UNIVERSIDAD GALILEOUNIVERSIDAD GALILEO
HERBERT PATZAN CARRILLOHERBERT PATZAN CARRILLO
TECNOLOGIA DE NEGOCIOS ELECTRONICOST...
CONCEPTOCONCEPTO
 Es un conjunto de información no redundante enEs un conjunto de información no redundante en
datos estr...
CONCEPTOCONCEPTO
 En este sentido, una biblioteca puedeEn este sentido, una biblioteca puede
considerarse una base de dat...
COMPONENTESCOMPONENTES
 En informática existen los sistemas gestores deEn informática existen los sistemas gestores de
ba...
COMPONENTESCOMPONENTES
 Entre los SGBD mas conocidosEntre los SGBD mas conocidos
están:están:
 LibresLibres
 MySQLMySQL...
COMPONENTESCOMPONENTES
 ComercialesComerciales
 IBM DB2IBM DB2
 IBM InformixIBM Informix
 Microsoft AccessMicrosoft Ac...
VENTAJAS DE LAS BD´sVENTAJAS DE LAS BD´s
 Independencia de datos y tratamientoIndependencia de datos y tratamiento
 Cohe...
DESVENTAJAS DE LAS BD´sDESVENTAJAS DE LAS BD´s
 Los costos de actualización de hardware yLos costos de actualización de h...
JERARQUIA DE DATOSJERARQUIA DE DATOS
 CarácterCarácter
 Unidad de construcción básica de informaciónUnidad de construcci...
JERARQUIA DE DATOSJERARQUIA DE DATOS
 Base de DatosBase de Datos
 Conjunto de archivos integrado yConjunto de archivos i...
JERARQUIA DE DATOSJERARQUIA DE DATOS
 ALMACENAMIENTO DE DATOALMACENAMIENTO DE DATO
 Valor especifico de un atributo.Valo...
MODELO RELACIONALMODELO RELACIONAL
 Éste es el modelo más utilizado en la actualidadÉste es el modelo más utilizado en la...
MODELO RELACIONALMODELO RELACIONAL
 El lenguaje más habitual para construir lasEl lenguaje más habitual para construir la...
MODELO RELACIONALMODELO RELACIONAL
 Ente las ventajas del modelo relacional están:Ente las ventajas del modelo relacional...
MODELO RELACIONALMODELO RELACIONAL
 El proceso deEl proceso de normalización de bases denormalización de bases de
datosda...
MODELO RELACIONALMODELO RELACIONAL
 Las relaciones que describe Codd al definir suLas relaciones que describe Codd al def...
MODELO RELACIONALMODELO RELACIONAL
 Segunda Forma Normal (2NF): Todo campoSegunda Forma Normal (2NF): Todo campo
que no s...
MODELO RELACIONALMODELO RELACIONAL
 Quinta Forma Normal (5NF): Una tabla puedeQuinta Forma Normal (5NF): Una tabla puede
...
ORIENTADAS A OBJETOSORIENTADAS A OBJETOS
 En una base de datos orientada a objetos, laEn una base de datos orientada a ob...
ORIENTADAS A OBJETOSORIENTADAS A OBJETOS
 Un ODBMS extiende los lenguajes con datosUn ODBMS extiende los lenguajes con da...
ORIENTADAS A OBJETOSORIENTADAS A OBJETOS
 HerenciaHerencia
 Las clases en un sistema orientado a objetosLas clases en un...
ORIENTADAS A OBJETOSORIENTADAS A OBJETOS
 En base de datos orientados a objetos puedenEn base de datos orientados a objet...
MULTIDIMENCIONALESMULTIDIMENCIONALES
 Las bases de datos multidimensionales seLas bases de datos multidimensionales se
ut...
MULTIDIMENCIONALESMULTIDIMENCIONALES
 EJEMPLO:EJEMPLO:
 Dimensión (Tiempo,Productos)Dimensión (Tiempo,Productos)
 Jerar...
MULTIDIMENCIONALESMULTIDIMENCIONALES
 Las estructuras multidimensionales permiten queLas estructuras multidimensionales p...
DATA WAREHOUSINGDATA WAREHOUSING
 En el contexto de la informática, unEn el contexto de la informática, un almacén dealma...
DATA WAREHOUSINGDATA WAREHOUSING
 Data warehousing es el centro de la arquitecturaData warehousing es el centro de la arq...
DATA WAREHOUSINGDATA WAREHOUSING
Base de Datos
Operacional
Data Warehouse
Datos Operacionales
Datos del negocio para
Infor...
DATA WAREHOUSINGDATA WAREHOUSING
Sistemas EstratégicosSistemas Estratégicos, orientados a soportar la toma de, orientados ...
DATA WAREHOUSINGDATA WAREHOUSING
 Sistemas InterinstitucionalesSistemas Interinstitucionales, este último nivel, este últ...
