Your SlideShare is downloading. ×
Sistemas de soporte
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Sistemas de soporte

396
views

Published on


0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
396
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
19
Comments
0
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. SISTEMAS DE SOPORTEING. MARCO REVELO A., MGS.
  • 2. IMPORTANCIA Y NECESIDAD DE UNA BDO Puede que ya tenga una base de datos, pero lo más probable es que sólo tiene datos de carácter personal y no a la información clave que necesita para recoger.
  • 3. O La importancia de crear una lista de calidad con los campos que le permite ordenar y enviar los mensajes en relevancia y oportuna a los clientes que le dará la bienvenida, no puede ser exagerada.
  • 4. O El secreto de la creación de estrategias de correo electrónico que se está trabajando en la identificación de los puntos más importantes (a menudo llamado “puntos de contacto”), que son las fechas, horarios, eventos cuando usted puede ponerse en contacto con los clientes con la información pertinente.
  • 5. O Mediante la identificación de los puntos de contacto a adelantado como parte del desarrollo de su estrategia de marketing, entonces usted puede estar seguro de que está capturando todos los datos que necesita para convertir a sus clientes en clientes incondicionales!
  • 6. REQUERIMIENTOS DE LAS BDDO El análisis de requerimientos para una base de datos incorpora las mismas tareas que el análisis de requerimientos del software. Es necesario un contacto estrecho con el cliente; es esencial la identificación de las funciones e interfaces; se requiere la especificación del flujo, estructura y asociatividad de la información y debe desarrollarse un documento formal de los requerimientos.
  • 7. O Requerimientos administrativos: se requiere mucho más para l desarrollo de sistemas de bases de datos que únicamente seleccionan un modelo lógico de base de datos. La bases de datos es una disciplina organizacional, un método, más que una herramienta o una tecnología. Requiere de un cambio conceptual y organizacional.
  • 8. ELEMENTOS CLAVE EN LA ORGANIZACIÓN DE UNA BDDO Sistema de administración de base de datos.O Administración de información.O Tecnología de administración de base de datosO Usuarios.O Planeación de información y tecnología de modelaje
  • 9. CARACTERISTICAS DE LAS BDDO Una base de datos contiene entidades de información que están relacionadas vía organización y asociación. La arquitectura lógica de una base de datos se define mediante un esquema que representa las definiciones de las relaciones entre las entidades de información
  • 10. O La arquitectura física de una base de datos depende de la configuración del hardware residente. Sin embargo, tanto el esquema (descripción lógica como la organización (descripción física) deben adecuarse para satisfacer los requerimientos funcionales y de comportamiento para el acceso al análisis y creación de informes.
  • 11. VENTAJAS DEL USO DE BDD O La utilización de bases de datos como plataforma para el desarrollo de Sistemas de Aplicación en las Organizaciones se ha incrementado notablemente en los últimos años, se debe a las ventajas que ofrece su utilización, algunas de las cuales se comentarán a continuación:
  • 12. O Globalización de la información: permite a los diferentes usuarios considerar la información como un recurso corporativo que carece de dueños específicos.O Eliminación de información inconsistente: si existen dos o más archivos con la misma información, los cambios que se hagan a éstos deberán hacerse a todas las copias del archivo de facturas.O Permite compartir información.
  • 13. O Permite mantener la integridad en la información: la integridad de la información es una de sus cualidades altamente deseable y tiene por objetivo que sólo se almacena la información correcta.O Independencia de datos: el concepto de independencia de datos es quizás el que más ha ayudado a la rápida proliferación del desarrollo de Sistemas de Bases de Datos. La independencia de datos implica un divorcio entre programas y datos.
  • 14. AMBIENTE MODERNO DE BDDO La tecnología de las bases de datos pueden eliminar facilmente muchos problemas creados por la organización tradicional de archivos. Una definición más rigurosa de bases de datos dice que es una colección de datos organizada para dar servicios eficientemente a muchas aplicaciones al centralizar los datos y minimizar aquellos que son redundantes.
  • 15. O En vez de separar los datos en archivos por separados para cada aplicación, los datos son almacenados físicamente para aparecer a los usuarios como almacenados en una sola ubicación: una sola base de datos sirve a muchas aplicaciones.
  • 16. O Por ejemplo, en vez de que una corporación almacene los datos de personal en sistemas de información separados y archivos separados para personal, nominas y prestaciones, la corporación podría crear una sola base de datos para Talentos Humanos.
