Loading…

Flash Player 9 (or above) is needed to view presentations.
We have detected that you do not have it on your computer. To install it, go here.

Like this presentation? Why not share!

Base De Datos Tecnologia De Negocios Electronicos

on

  • 5,360 views

Tecnologia de negocios electronicos

Tecnologia de negocios electronicos
Universidad Galileo

Herbert Patzan Carrillo

Statistics

Views

Total Views
5,360
Views on SlideShare
5,332
Embed Views
28

Actions

Likes
0
Downloads
123
Comments
0

3 Embeds 28

http://introduccionaldisenodebasesdedatosysuimplementacionennegocios.alianzasuperior.com 18
http://www.slideshare.net 9
http://webcache.googleusercontent.com 1

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Base De Datos Tecnologia De Negocios Electronicos Base De Datos Tecnologia De Negocios Electronicos Presentation Transcript

  • UNIVERSIDAD GALILEO HERBERT PATZAN CARRILLO TECNOLOGIA DE NEGOCIOS ELECTRONICOS BASES DE DATOS
  • CONCEPTO
    • Es un conjunto de información no redundante en datos estructurados y organizados independientemente de su utilización y su implementación, accesibles en tiempo real y compatibles con usuarios concurrentes con necesidad de información de diferente tipo y en diferente momento
  • CONCEPTO
    • En este sentido, una biblioteca puede considerarse una base de datos compuesta en su mayoría por documentos y textos impresos en papel e indexados para su consulta. En la actualidad, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos tienen formato electrónico, que ofrece un amplio rango de soluciones al problema de almacenar datos.
  • COMPONENTES
    • En informática existen los sistemas gestores de bases de datos (SGBD), que permiten almacenar y posteriormente acceder a los datos de forma rápida y estructurada.
    • son un tipo de software muy específico, dedicado a servir de interfaz entre la base de datos, el usuario y las aplicaciones que la utilizan. Se compone de un lenguaje de definición de datos, de un lenguaje de manipulación de datos y de un lenguaje de consulta
  • COMPONENTES
    • Entre los SGBD mas conocidos están:
      • Libres
        • MySQL
        • PostgreSQL
        • Firebird
        • Apache Derby
      • Gratuitos
        • Microsoft SQL Server Compact Edition
        • Sybase Express Edition para Linux
  • COMPONENTES
      • Comerciales
        • IBM DB2
        • IBM Informix
        • Microsoft Access
        • Microsoft SQL Server
        • Oracle
        • Sybase IQ
  • VENTAJAS DE LAS BD´s
    • Independencia de datos y tratamiento
    • Coherencia de resultados
    • Mayor disponibilidad de datos
    • Cumplimiento de normas
    • Facilidad de manejo
    • Seguridad de la información
    • No hay duplicidad de datos
    • Integridad referencial
  • DESVENTAJAS DE LAS BD´s
    • Los costos de actualización de hardware y software pueden ser elevados.
    • El costo o remuneración para un administrador de base de datos puede ser muy grande.
    • Los registros muy grandes pueden ser difíciles de leer en pantalla.
  • JERARQUIA DE DATOS
    • Carácter
      • Unidad de construcción básica de información representada por un byte
    • Campo
      • Grupo de caracteres
    • Registro
      • Conjunto de campos relacionados
    • Archivo
      • Grupo de registros relacionados
  • JERARQUIA DE DATOS
    • Base de Datos
      • Conjunto de archivos integrado y relacionados.
    • Entidad
      • Tipos generalizados de personas, lugares o cosas (objetos), para los cuales se recopilan, almacenan y mantienen datos.
    • Atributo
      • Los atributos, tanto de entidades como de relaciones, toman sus valores posibles de un conjunto llamado dominio. El dominio es, entonces, el conjunto de valores posibles que puede tomar un atributo dado de un conjunto de entidades.
  • JERARQUIA DE DATOS
    • ALMACENAMIENTO DE DATO
      • Valor especifico de un atributo.
    • CLAVE
      • Campo o grupo de campos en un registro que se usa para identificar a este ultimo.
    • CLAVE PRIMARIA
      • Campo o grupo de campos que identifica exclusivamente el registro.
  • MODELO RELACIONAL
    • Éste es el modelo más utilizado en la actualidad para modelar problemas reales y administrar datos dinámicamente. Tras ser postulados sus fundamentos en 1970 por Edgar Frank Codd, de los laboratorios IBM en San José (California), no tardó en consolidarse como un nuevo paradigma en los modelos de base de datos. Su idea fundamental es el uso de "relaciones". Estas relaciones podrían considerarse en forma lógica como conjuntos de datos llamados "tuplas".