DATA WAREHOUSEDATA WAREHOUSE
 En un almacén de datos lo que se quiere esEn un almacén de datos lo que se quiere es
conten...
DATA WAREHOUSEDATA WAREHOUSE
 CARACTERISTICAS:CARACTERISTICAS:
 Orientado al temaOrientado al tema
 IntegradoIntegrado
...
DATA WAREHOUSEDATA WAREHOUSE
DATA MININGDATA MINING
 Bajo el nombre deBajo el nombre de minería de datosminería de datos sese
engloban un conjunto de ...
DATA MININGDATA MINING
 Un proceso típico de minería de datos parte de laUn proceso típico de minería de datos parte de l...
DATA MININGDATA MINING
 Se detectó que se debía a que dicho díaSe detectó que se debía a que dicho día
solían acudir al s...
DATA MININGDATA MINING
 LA MINERIA DE DATOS SE BASA EN LALA MINERIA DE DATOS SE BASA EN LA
ESTADISTICA Y TOMA LA SIGUIENT...
DATA MININGDATA MINING
 Análisis clusterAnálisis cluster: permite la clasificación de: permite la clasificación de
una po...
DATA MININGDATA MINING
 TENDENCIASTENDENCIAS
 La Minería de Datos ha sufridoLa Minería de Datos ha sufrido
transformacio...
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
 Business Intelligence suele definirse como laBusiness Intelligence suele defi...
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
 COMPONENTES DE BICOMPONENTES DE BI
 Diseño conceptual de los sistemasDiseño ...
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
 Herramientas de explotación de laHerramientas de explotación de la
informació...
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
 OLAPOLAP ((on-line analytical processingon-line analytical processing):):
 h...
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
 BENEFICIOS:BENEFICIOS:
 Cualitativamente, los beneficios se derivan,Cualitat...
Base De Datos Tecnologia De Negocios Electronicos
Upcoming SlideShare
Loading in …5
×

Base De Datos Tecnologia De Negocios Electronicos

4,280
-1

Published on

Tecnologia de negocios electronicos
Universidad Galileo

Herbert Patzan Carrillo

Published in: Technology, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
4,280
On Slideshare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
128
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Base De Datos Tecnologia De Negocios Electronicos

  1. 1. UNIVERSIDAD GALILEOUNIVERSIDAD GALILEO HERBERT PATZAN CARRILLOHERBERT PATZAN CARRILLO TECNOLOGIA DE NEGOCIOS ELECTRONICOSTECNOLOGIA DE NEGOCIOS ELECTRONICOS BASES DE DATOSBASES DE DATOS
  2. 2. CONCEPTOCONCEPTO  Es un conjunto de información no redundante enEs un conjunto de información no redundante en datos estructurados y organizadosdatos estructurados y organizados independientemente de su utilización y suindependientemente de su utilización y su implementación, accesibles en tiempo real yimplementación, accesibles en tiempo real y compatibles con usuarios concurrentes concompatibles con usuarios concurrentes con necesidad de información de diferente tipo y ennecesidad de información de diferente tipo y en diferente momentodiferente momento
  3. 3. CONCEPTOCONCEPTO  En este sentido, una biblioteca puedeEn este sentido, una biblioteca puede considerarse una base de datos compuesta enconsiderarse una base de datos compuesta en su mayoría por documentos y textos impresos ensu mayoría por documentos y textos impresos en papel e indexados para su consulta. En lapapel e indexados para su consulta. En la actualidad, y debido al desarrollo tecnológico deactualidad, y debido al desarrollo tecnológico de campos como la informática y la electrónica, lacampos como la informática y la electrónica, la mayoría de las bases de datos tienen formatomayoría de las bases de datos tienen formato electrónico, que ofrece un amplio rango deelectrónico, que ofrece un amplio rango de soluciones al problema de almacenar datos.soluciones al problema de almacenar datos.
