DataWareHouse

Páginas: 52 (12995 palabras) Publicado: 5 de noviembre de 2015
FACULTAD DE INGENIER´IA
ESCUELA DE SISTEMAS

Trabajo Final de Data Warehouse y Data Mining:

Creaci´
on de un Datawarehouse usando la
Metodolog´ıa Hefesto y An´
alisis de datos mediante
WEKA: Predicci´
on, clasificaci´
on, clustering y
asociaci´
on
Realizado por: Juan Carlos Lojano U.

Profesor:
Ing. V´ıctor Saquicela

´Indice general
Lista de figuras

5

Lista de tablas

7

1. Introducci´
on1.1. Problema planteado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Descripci´on de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
1
1

2. M. Hefeso
2.1. An´alisis de requerimientos . . . . . . . . . . . . . . .
2.1.1. Identificar preguntas. Accidentes de carretera
2.1.2. Identificar indicadores y perspectivas. . . . . .
2.1.3. Modelo Conceptual . . . . .. . . . . . . . . .
2.2. An´alisis de los OLTP . . . . . . . . . . . . . . . . . .
2.2.1. Conformar Indicadores . . . . . . . . . . . . .
2.2.2. Establecer Correspondencias . . . . . . . . . .
2.2.3. Nivel de Granularidad . . . . . . . . . . . . .
2.2.4. Modelo Conceptual Ampliado . . . . . . . . .
2.3. Modelo L´ogico del DW . . . . . . . . . . . . . . . . .
2.3.1. Tipo de Modelo L´ogico del DW .. . . . . . .
2.3.2. Tablas de dimensiones . . . . . . . . . . . . .
2.3.3. Tablas de hechos . . . . . . . . . . . . . . . .
2.3.4. Uniones . . . . . . . . . . . . . . . . . . . . .
2.4. Integraci´on de Datos . . . . . . . . . . . . . . . . . .
2.4.1. Carga Inicial . . . . . . . . . . . . . . . . . .
2.4.2. Actualizaci´on . . . . . . . . . . . . . . . . . .
2.4.3. Creaci´on de cubosmultidimensionales . . . . .
2.4.4. Resultados . . . . . . . . . . . . . . . . . . . .
3. Miner´ıa de Datos
3.1. Introducci´on . .
3.2. Objetivos . . .
3.3. Problem´atia . .
3.4. Predicci´on . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

2

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

5
5
5
6
8
9
9
12
16
18
18
18
18
24
25
26
26
28
29
31

.
.
.
.

35
35
35
36
36

´INDICE GENERAL

´INDICE GENERAL

3.4.1.
3.4.2.
3.4.3.
3.4.4.
3.4.5.
3.4.6.

Marco Te´orico . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Definici´on del problema .. . . . . . . . . . . . . . . . . . . . . .
Obtenci´on de los datos para el an´alisis . . . . . . . . . . . . . . .
Elecci´on del algoritmo para el an´alisis de los datos . . . . . . . . .
Aplicaci´on de los algoritmos a los datos . . . . . . . . . . . . . . .
Selecci´on del modelo en base al MAPE (Mean Absolute Percentage
Error) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3.4.7. An´alisis de resultados . . . . . . . . . . . . . . . . . . . . . . . . .
3.5. Clasificaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.1. Marco Te´orico . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.2. Definici´on del problema . . . . . . . . . . . . . . . . . . . . . . .
3.5.3. Obtenci´on de los datos para el an´alisis . . . . . . . . . . . . .. .
3.5.4. Elecci´on del algoritmo para el an´alisis de los datos . . . . . . . . .
3.5.5. Aplicaci´on del algoritmo a los datos . . . . . . . . . . . . . . . . .
3.5.6. Selecci´on del modelo en base al MAE (Mean Absolute Error) . . .
3.5.7. An´alisis de resultados . . . . . . . . . . . . . . . . . . . . . . . . .
3.6. Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ....
Leer documento completo

Regístrate para leer el documento completo.

