos
12- Es la clave principal de la tabla de dimensiones
- Nos permite identificar de forma única cada fila, suele ser un entero auto incremental.
- Es totalmente transparente al usuario de negocio, no la usará en ningún momento, ni tan siquiera tendrá conocimiento de su existencia.- AClave subrogada
- BClave de negocio
- CAtributos de la dimensión
- DFecha de Inicio y Fecha de Fin
13Es la clave con la que trabaja habitualmente el usuario, pero no puede ser la clave principal porque se pueden producir duplicidades.
- AClave subrogada
- BClave de negocio
- CAtributos de la dimensión
- DFecha de Inicio y Fecha de Fin
14- Serán cada una de las características que necesitemos almacenar.
- Lo habitual es que haya varias decenas de ellos, incluso que en algunos casos superen el centenar.- AAtributos de la dimensión
- BFecha de Inicio y Fecha de Fin
- CClave subrogada
- DClave de negocio
15Servirán para conocer el periodo de vigencia de cada una de las versiones de los atributos.
- AFecha de Inicio y Fecha de Fin
- BAtributos de la dimensión
- CClave subrogada
- DClave de negocio
16Representan columnas que contienen datos cuantificables, numéricos, que se pueden agregar. Por ejemplo, cantidad, importe, precio, margen, número de operaciones, etc.
- AMedidas
- BMetadatos y linaje
17[blank_start]Metadatos y linaje[blank_end] Nos permite obtener información adicional sobre la fila, como por ejemplo, que día se incorporó al Data Warehouse, de qué origen proviene (si tenemos varias fuentes), etc. No es necesario para el usuario de negocio, pero es interesante analizar en cada tabla de hechos qué nos aporta y si merece la pena introducir algunas columnas de este tipo.
- AMetadatos y linaje
- BMedidas
18Esto resulta en formatos múltiples de datos dentro de distintas bases, haciendo cualquier intento de consolidación imposible.
- ALa falta de estándares de datos
- BLos datos ocultos
- CLa miopía de datos
- DLa pesadilla de las anomalías
- ELas sorpresas de datos
19- Esto a menudo ocurre cuando la información no solicitada es entrada en campos de texto independiente.
- Por la rigidez de la mayoría de los metadatos, la información "adicional" crítica es a menudo dejada de lado y necesita ser descubierta antes de ser manipulada.- ALa falta de estándares de datos
- BLos datos ocultos
- CLa miopía de datos
- DLa pesadilla de las anomalías
- ELas sorpresas de datos
20- A menudo, los números de cuenta múltiples bloquean una vista consolidada
- Esto puede ser el caso cuando un grupo familiar tiene a varios miembros, cada uno con su propio número de cuenta, o cuando una casa matriz tiene sucursales múltiples.
- Tales casos requieren capacidades investigativas fuertes para localizar y reorganizar la información relacionada.- ALa falta de estándares de datos
- BLos datos ocultos
- CLa miopía de datos
- DLa pesadilla de las anomalías
- ELas sorpresas de datos
21- Considere las numerosas opciones disponibles para los empleados que cargan datos para ingresar un nombre de compañía, dirección, número de teléfono dentro de un campo de datos.
- Súmese al número de abreviaciones convencionales un número igual o mayor de abreviaciones convenientes.
- Multiplique estos por el número de campos, el número de empleados que ingresan datos, y el número de entradas reales, y usted comienza a entender la pesadilla de igualar y consolidar información compleja.- ALa falta de estándares de datos
- BLos datos ocultos
- CLa miopía de datos
- DLa pesadilla de las anomalías
- ELas sorpresas de datos
22- Esto ocurre cuando los valores de datos se desvían de los metadatos y de las reglas del negocio.
- Por ejemplo, los nombres comerciales a menudo quedan mezclados con nombres personales; y la información de relaciones como "dba" o "c/o" se puede encontrar en una gran variedad de campos.