  4. 4. COMPONENTESCOMPONENTES  En informática existen los sistemas gestores deEn informática existen los sistemas gestores de bases de datos (SGBD), que permiten almacenarbases de datos (SGBD), que permiten almacenar y posteriormente acceder a los datos de formay posteriormente acceder a los datos de forma rápida y estructurada.rápida y estructurada.  son un tipo de software muy específico, dedicadoson un tipo de software muy específico, dedicado a servir de interfaz entre la base de datos, ela servir de interfaz entre la base de datos, el usuario y las aplicaciones que la utilizan. Seusuario y las aplicaciones que la utilizan. Se compone de un lenguaje de definición de datos,compone de un lenguaje de definición de datos, de un lenguaje de manipulación de datos y de unde un lenguaje de manipulación de datos y de un lenguaje de consultalenguaje de consulta
  5. 5. COMPONENTESCOMPONENTES  Entre los SGBD mas conocidosEntre los SGBD mas conocidos están:están:  LibresLibres  MySQLMySQL  PostgreSQLPostgreSQL  FirebirdFirebird  Apache DerbyApache Derby  GratuitosGratuitos  Microsoft SQL Server Compact EditionMicrosoft SQL Server Compact Edition  Sybase Express Edition para LinuxSybase Express Edition para Linux
  6. 6. COMPONENTESCOMPONENTES  ComercialesComerciales  IBM DB2IBM DB2  IBM InformixIBM Informix  Microsoft AccessMicrosoft Access  Microsoft SQL ServerMicrosoft SQL Server  OracleOracle  Sybase IQSybase IQ
  7. 7. VENTAJAS DE LAS BD´sVENTAJAS DE LAS BD´s  Independencia de datos y tratamientoIndependencia de datos y tratamiento  Coherencia de resultadosCoherencia de resultados  Mayor disponibilidad de datosMayor disponibilidad de datos  Cumplimiento de normasCumplimiento de normas  Facilidad de manejoFacilidad de manejo  Seguridad de la informaciónSeguridad de la información  No hay duplicidad de datosNo hay duplicidad de datos  Integridad referencialIntegridad referencial
  8. 8. DESVENTAJAS DE LAS BD´sDESVENTAJAS DE LAS BD´s  Los costos de actualización de hardware yLos costos de actualización de hardware y software pueden ser elevados.software pueden ser elevados.  El costo o remuneración para unEl costo o remuneración para un administrador de base de datos puede seradministrador de base de datos puede ser muy grande.muy grande.  Los registros muy grandes pueden serLos registros muy grandes pueden ser difíciles de leer en pantalla.difíciles de leer en pantalla.
  9. 9. JERARQUIA DE DATOSJERARQUIA DE DATOS  CarácterCarácter  Unidad de construcción básica de informaciónUnidad de construcción básica de información representada por un byterepresentada por un byte  CampoCampo  Grupo de caracteresGrupo de caracteres  RegistroRegistro  Conjunto de campos relacionadosConjunto de campos relacionados  ArchivoArchivo  Grupo de registros relacionadosGrupo de registros relacionados
  10. 10. JERARQUIA DE DATOSJERARQUIA DE DATOS  Base de DatosBase de Datos  Conjunto de archivos integrado yConjunto de archivos integrado y relacionados.relacionados.  EntidadEntidad  Tipos generalizados de personas, lugares oTipos generalizados de personas, lugares o cosas (objetos), para los cuales se recopilan,cosas (objetos), para los cuales se recopilan, almacenan y mantienen datos.almacenan y mantienen datos.  AtributoAtributo  Los atributos, tanto de entidades como deLos atributos, tanto de entidades como de relaciones, toman sus valores posibles de unrelaciones, toman sus valores posibles de un conjunto llamado dominio. El dominio es,conjunto llamado dominio. El dominio es, entonces, el conjunto de valores posibles queentonces, el conjunto de valores posibles que puede tomar un atributo dado de un conjuntopuede tomar un atributo dado de un conjunto de entidades.de entidades.
  11. 11. JERARQUIA DE DATOSJERARQUIA DE DATOS  ALMACENAMIENTO DE DATOALMACENAMIENTO DE DATO  Valor especifico de un atributo.Valor especifico de un atributo.  CLAVECLAVE  Campo o grupo de campos en un registro queCampo o grupo de campos en un registro que se usa para identificar a este ultimo.se usa para identificar a este ultimo.  CLAVE PRIMARIACLAVE PRIMARIA  Campo o grupo de campos que identificaCampo o grupo de campos que identifica exclusivamente el registro.exclusivamente el registro.
  12. 12. MODELO RELACIONALMODELO RELACIONAL  Éste es el modelo más utilizado en la actualidadÉste es el modelo más utilizado en la actualidad para modelar problemas reales y administrarpara modelar problemas reales y administrar datos dinámicamente. Tras ser postulados susdatos dinámicamente. Tras ser postulados sus fundamentos en 1970 por Edgar Frank Codd, defundamentos en 1970 por Edgar Frank Codd, de los laboratorios IBM en San José (California), nolos laboratorios IBM en San José (California), no tardó en consolidarse como un nuevo paradigmatardó en consolidarse como un nuevo paradigma en los modelos de base de datos. Su ideaen los modelos de base de datos. Su idea fundamental es el uso de "relaciones". Estasfundamental es el uso de "relaciones". Estas relaciones podrían considerarse en forma lógicarelaciones podrían considerarse en forma lógica como conjuntos de datos llamados "tuplas".como conjuntos de datos llamados "tuplas".  Esto es pensando en cada relación como siEsto es pensando en cada relación como si fuese una tabla que está compuesta porfuese una tabla que está compuesta por registrosregistros (las filas de una tabla), que representarían las(las filas de una tabla), que representarían las tuplas, ytuplas, y camposcampos (las columnas de una tabla).(las columnas de una tabla).
