BASE DE DATOS MULTIDIMENSIONALES

BASE DE DATOS MULTIDIMENSIONALES

1. MODELO CONCEPTUAL MULTIDIMENSIONAL

   • Los datos en un DW se modelan en data cubes (“cubos de datos”), estructuras multidimensionales (hipercubos) cuyas operaciones más comunes son:
     • Roll up
     • Drill down
     • Slice
     • Dice
     • Pivotaje o rotación
   • Compuestos por:
     • Dimensiones
     • Miembros
     • Jerarquías
     • Hechos
     • Medidas

2. ESQUEMA Y MODELAMIENTO DE UNA BDM

   • BDM ¿?
     • BD de estructura basada en dimensiones orientada a consultas complejas y alto rendimiento
       • Se utilizan principalmente para crear aplicaciones OLAP
         • Su peculiaridad es que por cada dimensión tienen un campo (o columna), y otro campo por cada métrica o hecho
   • Esquemas Multidimensionales
     • ESQUEMA ESTRELLA
       • Compuesta por una tabla central - tabla de hechos. Y un conjunto de tablas organizadas alrededor de esta - tablas de dimensiones.
         • Caracteriticas
           • El centro de la estrella es la tabla de hechos.
           • Los puntos de la estrella son las tablas de dimensiones.
           • Cada esquema esta compuesto por una sola tabla de hechos.
     • ESQUEMA COPO DE NIEVE
       • Variación del esquema estrella donde alguna punta de la estrella se explota en mas tablas.
         • las tablas de dimensión copo de nieve se encuentran normalizadas para eliminar redundancia de datos.
           • Caracteristicas
             • La dimensión esta normalizada.
             • Los distintos niveles se encuentran almacenados en tablas separadas.
             • Se argumenta el ahorro de espacio.

3. ARQUITECTURA MODELO MULTIDIMENSIONAL

   • Las fuentes de información pueden incluir bases de datos relacionales, bases de conocimiento, documentos en distintos formatos (p.ej. XML)
   • Los wrappers (encapsuladores) se encargan de extraer los datos de las distintas fuentes y transmitirlos al data warehouse.
   • Los monitores están en contacto directo con las fuentes de datos para detectar los cambios que se puedan producir en ellas.
   • El integrador es el responsable de filtrar, resumir y unificar la información proveniente de las distintas fuentes.

4. HYPERCUBO Y SUS OPERACIONES

   • Los cubos OLAP tienen un número indefinido de dimensiones, razón por la cual también reciben el nombre de hipercubos
     • Un cubo OLAP contendrá datos de una determinada variable que se desea analizar, proporcionando una vista lógica de los datos provistos por el sistema de información hacia el data warehouse
   • Operaciones
     • Operacion de Corte y corte de cubo
       • permite observar partes o subconjuntos de cubos OLAP
     • Operaciones Filtrar y Pivotear.
       • Filtrar  permite realizar una seleccion de los datos dentro de un cubo
       • Pivotear nos permite visualizar desde cierta perspectiva del cubo

5. DEFINICION BDM

   • Almacena sus datos con varias dimensiones, es decir que en vez de un valor, encontramos varios dependiendo de los "ejes" definidos. La información se representa como matrices multidimensionales
     • VENTAJAS BDM
       • Tiene acceso a grandes cantidades de informacion
       • Analiza las relaciones entre muchos tipos de elementos empresariales
       • Involucra grandes datos
       • Compra datos agregados a traves de periodos jerarquicos
       • Presentan los dtos en diferentes perspectivas
       • Involucran calculos complejos entre elementos de datos
       • Pueden responder rapidamente a los usuarios
     • DESVENTAJAS BDM
       • Sus fallas reciden en la imposibilidad de realizar cambios en su estructura

6. CUBO MULTIDIMENCIONAL

   • Un cubo es una estructura multidimensional que contiene información con fines analíticos
   • sus componentes principales son las dimensiones y las medidas.
     • Las dimensiones definen la estructura del cubo que se utiliza para segmentar y dividir los datos
     • las medidas proporcionan valores numéricos agregados importantes para el usuario final.

7. DEFINICION DE OLAP

   • Procesamiento analítico en línea. Solución utilizada en BI, el objetivo es agilizar la consulta de grandes cantidades de datos.
     • Para ello utiliza los cubos OLAP que contiene datos resumidos en grandes BD o sist. transaccionales OLTP
   • HERRAMIENTAS OLAP
     • presentan al usuario una visión multidimensional de los datos (esquema multidimensional)
       • El usuario formula consultas seleccionando atributos de este esquema multidimensional sin conocer la estructura interna, del almacén de datos
       • Estas herramientas genera la correspondiente consulta y la envía al gestor de consultas del sistema
       • Operadores de refinamiento o manipulación de consultas.
         • DRILL
         • ROLL
         • SLICE & DICE
         • PIVOT

8. DEFINICION OLTP

   • Procesamiento de Transacciones En Línea. Tipo de procesamiento que facilita y administra aplicaciones transaccionales, usualmente para entrada de datos y recuperación y procesamiento de transacciones.

9. CARACTERISTICAS DE UN DATA WAREHOUSE

   • Integrado: deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas.
   • Temático: Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales.
   • De tiempo variante (Historico):el tiempo es parte implícita de la información contenida en un datawarehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente.
   • No Volátil: El almacén de información de un datawarehouse existe para ser leído, pero no modificado.
   • Contiene metadatos:es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su fiabilidad, forma de cálculo... etc.
   • Extracción: obtención de información de las distintas fuentes tanto internas como externas.
   • Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la información.
   • Carga: organización y actualización de los datos y los metadatos en la base de datos.

10. ROLAP

    • Procesamiento Analítico OnLine Relacional: Es una implementación OLAP que almacena los datos en un motor relacional. Diseñadas para realizar un análisis de los datos a través de modelos de datos multidimensionales, estos modelos no se implementan sobre un sistema multidimensional, sino son de un sistema relacional clásico.

11. MOLAP

    • Procesamiento Analítico Multidimensional OnLine: Es una implementación de OLAP que almacena los datos en una base de datos multinacional. MOLAP requiere un procesamientos y almacenamiento de la información contenida en un cubo. Almacena estos datos en una matriz de almacenamiento multidimensional optimizada, mas que en una base de datos relacional ( o ROLAP)

12. COMPARACION ENTRE MOLAP Y ROLAP

13. DATA MINING

    • (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos.
    • surge para intentar ayudar a comprender el contenido de un repositorio de datos.
    • etapas principales:
      • Determinación de los objetivos.
      • Preprocesamiento de los datos.
      • Determinación del modelo.
      • Análisis de los resultados.

14. YOLANDA SIAS N°10480386

Imagens e arquivos do mapa