Mapa mental
Inteligencia de negociosData Warehouse

Mapa mental: Inteligencia de negocios Data Warehouse
Conteúdo do mapa
Inteligencia de negocios Data Warehouse
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
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.
- Orientados a temas:
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
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.
- Metodología descendente (Top – Down) Bill Inmon
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.
- Arquitectura Básica
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.
ETL
- Un Almacén de datos generalmente se va a construir usando la técnica de Extracción, Transformación y Carga (ETL por sus siglas en ingles)
Informações
- Descrição
- Mapa Mental sobre Inteligencia de negociosData Warehouse, criado por Ana Belem Salina em 05-04-2016.
- Criado por
- Ana Belem Salina
- Visualizações
- 0
- Avaliação
Mais sobre Data Warehouse y Data Mart