- Pero simplemente porque los datos no están donde deberían, no quiere decir que son datos que usted puede ignorar.- ALa falta de estándares de datos
- BLos datos ocultos
- CLa miopía de datos
- DLa pesadilla de las anomalías
- ELas sorpresas de datos
23[blank_start]Agregación[blank_end] Proceso por el cual se resumen los datos a partir de las filas de detalle de máxima granularidad.
- AAgregación
- BGranularidad
24[blank_start]Mínimo impacto sobre el origen[blank_end] Para conseguir una máxima escalabilidad y para afectar lo mínimo posible al rendimiento de los servidores transaccionales que van a ser nuestros orígenes de datos, debemos consumir de ellos los mínimos recursos posibles, y centrar el consumo de dichos recursos en el servidor que se encarga de realizar los procesos ETL.
- AMínimo impacto sobre el origen
- BTrazabilidad del dato
- CGeneración de tablas Delta
- DLimpieza de datos
25- Es muy importante saber dónde, cuándo y quién ha realizado cada cambio.
- Realizar los procesos de extracción y de obtención de diferencias entre el origen y el destino.
- Ir almacenando todos los cambios que nos encontremos para poder seguir la pista de cualquier dato y de los cambios que ha sufrido.- AMínimo impacto sobre el origen
- BTrazabilidad del dato
- CGeneración de tablas Delta
- DLimpieza de datos
26Característica de FASMI:
Debe ser rápido, necesitamos lanzar consultas y ver los resultados inmediatamente.- AFast
- BAnalysis
- CShared
- DMultidimensional
- EInformation
27Característica de FASMI:
Debe soportar la lógica de negocio y análisis estadísticos que sean necesarios para los usuarios.- AFast
- BAnalysis
- CShared
- DMultidimensional
- EInformation
28Característica de FASMI:
Tiene que manejar múltiples actualizaciones de forma segura y rápida.- AFast
- BAnalysis
- CShared
- DMultidimensional
- EInformation
29Característica de FASMI:
Tiene que proveer de una visión conceptual de la información a través de distintas dimensiones.- AFast
- BAnalysis
- CShared
- DMultidimensional
- EInformation
30Caracteristica de FASMI:
Debe poder manejar toda la información relevante y la información derivada- AFast
- BAnalysis
- CShared
- DMultidimensional
- EInformation
31Bajamos a más detalle en atributos de una dimensión sobre los que se ha definido una jerarquía
- ADrill Down
- BRoll Up
- CSlice
- DDice
32Ver el máximo nivel de agregación en atributos de una dimensión sobre los que se ha definido una jerarquía.
- ARoll up
- BDrill Down
- CSlice
- DDice
33Podemos seleccionar sólo algunas de las celdas.
- ADice
- BSlice
- CDrill Down
- DRoll Up
34Las herramientas OLAP nos permiten rotar los cubos, es decir, cambiar el orden de las distintas dimensiones.
- ASlice
- BDice
- CRoll Up
- DDrill Down
35Significa tener las instalaciones locales en los ordenadores de los usuarios.
- ACliente/Servidor
- BAcceso web
- CVirtual o Desktop OLAP (DOLAP)
36Cliente, cliente ligero, o sólo con el navegador. En este tipo de acceso el navegador comunica con un servidor web, el cual habla con la aplicación del servidor, que es la que conecta con el Data Warehouse.
- ACliente/Servidor
- BAcceso web
- CVirtual o Desktop OLAP (DOLAP)
37En este caso creamos un cubo con las dimensiones que le interesan al usuario, lo cargamos en memoria en su ordenador, trabaja y, cuando acaba, lo eliminamos de la memoria. La ventaja es que el usuario sólo recibe los hechos y las dimensiones en los que está interesado y los analiza en forma local
- ACliente/Servidor
- BAcceso web
- CVirtual o Desktop OLAP (DOLAP)
Information
- Description
- ISO931 - INTELIGENCIA DE NEGOCIOS Quiz on Final, created by Jorge Andrés Pérez Montás on 11/04/2017.
- Language
- Español
- Views
- 2
- Tags
- Rating
- 4.0 out of 5 · 1 rating Rate this quiz