    • Esto es pensando en cada relación como si fuese una tabla que está compuesta por registros (las filas de una tabla), que representarían las tuplas, y campos (las columnas de una tabla).
  • MODELO RELACIONAL
    • El lenguaje más habitual para construir las consultas a bases de datos relacionales es SQL, Structured Query Language o Lenguaje Estructurado de Consultas, un estándar implementado por los principales motores o sistemas de gestión de bases de datos relacionales. Durante la elaboración de una base de datos relacional pasa por un proceso de normalización
  • MODELO RELACIONAL
    • Ente las ventajas del modelo relacional están:
      • Garantizar herramientas para evitar la duplicidad de registros, a través de campos claves o llaves.
      • Garantiza la integridad referencial: Así al eliminar un registro elimina todos los registros relacionados dependientes.
      • Favorece la normalización por ser más comprensible y aplicable.
  • MODELO RELACIONAL
    • El proceso de normalización de bases de datos consiste en aplicar una serie de reglas a las relaciones obtenidas tras el paso del modelo entidad-relación al modelo relacional. Las bases de datos relacionales se normalizan para:
      • Evitar la redundancia de los datos.
      • Evitar problemas de actualización de los datos en las tablas.
      • Proteger la integridad de los datos.
  • MODELO RELACIONAL
    • Las relaciones que describe Codd al definir su modelo relacional, son transformadas en tablas al momento de trabajar con una base de datos. Las Formas Normales buscan optimizar estas estructuras eliminando básicamente la redundancia utilizando como medio principal las dependencias funcionales. Las Formas Normales son un pequeño numero de reglas que de cumplirse hacen que las estructuras posean la menor cantidad de redundancia posible.
      • Primera Forma Normal (1NF): No hay campos múltiples (todo los campos son atómicos). Todas las filas deben tener el mismo numero de columnas.
  • MODELO RELACIONAL
      • Segunda Forma Normal (2NF): Todo campo que no sea clave debe depender por completo de toda la clave.
      • Tercera Forma Normal (3NF): No hay dependencias transitivas. Un campo debe depender de la clave y no de otro campo.
      • Forma Normal de Boyce-Codd (BCNF): Todos los determinantes de la tabla son clave candidata.
      • Cuarta Forma Normal (4NF): Una fila no debe contener dos o más campos multi-valorados (aquellos que pueden contener más de un valor simultáneamente) sobre una entidad.
  • MODELO RELACIONAL
      • Quinta Forma Normal (5NF): Una tabla puede almacenar atributos dependientes a la clave sólo por unión.
  • ORIENTADAS A OBJETOS
    • En una base de datos orientada a objetos, la información se representa mediante objetos como los presentes en la programación orientada a objetos. Cuando se integra las características de una base de datos con las de un lenguaje de programación orientado a objetos, el resultado es un sistema gestor de base de datos orientada a objetos (ODBMS, Object Database Management System ). Un ODBMS hace que los objetos de la base de datos aparezcan como objetos de un lenguaje de programación en uno o más lenguajes de programación a los que dé soporte.
  • ORIENTADAS A OBJETOS
    • Un ODBMS extiende los lenguajes con datos persistentes de forma transparente, control de concurrencia, recuperación de datos, consultas asociativas y otras capacidades.
    • Las bases de datos orientadas a objetos se diseñan para trabajar bien en conjunción con lenguajes de programación orientados a objetos como Java, C#, Visual Basic.NET y C++. Los ODBMS usan exactamente el mismo modelo que estos lenguajes de programación.
  • ORIENTADAS A OBJETOS
    • Herencia
      • Las clases en un sistema orientado a objetos se representan en forma jerárquica, así que las propiedades o características del elemento persona las contendrán (heredaran) los elementos alumno y maestro. Se puede decir que tanto la entidad Alumno y maestro son subclases de la clase persona
  • ORIENTADAS A OBJETOS
    • En base de datos orientados a objetos pueden existir los siguientes cambios:
      • Adición de una nueva clase: Para realizar este proceso, la nueva clase debe colocarse en la jerarquía de clase o subclase cuidando las variables o métodos de herencia correspondientes.