  13. 13. MODELO RELACIONALMODELO RELACIONAL  El lenguaje más habitual para construir lasEl lenguaje más habitual para construir las consultas a bases de datos relacionales es SQL,consultas a bases de datos relacionales es SQL, Structured Query Language o LenguajeStructured Query Language o Lenguaje Estructurado de Consultas, un estándarEstructurado de Consultas, un estándar implementado por los principales motores oimplementado por los principales motores o sistemas de gestión de bases de datossistemas de gestión de bases de datos relacionales. Durante la elaboración de una baserelacionales. Durante la elaboración de una base de datos relacional pasa por un proceso dede datos relacional pasa por un proceso de normalizaciónnormalización
  14. 14. MODELO RELACIONALMODELO RELACIONAL  Ente las ventajas del modelo relacional están:Ente las ventajas del modelo relacional están:  Garantizar herramientas para evitar laGarantizar herramientas para evitar la duplicidad de registros, a través de camposduplicidad de registros, a través de campos claves o llaves.claves o llaves.  Garantiza la integridad referencial: Así alGarantiza la integridad referencial: Así al eliminar un registro elimina todos loseliminar un registro elimina todos los registros relacionados dependientes.registros relacionados dependientes.  Favorece la normalización por ser másFavorece la normalización por ser más comprensible y aplicable.comprensible y aplicable.
  15. 15. MODELO RELACIONALMODELO RELACIONAL  El proceso deEl proceso de normalización de bases denormalización de bases de datosdatos consiste en aplicar una serie de reglas aconsiste en aplicar una serie de reglas a las relaciones obtenidas tras el paso del modelolas relaciones obtenidas tras el paso del modelo entidad-relación al modelo relacional. Las basesentidad-relación al modelo relacional. Las bases de datos relacionales se normalizan para:de datos relacionales se normalizan para:  Evitar la redundancia de los datos.Evitar la redundancia de los datos.  Evitar problemas de actualización de los datosEvitar problemas de actualización de los datos en las tablas.en las tablas.  Proteger la integridad de los datos.Proteger la integridad de los datos.
  16. 16. MODELO RELACIONALMODELO RELACIONAL  Las relaciones que describe Codd al definir suLas relaciones que describe Codd al definir su modelo relacional, son transformadas en tablasmodelo relacional, son transformadas en tablas al momento de trabajar con una base de datos.al momento de trabajar con una base de datos. Las Formas Normales buscan optimizar estasLas Formas Normales buscan optimizar estas estructuras eliminando básicamente laestructuras eliminando básicamente la redundancia utilizando como medio principal lasredundancia utilizando como medio principal las dependencias funcionales. Las Formas Normalesdependencias funcionales. Las Formas Normales son un pequeño numero de reglas que deson un pequeño numero de reglas que de cumplirse hacen que las estructuras posean lacumplirse hacen que las estructuras posean la menor cantidad de redundancia posible.menor cantidad de redundancia posible.  Primera Forma Normal (1NF): No hayPrimera Forma Normal (1NF): No hay campos múltiples (todo los campos soncampos múltiples (todo los campos son atómicos). Todas las filas deben tener elatómicos). Todas las filas deben tener el mismo numero de columnas.mismo numero de columnas.
  17. 17. MODELO RELACIONALMODELO RELACIONAL  Segunda Forma Normal (2NF): Todo campoSegunda Forma Normal (2NF): Todo campo que no sea clave debe depender por completoque no sea clave debe depender por completo de toda la clave.de toda la clave.  Tercera Forma Normal (3NF): No hayTercera Forma Normal (3NF): No hay dependencias transitivas. Un campo debedependencias transitivas. Un campo debe depender de la clave y no de otro campo.depender de la clave y no de otro campo.  Forma Normal de Boyce-Codd (BCNF): TodosForma Normal de Boyce-Codd (BCNF): Todos los determinantes de la tabla son clavelos determinantes de la tabla son clave candidata.candidata.  Cuarta Forma Normal (4NF): Una fila no debeCuarta Forma Normal (4NF): Una fila no debe contener dos o más campos multi-valoradoscontener dos o más campos multi-valorados (aquellos que pueden contener más de un(aquellos que pueden contener más de un valor simultáneamente) sobre una entidad.valor simultáneamente) sobre una entidad.
  18. 18. MODELO RELACIONALMODELO RELACIONAL  Quinta Forma Normal (5NF): Una tabla puedeQuinta Forma Normal (5NF): Una tabla puede almacenar atributos dependientes a la clavealmacenar atributos dependientes a la clave sólosólo por unión.por unión.