  • 17. APLICACIONES OLAPO Qué es OLAP inteligente ?
  • 18. OLAP inteligenteProcesamiento Analítico en Linea (On-LineAnalytical Processing).Es una solución utilizada en el campo de lallamada Inteligenciaempresarial (o Business Intelligence) cuyoobjetivo es agilizar la consulta de grandescantidades de datos.
  • 19. OLAP inteligenteO OLAP Intelligence proporciona un análisis eficaz y guiado que permite a los empleados, clientes y proveedores comprender mejor los datos corporativos y tomar decisiones inteligentes que impacten el rendimiento empresarial.
  • 20. OLAP InteligenteO Para ello utiliza estructuras multidimensionales (o Cubos OLAP) que contienen datos resumidos de grandes Bases de datos o Sistemas Transaccionales (OLTP).O Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares.
  • 21. OLAP inteligenteLa razón de usar OLAP para las consultases la rapidez de respuesta. Una base dedatos relacional almacena entidades entablas discretas si han sido normalizadas.
  • 22. OLAP inteligenteO Esta estructura es buena en un sistema OLTP pero para las complejas consultas multitabla es relativamente lenta.O Un modelo mejor para búsquedas (aunque peor desde el punto de vista operativo) es una base de datos multidimensional.
  • 23. Funcionalidad OLAPO En la base de cualquier sistema OLAP se encuentra el concepto de cubo OLAP (también llamado cubo multidimensional o hipercubo).O Se compone de hechos numéricos llamados medidas que se clasifican por dimensiones.
  • 24. Funcionalidad OLAPO El cubo de metadatos es típicamente creado a partir de un esquema en estrella o copo de nieve, esquema de las tablas en una base de datos relacional.O Las medidas se obtienen de los registros de una tabla de hechos y las dimensiones se derivan de la dimensión de los cuadros.
  • 25. Tipos de Sistemas OLAPROLAPImplementación OLAP que almacena losdatos en un motor relacional.Típicamente, los datos son detallados,evitando las agregaciones y las tablas seencuentran desnormalizadasLos esquemas más comunes sobre los quese trabaja son estrella ó copo de nieve,
  • 26. Tipos de Sistemas OLAPROLAPO Aunque es posible trabajar sobre cualquier base de datos relacional.O La arquitectura está compuesta por un servidor de banco de datos relacional y el motor OLAP se encuentra en un servidor dedicado
  • 27. Tipos de Sistemas OLAPMOLAPO Esta implementación OLAP almacena los datos en una base de datos multidimensional.O Para optimizar los tiempos de respuesta, el resumen de la información es usualmente calculado por adelantado.
  • 28. Tipos de Sistemas OLAPMOLAPO Estos valores precalculados o agregaciones son la base de las ganancias de desempeño de este sistema.O Algunos sistemas utilizan técnicas de compresión de datos para disminuir el espacio de almacenamiento en disco debido a los valores precalculados.
  • 29. Tipos de Sistemas OLAPHOLAPAlmacena algunos datos en un motorrelacional y otros en una base de datosmultidimensional.
  • 30. Data WarehouseO Proporciona una visión global, común e integrada de los datos de la organización, independiente de cómo se vayan a utilizar posteriormente por los consumidores o usuarios, con las propiedades siguientes: estable, coherente, fiable y con información histórica.
  • 31. Data WarehousingO Al abarcar un ámbito global de la organización y con un amplio alcance histórico, el volumen de datos puede ser muy grande (centenas de terabytes).
  • 32. Data WarehousingO Las bases de datos relacionales son el soporte técnico más comúnmente usado para almacenar las estructuras de estos datos y sus grandes volúmenes.
  • 33. Data WarehousingO Normalmente en el almacén de datos habrá que guardar información histórica que cubra un amplio período de tiempo. Pero hay ocasiones en las que no se necesita la historia de los datos, sino sólo sus últimos valores, siendo además admisible generalmente un pequeño desfase o retraso sobre los datos operacionales. En estos casos el almacén se llama almacén operacional (ODS, Operational Data Store).
  • 34. Data MartO Un subconjunto de los datos del Data Warehouse con el objetivo de responder a un determinado análisis, función o necesidad y con una población de usuarios específica
  • 35. Data MartO Al igual que en un data warehouse, los datos están estructurados en modelos de estrella o copo de nieve y un data mart puede ser dependiente o independiente de un data warehouse. Por ejemplo, un posible usos sería para el data mining.