      • Eliminación de una clase: Se requiere la realización de varias operaciones, se debe de cuidar los elementos que se han heredado de esa clase a otras y reestructurar la jerarquía.
  • MULTIDIMENCIONALES
    • Las bases de datos multidimensionales se utilizan principalmente para crear aplicaciones OLAP y se puede decir que son bases de datos de una sola tabla, su peculiaridad es que por cada dimensión tienen un campo y otro campo por cada métrica o hecho es decir tienen n-tuplas de campos.
  • MULTIDIMENCIONALES
    • EJEMPLO:
    • Dimensión (Tiempo,Productos)
    • Jerarquía (Año->Semestre->Mes->Semana),(Categoría->Línea->Marca)
    • Elementos(2006,2007 Ó Máquinas caras, Máquinas Baratas)
    • Hecho Fact (Ventas, Inventario, Defectos, Devoluciones)
    • Métrica (PD:=Devoluciones/Ventas, Ventas, Cantidad de Defectos)
    5% 1--100 10 200 1000 todos 2006 devoluciones ventas devoluciones defectos inventario ventas productos tiempo             tabla
  • MULTIDIMENCIONALES
    • Las estructuras multidimensionales permiten que el usuario analice los datos de acuerdo a como quiera mirar el negocio, resumido por línea de producto, u otras perspectivas claves para su negocio. El server de Data Mining debe estar integrado con el data warehouse y el server OLAP para insertar el análisis de negocios directamente en esta infraestructura.
  • DATA WAREHOUSING
    • En el contexto de la informática, un almacén de datos ( data warehouse ) es una colección de datos orientados a un dominio, integrado y variable que ayuda a la toma de decisiones de la empresa u organización.
    • Se trata, sobre todo, de un expediente de una empresa más allá de la información transaccional y operacional, almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficientes de datos (especialmente OLAP, procesamiento analítico en línea).
  • DATA WAREHOUSING
    • Data warehousing es el centro de la arquitectura para los sistemas de información en la década de los '90. Soporta el procesamiento informático al proveer, una plataforma sólida, a partir de los datos históricos para hacer el análisis. Facilita la integración de sistemas de aplicación no integrados. Organiza y almacena los datos que se necesitan para el procesamiento analítico, informático sobre una amplia perspectiva de tiempo.
  • DATA WAREHOUSING Estable Cambia continuamente Detallada + más resumida Detallada Actual + histórico Actual Orientado al sujeto Orientado a la aplicación Datos del negocio para Información Datos Operacionales Data Warehouse Base de Datos Operacional
  • DATA WAREHOUSING Sistemas Estratégicos , orientados a soportar la toma de decisiones. Sistemas Tácticos , diseñados para soportar las actividades de coordinación y manejo de documentación y definidos para facilitar consultas sobre información almacenada en el sistema y asi proporcionar informes. Sistemas Técnico-Operativos, que cubren el núcleo de operaciones tradicionales de captura masiva de datos y servicios básicos de tratamiento de datos
  • DATA WAREHOUSING
    • Sistemas Interinstitucionales , este último nivel de sistemas de información recién está surgiendo, es consecuencia del desarrollo organizacional orientado a un mercado de carácter global, el cual obliga a pensar e implementar estructuras de comunicación más estrechas entre la organización y el mercado
  • DATA WAREHOUSE
    • En un almacén de datos lo que se quiere es contener datos que son necesarios o útiles para las empresas.
    • Un almacén de datos debe entregar la información correcta a la gente indicada en el momento adecuado en el formato correcto. El almacén de datos da respuesta a las necesidades de usuarios conocedores, utilizando Sistemas de Soporte de Decisiones (DSS)
    • El ambiente de un Data Warehouse queda definido por la suma de los diferentes DataMarts integrados, no sólo a nivel físico sino también a nivel lógico.
  • DATA WAREHOUSE
    • CARACTERISTICAS:
      • Orientado al tema
      • Integrado
      • De tiempo variante
      • No volátil
  • DATA WAREHOUSE
  • DATA MINING
    • Bajo el nombre de minería de datos se engloban un conjunto de técnicas encaminadas a la extracción de "conocimiento" procesable implícito en las bases de datos. Las bases de la minería de datos se encuentran en la inteligencia artificial y en el análisis estadístico. Mediante los modelos extraídos utilizando técnicas de minería de datos se aborda la solución a problemas de predicción, clasificación y segmentación