  19. 19. ORIENTADAS A OBJETOSORIENTADAS A OBJETOS  En una base de datos orientada a objetos, laEn una base de datos orientada a objetos, la información se representa mediante objetosinformación se representa mediante objetos como los presentes en la programación orientadacomo los presentes en la programación orientada a objetos. Cuando se integra las característicasa objetos. Cuando se integra las características de una base de datos con las de un lenguaje dede una base de datos con las de un lenguaje de programación orientado a objetos, el resultado esprogramación orientado a objetos, el resultado es un sistema gestor de base de datos orientada aun sistema gestor de base de datos orientada a objetos (ODBMS,objetos (ODBMS, Object Database ManagementObject Database Management SystemSystem). Un ODBMS hace que los objetos de la). Un ODBMS hace que los objetos de la base de datos aparezcan como objetos de unbase de datos aparezcan como objetos de un lenguaje de programación en uno o máslenguaje de programación en uno o más lenguajes de programación a los que dé soporte.lenguajes de programación a los que dé soporte.
  20. 20. ORIENTADAS A OBJETOSORIENTADAS A OBJETOS  Un ODBMS extiende los lenguajes con datosUn ODBMS extiende los lenguajes con datos persistentes de forma transparente, control depersistentes de forma transparente, control de concurrencia, recuperación de datos, consultasconcurrencia, recuperación de datos, consultas asociativas y otras capacidades.asociativas y otras capacidades.  Las bases de datos orientadas a objetos seLas bases de datos orientadas a objetos se diseñan para trabajar bien en conjunción condiseñan para trabajar bien en conjunción con lenguajes de programación orientados a objetoslenguajes de programación orientados a objetos como Java, C#, Visual Basic.NET y C++. Loscomo Java, C#, Visual Basic.NET y C++. Los ODBMS usan exactamente el mismo modelo queODBMS usan exactamente el mismo modelo que estos lenguajes de programación.estos lenguajes de programación.
  21. 21. ORIENTADAS A OBJETOSORIENTADAS A OBJETOS  HerenciaHerencia  Las clases en un sistema orientado a objetosLas clases en un sistema orientado a objetos se representan en forma jerárquica, así quese representan en forma jerárquica, así que las propiedades o características del elementolas propiedades o características del elemento persona las contendrán (heredaran) lospersona las contendrán (heredaran) los elementos alumno y maestro. Se puede decirelementos alumno y maestro. Se puede decir que tanto la entidad Alumno y maestro sonque tanto la entidad Alumno y maestro son subclases de la clase personasubclases de la clase persona
  22. 22. ORIENTADAS A OBJETOSORIENTADAS A OBJETOS  En base de datos orientados a objetos puedenEn base de datos orientados a objetos pueden existir los siguientes cambios:existir los siguientes cambios:  Adición de una nueva clase: Para realizar esteAdición de una nueva clase: Para realizar este proceso, la nueva clase debe colocarse en laproceso, la nueva clase debe colocarse en la jerarquía de clase o subclase cuidando lasjerarquía de clase o subclase cuidando las variables o métodos de herenciavariables o métodos de herencia correspondientes.correspondientes.  Eliminación de una clase: Se requiere laEliminación de una clase: Se requiere la realización de varias operaciones, se debe derealización de varias operaciones, se debe de cuidar los elementos que se han heredado decuidar los elementos que se han heredado de esa clase a otras y reestructurar la jerarquía.esa clase a otras y reestructurar la jerarquía.
  23. 23. MULTIDIMENCIONALESMULTIDIMENCIONALES  Las bases de datos multidimensionales seLas bases de datos multidimensionales se utilizan principalmente para crearutilizan principalmente para crear aplicaciones OLAP y se puede decir que sonaplicaciones OLAP y se puede decir que son bases de datos de una sola tabla, subases de datos de una sola tabla, su peculiaridad es que por cada dimensiónpeculiaridad es que por cada dimensión tienen un campo y otro campo por cadatienen un campo y otro campo por cada métrica o hecho es decir tienen n-tuplas demétrica o hecho es decir tienen n-tuplas de campos.campos.
  24. 24. MULTIDIMENCIONALESMULTIDIMENCIONALES  EJEMPLO:EJEMPLO:  Dimensión (Tiempo,Productos)Dimensión (Tiempo,Productos)  Jerarquía (Año->Semestre->Mes->Semana),(Categoría->Línea-Jerarquía (Año->Semestre->Mes->Semana),(Categoría->Línea- >Marca)>Marca)  Elementos(2006,2007 Ó Máquinas caras, Máquinas Baratas)Elementos(2006,2007 Ó Máquinas caras, Máquinas Baratas)  HechoHecho FactFact (Ventas, Inventario, Defectos, Devoluciones)(Ventas, Inventario, Defectos, Devoluciones)  Métrica (PD:=Devoluciones/Ventas, Ventas, Cantidad deMétrica (PD:=Devoluciones/Ventas, Ventas, Cantidad de Defectos)Defectos) tabla tiempo productos ventas inventario defectos devoluciones devolucion es ventas 2006 todos 1000 200 10 1--100 5%
  25. 25. MULTIDIMENCIONALESMULTIDIMENCIONALES  Las estructuras multidimensionales permiten queLas estructuras multidimensionales permiten que el usuario analice los datos de acuerdo a comoel usuario analice los datos de acuerdo a como quiera mirar el negocio, resumido por línea dequiera mirar el negocio, resumido por línea de producto, u otras perspectivas claves para suproducto, u otras perspectivas claves para su negocio. El server de Data Mining debe estarnegocio. El server de Data Mining debe estar integrado con el data warehouse y el serverintegrado con el data warehouse y el server OLAP para insertar el análisis de negociosOLAP para insertar el análisis de negocios directamente en esta infraestructura.directamente en esta infraestructura.
