¡GoConqr estrena diseño! Cuéntanos qué te parece.

Mapa mental

Inteligencia de negocios Data Warehouse

Ana Belem Salina Español

Mapa mental sobre Inteligencia de negocios Data Warehouse: Características, Data Marts, Metodologías y Arquitectura

Mapa mental: Inteligencia de negocios Data Warehouse

Contenido del mapa

Inteligencia de negocios Data Warehouse

  1. Es la base de la inteligencia de negocios.

    • orientada a la consulta para el análisis más que para el resguardo de transacciones.
    • propósito: ser el repositorio de datos de manera consolidada y estructurada.
    • Generalmente se carga a través de un proceso ETL preestablecido según las necesidades del negocio para ejecutarse
  2. Principales características de un Almacén de Datos

    • Orientados a temas:
      • agrupan la información alrededor de un tema en particular
    • Variantes en el tiempo:
      • guardan información histórica.
    • No Volátiles:
      • una vez que caen los datos dentro del DWH ya no se pueden modificar, deben quedar únicamente como de consulta
    • Integrados:
      • Los que alimentaran al DWH pueden venir de diferentes fuentes pero al final dentro de él debe estar homogeneizado y deben ser consistentes.
    • optimizado
      • para soportar consultas de grandes cantidades de datos así como operaciones sobre estas como son sumarizados y agrupamientos.
  3. Data Marts

    • Son subconjuntos de datos dentro del DWH orientados a una área específica de la organización.
    • se puede clasificar en dependiente o independiente.
    • su carga o llenado pudiera ser una sola fuente o múltiples fuente
  4. Metodologías para la construcción de Almacenes de datos

    • Metodología descendente (Top – Down) Bill Inmon
      • primero se diseña y construye el Data Warehouse de toda la compañía y posteriormente se agrupa en los distintos Datamarts que se requieran.
      • ventaja: desde un inicio se homogeniza y estandariza la información de toda la organización
      • desventaja: el desarrollo puede llegar a ser largo y costoso.
    • Metodología ascendente (Bottom – Up) Bill Inmon
      • primero construirnos un Datamart y posteriormente vamos agregando el resto de las áreas.
      • ventaja: la liberación del DWH es modular y nos permite reutilizar estructuras.
      • desventaja: al conectar los datamarts conforme se vayan construyendo la homogenización no se logre por completo y tengamos que implementar mecanismos de homologación.
  5. Arquitectura de un almacén de datos

    • Arquitectura Básica
      • El Data warehouse se alimenta de distintas fuentes (Bases de datos transaccionales y archivos planos).
      • Se organizan y homogenizan los datos, en una estructura y con ciertos estándares.
      • Se explota a través de los diferentes métodos (análisis, reporteo y data mining)
    • Arquitectura con área de paso (staging area)
      • el proceso de limpieza y homogenización se hace en una base intermedia.
      • No solo se homogenizan los datos sino que también pudieran aplicarse procesos de agrupamiento y sumarizado antes de pasar al DWH, eliminando así detalle no quisiéramos o que no es necesario.
    • Arquitectura con área de paso (staging area
      • generalmente se hace una copia del día de la base del sistema de transacciones al staging y ahí se ejecuta el procesado de datos
    • Arquitectura con área de paso y Data Marts
      • Cuando nuestro DWH es el proveedor de información para nuestros data Marts (Metodología Inmon) a nuestra arquitectura le vamos a desglosar tantos datamarts como aéreas que necesiten explotar la información tengamos.
    • Arquitectura con área de paso y bus
      • En este caso nuestros datamarts en conjunto componen el núcleo del DWH (Metodología Kimbal) y estos estarán unidos por un bus de datos que podría resumirse la homologación de catálogos.
  6. Bases de datos orientadas al almacén de datos.

    • Todas estas arquitecturas son estructuras independientes al medio físico
    • Kimbal fue el primero en preocuparse por la optimización de la consulta
    • Ejemplos: sybaseiq y netezza.
  7. ETL

    • Un Almacén de datos generalmente se va a construir usando la técnica de Extracción, Transformación y Carga (ETL por sus siglas en ingles)

Información

Descripción
Mapa Mental sobre Inteligencia de negocios Data Warehouse, creado por Ana Belem Salina el 05/04/2016.
Visitas
0
Valoración

Más sobre Data Warehouse y Data Mart

Escríbenos

¿Sobre qué es tu mensaje?

¿Qué te parece el nuevo diseño?

¿Te gusta?