  • DATA MINING
    • Un proceso típico de minería de datos parte de la selección del conjunto de datos, tanto en lo que se refiere a las variables dependientes, como a las variables objetivo, como posiblemente al muestreo de los registros disponibles.
    • El ejemplo clásico de la minería de datos tiene que ver con la detección de hábitos de compra en supermercados . Un estudio muy citado detectó que los viernes había una cantidad inusualmente elevada de clientes que adquirían a la vez pañales y cerveza.
  • DATA MINING
    • Se detectó que se debía a que dicho día solían acudir al supermercado padres jóvenes cuya perspectiva para el fin de semana consistía en quedarse en casa cuidando de su hijo y viendo la televisión con una cerveza en la mano. El supermercado pudo incrementar sus ventas de cerveza colocándolas próximas a los pañales para fomentar las ventas compulsivas .
  • DATA MINING
    • LA MINERIA DE DATOS SE BASA EN LA ESTADISTICA Y TOMA LA SIGUIENTE INFORMACION:
      • Análisis de la Varianza : mediante el cual se contrasta la existencia de diferencias significativas entre las medidas de una o más variables continuas en grupo de población distintos.
      • Regresión : define la relación entre una o más variables.
  • DATA MINING
        • Análisis cluster : permite la clasificación de una población en un número determinado de grupos, en base a semejanzas y desemejanzas de perfiles existentes.
        • Análisis discriminante : permite la clasificación de individuos en grupos que previamente se han establecido, permite encontrar la regla de clasificación de los elementos de estos grupos, y por tanto una mejor identificación.
  • DATA MINING
    • TENDENCIAS
      • La Minería de Datos ha sufrido transformaciones en los últimos años de acuerdo con cambios tecnológicos, de estrategias de marketing, la extensión de los modelos de compra en línea, etc. Los más importantes de ellos son:
        • La importancia que han cobrado los datos no estructurados (texto, páginas de Internet, etc.)
        • La necesidad de integrar los algoritmos y resultados obtenidos en sistemas operacionales, portales de Internet, etc.
  • BUSINESS INTELLIGENCE
    • Business Intelligence suele definirse como la transformación de los datos de la compañía en conocimiento para obtener una ventaja competitiva.
    • Business Intelligence puede ser el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía) en información estructurada, para su explotación directa (análisis OLAP.) o para su análisis y conversión en conocimiento soporte a la toma de decisiones sobre el negocio.
  • BUSINESS INTELLIGENCE
    • COMPONENTES DE BI
      • Diseño conceptual de los sistemas . Para resolver el diseño de un modelo BI, se deben contestar a tres preguntas básicas: cuál es la información requerida para gestionar y tomar decisiones; cuál debe ser el formato y composición de los datos a utilizar; y de dónde proceden esos datos y cuál es la disponibilidad y periodicidad requerida .
  • BUSINESS INTELLIGENCE
    • Herramientas de explotación de la información :
      • es el área donde más avances se han producido en los últimos años. Sin embargo, la proliferación de soluciones y su aplicación coyuntural para solucionar aspectos puntuales ha llevado, en ocasiones, a una situación de desánimo en la organización respecto a los beneficios de una solución BI.
    • Query & reporting :
      • herramientas para la elaboración de informes y listados, tanto en detalle sobre información agregada, a partir de la información de los datawarehouses
  • BUSINESS INTELLIGENCE
    • OLAP ( on-line analytical processing ):
      • herramientas que manejan interrogaciones complejas de bases de datos relacionales, proporcionando un acceso multidimensional a los datos, capacidades intensivas de cálculo y técnicas de indexación especializadas. Permiten a los usuarios trocear sus datos planteando queries sobre diferentes atributos o ejes.
  • BUSINESS INTELLIGENCE
    • BENEFICIOS:
      • Cualitativamente, los beneficios se derivan, obviamente, del incremento de la eficiencia en el proceso de toma de decisiones: mayor información, de mejor calidad, más fiable, compartida por toda la organización, menores tiempos de respuesta en su obtención, mejora de la comunicación en la empresa y creación de un lenguaje homogéneo.
  •