  26. 26. DATA WAREHOUSINGDATA WAREHOUSING  En el contexto de la informática, unEn el contexto de la informática, un almacén dealmacén de datosdatos ((data warehousedata warehouse) es una colección de) es una colección de datos orientados a un dominio, integrado ydatos orientados a un dominio, integrado y variable que ayuda a la toma de decisiones de lavariable que ayuda a la toma de decisiones de la empresa u organización.empresa u organización.  Se trata, sobre todo, de un expediente de unaSe trata, sobre todo, de un expediente de una empresa más allá de la información transaccionalempresa más allá de la información transaccional y operacional, almacenado en una base de datosy operacional, almacenado en una base de datos diseñada para favorecer el análisis y ladiseñada para favorecer el análisis y la divulgación eficientes de datos (especialmentedivulgación eficientes de datos (especialmente OLAP, procesamiento analítico en línea).OLAP, procesamiento analítico en línea).
  27. 27. DATA WAREHOUSINGDATA WAREHOUSING  Data warehousing es el centro de la arquitecturaData warehousing es el centro de la arquitectura para los sistemas de información en la década depara los sistemas de información en la década de los '90. Soporta el procesamiento informático allos '90. Soporta el procesamiento informático al proveer, una plataforma sólida, a partir de losproveer, una plataforma sólida, a partir de los datos históricos para hacer el análisis. Facilita ladatos históricos para hacer el análisis. Facilita la integración de sistemas de aplicación nointegración de sistemas de aplicación no integrados. Organiza y almacena los datos queintegrados. Organiza y almacena los datos que se necesitan para el procesamiento analítico,se necesitan para el procesamiento analítico, informático sobre una amplia perspectiva deinformático sobre una amplia perspectiva de tiempo.tiempo.
  28. 28. DATA WAREHOUSINGDATA WAREHOUSING Base de Datos Operacional Data Warehouse Datos Operacionales Datos del negocio para Información Orientado a la aplicación Orientado al sujeto Actual Actual + histórico Detallada Detallada + más resumida Cambia continuamente Estable
  29. 29. DATA WAREHOUSINGDATA WAREHOUSING Sistemas EstratégicosSistemas Estratégicos, orientados a soportar la toma de, orientados a soportar la toma de decisiones.decisiones. Sistemas TácticosSistemas Tácticos, diseñados para soportar las actividades de, diseñados para soportar las actividades de coordinación y manejo de documentación y definidos para facilitarcoordinación y manejo de documentación y definidos para facilitar consultas sobre información almacenada en el sistema y asiconsultas sobre información almacenada en el sistema y asi proporcionar informes.proporcionar informes. Sistemas Técnico-Operativos,Sistemas Técnico-Operativos, que cubren el núcleo deque cubren el núcleo de operaciones tradicionales de captura masiva de datos y serviciosoperaciones tradicionales de captura masiva de datos y servicios básicos de tratamiento de datosbásicos de tratamiento de datos
  30. 30. DATA WAREHOUSINGDATA WAREHOUSING  Sistemas InterinstitucionalesSistemas Interinstitucionales, este último nivel, este último nivel de sistemas de información recién estáde sistemas de información recién está surgiendo, es consecuencia del desarrollosurgiendo, es consecuencia del desarrollo organizacional orientado a un mercado deorganizacional orientado a un mercado de carácter global, el cual obliga a pensar ecarácter global, el cual obliga a pensar e implementar estructuras de comunicación másimplementar estructuras de comunicación más estrechas entre la organización y el mercadoestrechas entre la organización y el mercado
  31. 31. DATA WAREHOUSEDATA WAREHOUSE  En un almacén de datos lo que se quiere esEn un almacén de datos lo que se quiere es contener datos que son necesarios o útiles paracontener datos que son necesarios o útiles para las empresas.las empresas.  Un almacén de datos debe entregar laUn almacén de datos debe entregar la información correcta a la gente indicada en elinformación correcta a la gente indicada en el momento adecuado en el formato correcto. Elmomento adecuado en el formato correcto. El almacén de datos da respuesta a lasalmacén de datos da respuesta a las necesidades de usuarios conocedores, utilizandonecesidades de usuarios conocedores, utilizando Sistemas de Soporte de Decisiones (DSS)Sistemas de Soporte de Decisiones (DSS)  El ambiente de un Data Warehouse quedaEl ambiente de un Data Warehouse queda definido por la suma de los diferentes DataMartsdefinido por la suma de los diferentes DataMarts integrados, no sólo a nivel físico sino también aintegrados, no sólo a nivel físico sino también a nivel lógico.nivel lógico.