  • 36. Data MiningO La extracción de información oculta y predecible de grandes bases de datos, es una poderosa tecnología nueva con gran potencial para ayudar a las compañías a concentrarse en la información más importante de sus Bases de Información (Data werehose).
  • 37. Data MiningO Las herramientas de Data Mining predicen futuras tendencias y comportamientos, permitiendo en los negocios tomar decisiones proactivas y conducidas por un conocimiento acabado de la información (knowledge-driven).
  • 38. Fundamentos de Data MiningO Las técnicas de Data Mining son el resultado de un largo proceso de investigación y desarrollo de productos. Esta evolución comenzó cuando los datos de negocios fueron almacenados por primera vez en computadoras, y continuó con mejoras en el acceso a los datos, y más recientemente con tecnologías generadas para permitir a los usuarios navegar a través de los datos en tiempo real.
  • 39. Fundamentos Data MiningO Data Mining toma este proceso de evolución más allá del acceso y navegación retrospectiva de los datos, hacia la entrega de información prospectiva y proactiva. Data Mining está listo para su aplicación en la comunidad de negocios porque está soportado por tres tecnologías que ya están suficientemente maduras:
  • 40. Fundamentos Data MiningO Recolección masiva de datosO Potentes computadoras con multiprocesadoresO Algoritmos de Data Mining
  • 41. DATA WAREHOUSE VS. DATA MARTO La duplicación en otro entorno de datos es un término que suele ser mal interpretado e incomprendido. Así es usado por los fabricantes de SGBD en el sentido de simple réplica de los datos de un sistema operacional centralizado en sistemas distribuidos.
  • 42. DATA WAREHOUSE VS. DATA MARTO En un contexto de Data Warehouse, el término duplicación se refiere a la creación de Data Marts locales o departamentales basados en subconjuntos de la información contenida en el Data Warehouse central o maestro.
  • 43. DATA WAREHOUSE VS. DATA MARTO Según define Meta Group, "un Data Mart es una aplicación de Data Warehouse, construida rápidamente para soportar una línea de negocio simple". Los Data Marts, tienen las mismas características de integración, no volatilidad, orientación temática y no volatilidad que el Data Warehouse. Representan una estrategia de "divide y vencerás" para ámbitos muy genéricos de un Data Warehouse.
  • 44. DATA WAREHOUSE VS. DATA MARTO Según define Meta Group, "un Data Mart es una aplicación de Data Warehouse, construida rápidamente para soportar una línea de negocio simple".
  • 45. DATA WAREHOUSE VS. DATA MARTO Los Data Marts, tienen las mismas características de integración, no volatilidad, orientación temática y no volatilidad que el Data Warehouse. Representan una estrategia de "divide y vencerás" para ámbitos muy genéricos de un Data Warehouse.
  • 46. DATA WAREHOUSE VS. DATA MARTO Esta estrategia es particularmente apropiada cuando el Data Warehouse central crece muy rápidamente y los distintos departamentos requieren sólo una pequeña porción de los datos contenidos en él.
  • 47. DATA WAREHOUSE VS. DATA MARTO La creación de estos Data Marts requiere algo más que una simple réplica de los datos: se necesitarán tanto la segmentación como algunos métodos adicionales de consolidación.O La primera aproximación a una arquitectura descentralizada de Data Mart, podría ser venir originada de una situación como la descrita a continuación.
  • 48. DATA WAREHOUSE VS. DATA MART
  • 49. DATA WAREHOUSE VS. DATA MARTO El departamento de Marketing, emprende el primer proyecto de Data Warehouse como una solución departamental, creando el primer Data Mart de la empresa.
  • 50. DATA WAREHOUSE VS. DATA MARTO Visto el éxito del proyecto, otros departamentos, como el de Riesgos, o el Financiero se lanzan a crear sus Data Marts. Marketing, comienza a usar otros datos que también usan los Data Marts de Riesgos y Financiero, y estos hacen lo propio
  • 51. DATA WAREHOUSE VS. DATA MARTO Esto parece ser una decisión normal, puesto que las necesidades de información de todos los Data Marts crecen conforme el tiempo avanza. Cuando esta situación evoluciona, el esquema general de integración entre los Data Marts pasa a ser, la del gráfico de la derecha.
  • 52. DATA WAREHOUSE VS. DATA MARTO Esto parece ser una decisión normal, puesto que las necesidades de información de todos los Data Marts crecen conforme el tiempo avanza. Cuando esta situación evoluciona, el esquema general de integración entre los Data Marts pasa a ser, la del gráfico de la derecha.
