Guia Temas Selectos

KDD ( concepto, fases )
Knowledge Discovery in Databases
Proceso no-trivial de descubrir conocimiento e información potencialmente útil dentro de los datos contenidos.
Es un proceso iterativo que exhaustivamente explora volúmenes muy grandes de datos para determinar relaciones.
Extrae información de calidad que puede usarse para dibujar conclusiones basadas en relaciones o modelos dentro de losdatos.
FASES:
Preparación de Datos:
a) Integración y recopilación:
Determinar fuentes útiles y donde conseguirlas.
Se transforman los datos a un formato común a un almacén de datos.
En el almacén facilita la navegación y visualización.

b) Selección, Limpieza y Transformación:
Limpia los datos y se corrigen o eliminan.
Proyectan datos para considerar variables o atributos.

Minería de Datos:Tarea o tipo de conocimiento a realizar (clasificar o agrupar).
A donde quiero llegar y que método se va a utilizar.

Evaluación e Interpretación:
Se evalúan patrones y se analizan por experto y si es necesario se vuelve a las fases anteriores para una nueva iteración.
Difusión:
Uso del nuevo conocimiento y se hace partícipe a todos los posibles usuarios.

Evaluación:
Medir la calidad de lospatrones descubiertos. (ser precisos, ser comprensibles, ser interesantes).
ETL ( que es, para que sirve, tareas )
Sistema Extraction, Transformation, Load, encargado de la carga y el mantenimiento de un almacén de datos.
Carga los datos para la migración.
La construcción de este es responsabilidad del equipo de desarrollo del almacén de datos y se realiza específicamente para cada almacén dedatos.
TAREAS:
Lectura de Datos Transaccionales.
Obtener datos mediante consultas SQL sobre la base de datos transaccional.
Incorporación de datos externos.
Incorporar el tipo de herramientas para convertir en tablas de base de datos que se pueden integrar en el almacén de datos.
Creación de Claves.
Crear claves primarias nuevas para todas las tablas que se vayan creando en el almacenamiento.Integración de datos.
Función de datos de distintas fuentes.
Obtención de agregaciones.
Cierto nivel de detalle.
Limpieza y transformación de datos.
Evitar datos redundantes, inconsistentes, estandarizar medidas, formatos, fechas, tratar valores nulos.
Creación y mantenimiento de metadatos.
Crear y mantener metadatos y pasos realizados y por realizar.
Identificación de cambios.
Comparación de instancias,marcas de tiempo mediante técnicas mixtas.
Planificación de la carga y mantenimiento.
Definir las fases de carga, el orden.
Indización.
Crear índices sobre claves y atributos del almacén de datos.
Pruebas de Calidad.
Métricas de calidad, almacén de datos, programa de calidad de datos.

ROLAP Y MOLAP (que son, ventajas, desventajas)
ROLAP: (relational OLAP)
Se construye físicamente sobre unabase de datos relacional.
Ventajas
Desventajas
Ejemplos
-Utiliza directamente sistemas de gestión y herramientas asociadas.

-La información y el coste necesario para su implementación es menor.
-No son convenientes a largo plazo.

-Utiliza nomenclatura y tecnología de B.D.

-No es tan especializado.
-Infomix

-Microstrategy

-Metacube

-Oracle discoverer


MOLAP: (multidimensional OLAP)
Seconstruye sobre estructuras basadas en matrices multidimensionales.
Ventajas
Desventajas
Ejemplos
-Su especialización

-Correspondiente entre el nivel lógico y físico

-Más eficiente

-Las estructuras de datos utilizadas son bastante específicas, lo que permite rendimientos mayores.

-Se necesitan sistemas específicos(coste de sw mayor)

-Ocupa más espacio

-Al hacer acoplamiento entre la visión externay la implementación los cambios en el almacén obligan a restructuración profunda en el esquema físico y viceversa.
-Oracle xpress

-Hyperion

-Interprise

OPERADORES OLAP (p/sirve c/u, cual es el primer paso p/utilizarlos) Drill, Roll, Slice & Dice, Pivot.
Conjunto de Datamars, que generalmente son estructuras de datos en estrella jerárquica. OLAP.
1er PASO:
Ciudad
Refrescos
Congelados
X
12...