  32. 32. DATA WAREHOUSEDATA WAREHOUSE  CARACTERISTICAS:CARACTERISTICAS:  Orientado al temaOrientado al tema  IntegradoIntegrado  De tiempo varianteDe tiempo variante  No volátilNo volátil
  33. 33. DATA WAREHOUSEDATA WAREHOUSE
  34. 34. DATA MININGDATA MINING  Bajo el nombre deBajo el nombre de minería de datosminería de datos sese engloban un conjunto de técnicas encaminadas aengloban un conjunto de técnicas encaminadas a la extracción de "conocimiento" procesablela extracción de "conocimiento" procesable implícito en las bases de datos. Las bases de laimplícito en las bases de datos. Las bases de la minería de datos se encuentran en la inteligenciaminería de datos se encuentran en la inteligencia artificial y en el análisis estadístico. Mediante losartificial y en el análisis estadístico. Mediante los modelos extraídos utilizando técnicas de mineríamodelos extraídos utilizando técnicas de minería de datos se aborda la solución a problemas dede datos se aborda la solución a problemas de predicción, clasificación y segmentaciónpredicción, clasificación y segmentación
  35. 35. DATA MININGDATA MINING  Un proceso típico de minería de datos parte de laUn proceso típico de minería de datos parte de la selección del conjunto de datos, tanto en lo queselección del conjunto de datos, tanto en lo que se refiere a las variables dependientes, como ase refiere a las variables dependientes, como a las variables objetivo, como posiblemente allas variables objetivo, como posiblemente al muestreo de los registros disponibles.muestreo de los registros disponibles.  El ejemplo clásico de la minería de datos tieneEl ejemplo clásico de la minería de datos tiene que ver con la detección deque ver con la detección de hábitos de comprahábitos de compra en supermercadosen supermercados. Un estudio muy citado. Un estudio muy citado detectó que los viernes había una cantidaddetectó que los viernes había una cantidad inusualmente elevada de clientes que adquirían ainusualmente elevada de clientes que adquirían a la vez pañales y cerveza.la vez pañales y cerveza.
  36. 36. DATA MININGDATA MINING  Se detectó que se debía a que dicho díaSe detectó que se debía a que dicho día solían acudir al supermercado padressolían acudir al supermercado padres jóvenes cuya perspectiva para el fin dejóvenes cuya perspectiva para el fin de semana consistía en quedarse en casasemana consistía en quedarse en casa cuidando de su hijo y viendo la televisióncuidando de su hijo y viendo la televisión con una cerveza en la mano. Elcon una cerveza en la mano. El supermercado pudo incrementar sussupermercado pudo incrementar sus ventas de cerveza colocándolas próximas aventas de cerveza colocándolas próximas a los pañales para fomentar las ventaslos pañales para fomentar las ventas compulsivascompulsivas..
  37. 37. DATA MININGDATA MINING  LA MINERIA DE DATOS SE BASA EN LALA MINERIA DE DATOS SE BASA EN LA ESTADISTICA Y TOMA LA SIGUIENTEESTADISTICA Y TOMA LA SIGUIENTE INFORMACION:INFORMACION:  Análisis de la VarianzaAnálisis de la Varianza: mediante el cual: mediante el cual se contrasta la existencia de diferenciasse contrasta la existencia de diferencias significativas entre las medidas de una osignificativas entre las medidas de una o más variables continuas en grupo demás variables continuas en grupo de población distintos.población distintos.  RegresiónRegresión: define la relación entre una o: define la relación entre una o más variables.más variables.
  38. 38. DATA MININGDATA MINING  Análisis clusterAnálisis cluster: permite la clasificación de: permite la clasificación de una población en un número determinadouna población en un número determinado de grupos, en base a semejanzas yde grupos, en base a semejanzas y desemejanzas de perfiles existentes.desemejanzas de perfiles existentes.  Análisis discriminanteAnálisis discriminante: permite la: permite la clasificación de individuos en grupos queclasificación de individuos en grupos que previamente se han establecido, permitepreviamente se han establecido, permite encontrar la regla de clasificación de losencontrar la regla de clasificación de los elementos de estos grupos, y por tanto unaelementos de estos grupos, y por tanto una mejor identificación.mejor identificación.
