Data warehouse

Solo disponible en BuenasTareas
  • Páginas : 10 (2321 palabras )
  • Descarga(s) : 0
  • Publicado : 12 de junio de 2011
Leer documento completo
Vista previa del texto
Metodologías para el Data WareHousing

Mg. Samuel Oporto Díaz

Mapa del Curso
Inteligencia de Negocios

Metodología Kimball

Planeamiento del Proyecto

Modelo del Negocio

Modelado Dimensional

Modelado Físico

ETL

Minería de Datos

Reportes

Tabla de Contenido
• Antecedentes • Metodología Kimball
– Planificación del proyecto – Requerimientos del Negocio – Líneatecnológica
• Arquitectura tecnológica • Selección e instalación de productos

– Línea de datos
• Modelo dimensional • Modelo físico • ETL

– Línea de aplicación del BI
• Diseño del BI • Desarrollo del BI

– Despliegue
• Despliegue • Crecimiento • Mantenimiento

Objetivos
1. Presentar los enfoques para el desarrollo de DWH 2. Presentar la metodología de Kimball

ANTECEDENTES Metodologías OLAP / OLTP
Sistemas de Información
• • • Los procesos a automatizar son repetibles y previsibles. Modelado Entidad Relación. Atención en una rápida modificación en línea de los datos. • • •

Data Warehouse
El uso de los datos es exploratorio y menos predictible. Modelado multidimensional. Enfocado en la carga y la presentación de los datos

DWH no es solamente crear un conjunto dereportes que corren periódicamente. Se trata de preguntas que hay que alcanzar y que puede llevar a lugares imprevistos.

Conceptos Clave
• Datamart. Repositorio de datos especifico.
– Diseñado para responder las preguntas específicas. – Diseñado para servir las necesidades de unidades de negocio (ventas, comercialización, operaciones, contabilidad, etc.) – Es construido usando modeladodimensional

• Data warehouse. Repositorio de datos organizacional
– Almacena datos de toda la empresa y de todas las áreas. – Es una colección empresarial de datamarts. – Contiene data masiva e integrada

• Inteligencia de Negocios.
– Reportes y análisis de datos almacenadas en el DWH – Data warehouse/business intelligence (DW/BI) se refiere al sistema completo de extremo a extremo. Metodologías para el DWH
Profesional Énfasis Diseño Top-Down Bill Inmon DWH Modelo normalizado basado en la empresa Bottom-Up Rodolfo Kimball DataMarts El modelo dimensional de datamarts, usa esquema de estrella Hybrid Muchos profesionales DWH y DataMarts Federated Doug Hackney Integrado a entornos BI heterogéneos

Modelos locales y uno o Una arquitectura de mas esquemas de arquitecturas; comparte estrelladimensiones, hechos, reglas, definiciones a través de la organización Modelo empresarial normalizado de alto nivel; datamarts iníciales. Realidad del cambio en organizaciones y sistemas

Arquitectura Compuesto de varios niveles de áreas de interés y datamarts dependientes Data set DWH datos a nivel atómico; datamarts datos sumarizados

Área de interés y datamarts

Contiene datos atómicosCarga datamarts con y sumarizados datos atómicos y sumarizados vía un área de interés no persistente

Uso de cualquiera significado posible para integrar las necesidades de negocio

Historia de DWH
Inmon. 1990 Publica Building the Data Warehouse 2002 Mejora su libro y define una arquitectura como una colección de fuentes dispares en almacenes de datos detalles y variantes en el tiempo.Kimball 1996 Publica The Data Warehouse Toolkit 2002 Mejora su libro y define multiples bases de datos llamados datamarts que son organizados por procesos de negocio, pero usan medios de datos estandarizados para la empresa.

Top-Down

Botton-Up

Enfoques acerca del DWH
• Bill Inmon  Normalizado.
– Building the Data Warehouse – Corporate Information Factory

• Ralph Kimball -> Dimensional.– The Data Warehouse Lifecycle Toolkit – The Data Warehouse Toolkit

Enfoques acerca del DWH
• Bill Inmon  Top-Down
– – – – El DWH usa modelo de datos de toda la empresa El DWH es un depósito de datamarts Más tiempo para implementar. Fracasos por falta de paciencia y de compromiso

• Ralph Kimball -> Bottom-Up
– Inicia con un datamart, luego otros datamarts. – El flujo de datos:...
tracking img