Estos documentos también te pueden resultar útiles

  • Datawarehouse

    ...Datawarehouse Bases de Datos Avanzadas Contenido Datawarehousing  Conceptos  Arquitectura Conceptos Almacén de datos Una colección de datos clasificada por temas, integrada, variable en el tiempo y no volátil que se utiliza como ayuda al proceso de toma de decisiones por parte de quienes dirigen una organización. Conceptos CARACTERÍSTICAS Temática: Por ejemplo, clientes, productos y ventas, en lugar de organizarse por áreas de aplicación como facturación,...

    Leer más
    567 Palabras 3 Páginas
  • Datawarehouse

    ...que sus sueños empresariales quedaron por el momento cerrados. Dada esta situación diseñe los procesos de Negocio con valor agregado y necesarios, con los cuales María pudo haber tenido éxito si lo hubiese conocido con anterioridad y Diseñe un Datawarehouse, con el fin de gestionar inteligentemente su Negocio, si se considera, que María para producir tenía el siguiente esquema: Labraba todas las hectáreas e inmediatamente sembraba, sin considerar si la época era la adecuada,...

    Leer más
    618 Palabras 3 Páginas
  • Datawarehouse

    ...Asignatura: DATAWAREHOUSE PROYECTO FINAL “Incidentes en el Estado de Veracruz” Elaborado por: Angela Arcenia Gaona Ordaz José Adrian Gaona Ordaz Revisado por: Mtra. En TI. Julieta Garcilazo Reyes Grupo: 08 Semestre: 8° Toluca, México Mayo de 2012. MÉTODO KIMBALL 3 1.- PROCESO DE NEGOCIO 3 2.- NIVEL GRANULARIDAD 3 3.- DIMENSIONES 4 4.- TABLA DE HECHOS 6 Modelo de Negocio 7 Modelo Dimensional 8 Incidentes en el Estado de Veracruz 9 Carga...

    Leer más
    1390 Palabras 6 Páginas
  • Datawarehouse

    ...Introducción Los almacenes de datos y las técnicas OLAP son las maneras más efectivas y tecnológicamente más avanzadas para integrar, transformar y combinar los datos para facilitar al usuario o a otros sistemas el análisis de la información. [pic] Aquí mencionamos algunos Data warehouse comerciales: Banner Enterprise Data Warehouse[pic] [pic] Banner Enterprise Data Warehouse (Banner EDW) brinda a los decanos, rectores y presidentes, y otros encargados de la toma de...

    Leer más
    1270 Palabras 6 Páginas
  • Datawarehouse

    ... DATAWAREHOUSE En el presente documento es una recopilación de documentos que he podido encontrar en internet con referencia a la temática de Data Warehouse, sumado mis puntos de vista hacia cada autor. De acuerdo con Peralta (2001), nos indica que “Un Data Warehouse (DW) es una base de datos que almacena información para la toma de decisiones. Dicha información es construida a partir de bases de datos que registran las transacciones de los negocios de la organización...

    Leer más
    516 Palabras 3 Páginas
  • Datawarehouses

    ...DATAWAREHOUSES Jose A. Torres Vilanova AXSO Pràctica aprofundiment Jose A. Torres AXSO ÍNDEX GENERAL Introducció............................................................................................... pàg 3 Què és un Datawarehouse?.................................................................... pàg 4 Objectius.......................................................................................... pàg 4...

    Leer más
    1540 Palabras 7 Páginas
  • datawarehouse

    ... Carrera: Ingeniería En Minas Asignatura: TIC. II Índice Introducción El hombre...

    Leer más
    1463 Palabras 6 Páginas
  • Datawarehouse

    ...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. Principales aportaciones de un Datawarehouse Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio. Facilita la aplicación de técnicas estadísticas de análisis y modelización para...

    Leer más
    1308 Palabras 6 Páginas

OTRAS TAREAS POPULARES

Conviértase en miembro formal de Buenas Tareas

INSCRÍBETE - ES GRATIS