  39. 39. DATA MININGDATA MINING  TENDENCIASTENDENCIAS  La Minería de Datos ha sufridoLa Minería de Datos ha sufrido transformaciones en los últimos años detransformaciones en los últimos años de acuerdo con cambios tecnológicos, deacuerdo con cambios tecnológicos, de estrategias de marketing, la extensión de losestrategias de marketing, la extensión de los modelos de compra en línea, etc. Los másmodelos de compra en línea, etc. Los más importantes de ellos son:importantes de ellos son:  La importancia que han cobrado losLa importancia que han cobrado los datosdatos no estructuradosno estructurados (texto, páginas de(texto, páginas de Internet, etc.)Internet, etc.)  LaLa necesidad de integrarnecesidad de integrar los algoritmos ylos algoritmos y resultados obtenidos en sistemasresultados obtenidos en sistemas operacionales, portales de Internet, etc.operacionales, portales de Internet, etc.
  40. 40. BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE  Business Intelligence suele definirse como laBusiness Intelligence suele definirse como la transformación de los datos de la compañía entransformación de los datos de la compañía en conocimiento para obtener una ventajaconocimiento para obtener una ventaja competitiva.competitiva.  Business Intelligence puede ser el conjunto deBusiness Intelligence puede ser el conjunto de metodologías, aplicaciones y tecnologías quemetodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos depermiten reunir, depurar y transformar datos de los sistemas transaccionales e informaciónlos sistemas transaccionales e información desestructurada (interna y externa a ladesestructurada (interna y externa a la compañía) en información estructurada, para sucompañía) en información estructurada, para su explotación directa (análisis OLAP.) o para suexplotación directa (análisis OLAP.) o para su análisis y conversión en conocimiento soporte aanálisis y conversión en conocimiento soporte a la toma de decisiones sobre el negocio.la toma de decisiones sobre el negocio.
  41. 41. BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE  COMPONENTES DE BICOMPONENTES DE BI  Diseño conceptual de los sistemasDiseño conceptual de los sistemas. Para. Para resolver el diseño de un modelo BI, se debenresolver el diseño de un modelo BI, se deben contestar a tres preguntas básicas:contestar a tres preguntas básicas: cuál es lacuál es la información requerida para gestionar y tomarinformación requerida para gestionar y tomar decisiones; cuál debe ser el formato ydecisiones; cuál debe ser el formato y composición de los datos a utilizar; y decomposición de los datos a utilizar; y de dónde proceden esos datos y cuál es ladónde proceden esos datos y cuál es la disponibilidad y periodicidad requeridadisponibilidad y periodicidad requerida..
  42. 42. BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE  Herramientas de explotación de laHerramientas de explotación de la informacióninformación::  es el área donde más avances se han producido en loses el área donde más avances se han producido en los últimos años. Sin embargo, la proliferación deúltimos años. Sin embargo, la proliferación de solucionessoluciones y su aplicación coyuntural para solucionary su aplicación coyuntural para solucionar aspectos puntuales ha llevado, en ocasiones, a unaaspectos puntuales ha llevado, en ocasiones, a una situación de desánimo en la organización respecto asituación de desánimo en la organización respecto a los beneficios de una solución BI.los beneficios de una solución BI.  Query & reportingQuery & reporting::  herramientas para la elaboración de informes yherramientas para la elaboración de informes y listados, tanto en detalle sobre información agregada, alistados, tanto en detalle sobre información agregada, a partir de la información de los datawarehousespartir de la información de los datawarehouses
  43. 43. BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE  OLAPOLAP ((on-line analytical processingon-line analytical processing):):  herramientas que manejan interrogacionesherramientas que manejan interrogaciones complejas de bases de datos relacionales,complejas de bases de datos relacionales, proporcionando un acceso multidimensional aproporcionando un acceso multidimensional a los datos, capacidades intensivas de cálculo ylos datos, capacidades intensivas de cálculo y técnicas de indexación especializadas.técnicas de indexación especializadas. Permiten a los usuarios trocear sus datosPermiten a los usuarios trocear sus datos planteando queries sobre diferentes atributosplanteando queries sobre diferentes atributos o ejes.o ejes.
  44. 44. BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE  BENEFICIOS:BENEFICIOS:  Cualitativamente, los beneficios se derivan,Cualitativamente, los beneficios se derivan, obviamente, del incremento de la eficiencia enobviamente, del incremento de la eficiencia en el proceso de toma de decisiones: mayorel proceso de toma de decisiones: mayor información, de mejor calidad, más fiable,información, de mejor calidad, más fiable, compartida por toda la organización, menorescompartida por toda la organización, menores tiempos de respuesta en su obtención, mejoratiempos de respuesta en su obtención, mejora de la comunicación en la empresa y creaciónde la comunicación en la empresa y creación de un lenguaje homogéneo.de un lenguaje homogéneo.
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×