  • 53. DATA WAREHOUSE VS. DATA MARTO En esta situación, es fácil observar cómo este esquema de integración de información de los Data Marts, pasa a convertirse en un rompecabezas en el que la gestión se ha complicado hasta convertir esta ansia de información en un auténtico quebradero de cabeza. No obstante, lo que ha fallado no es la integración de Data Marts, sino su forma de integración.
  • 54. DATA WAREHOUSE VS. DATA MART
  • 55. DATA WAREHOUSE VS. DATA MARTO En efecto, un enfoque más adecuado sería la coordinación de la gestión de información de todos los Data Marts en un Data Warehouse centralizado.O En esta situación los Data Marts obtendrían la información necesaria, ya previamente cargada y depurada en el Data Warehouse corporativo, simplificando el crecimiento de una base de conocimientos a nivel de toda la empresa.
  • 56. DATA WAREHOUSE VS. DATA MARTO Esta simplificación provendría de la centralización de las labores de gestión de los Data Marts, en el Data Warehouse corporativo, generando economías de escala en la gestión de los Data Marts implicados.
  • 57. DATA WAREHOUSE VS. DATA MARTO Según un estudio de IDC (International Data Corporation) tras analizar 541 empresas, la distribución de las implantaciones de Data Warehouse y Data Marts en la actualidad, y sus opiniones respecto a esta distribución en el futuro, nos muestra los siguientes datos:
  • 58. DATA WAREHOUSE VS. DATA MARTO En la gráfica, observamos, cómo en la actualidad, de las empresas consultadas, un 80% de ellas cuentan con implantaciones de Data Warehouse o Data Marts.
  • 59. DATA WAREHOUSE VS. DATA MART
  • 60. DATA WAREHOUSE VS. DATA MARTO La proporción actual de implantaciones de Data Warehouse es casi el doble que el de Data Mart.O No obstante, seguramente tras la andadura inicial de alguno de estos proyectos de Data Mart, se ve como más adecuado para el futuro este enfoque "divide y vencerás", previéndose una inversión de estos papeles y duplicando la implantación de Data Marts a los Data Warehouse.
  • 61. DATA WAREHOUSE VS. DATA MARTO Probablemente, el 5% de usuarios que disponen de tecnología de Data Warehouse y piensan renunciar a ella en el futuro, no han realizado previamente un estudio de factores implicados en un Data Warehouse, o han pasado por la situación inicial de partida, y no se han planteado una reorganización del mismo.O
  • 62. O ING. MARCO REVELO A., MGS.
  • 63. BASES DE DATOS ESTRATÉGICAS Y DATA WEREHOUSEO PROCESO DE NEGOCIOO SISTEMA TRANSACCIONALO SISTEMA ANALÍTICOO ALMACEN DE DATOSO DIMENSIÓNO MEDIDAO TABLA DE HECHOS
  • 64. PROCESO DE NEGOCIOO Es el conjunto de actividades, procedimientos relacionados de manera lógica que son usados para alcanzar un objetivo en un negocio específico.O Cada proceso de negocio tiene sus entradas, funciones y salidas. Las entradas son requisitos que deben tenerse antes de que una función pueda ser aplicada.
  • 65. PROCESO DE NEGOCIOO Cuando una función es aplicada a las entradas de un método, tendremos ciertas salidas resultantes.O Por ejemplo, el proceso a través del que una organización ofrece sus servicios a sus clientes, tal como puede ser el proceso de ventas de una empresa:
  • 66. PROCESO DE NEGOCIO
  • 67. SISTEMA TRANSACCIONALO Sistema transaccional es aquel en el que se ejecutan muchas operaciones, y este se encarga de gestionar la manera y el orden en que son procesadas.O Una transacción es un evento o proceso que genera o modifica la información que se encuentran eventualmente almacenados en un sistema de información.
  • 68. SISTEMA TRANSACCIONALO Contienen información para apoyar el servicio del día a día El diseño de la base de datos es normalizado.O Por ejemplo una tienda que necesita tener información de cuanto se ha vendido día a día.
  • 69. SISTEMA ANALÍTICOO Un sistema analítico es aquel que usa la información y datos históricos de la empresa, para apoyar en la toma de decisiones.O Es rápido para entregar consultas complejas
  • 70. SISTEMA ANALÍTICOO Utiliza estructuras multidimensionales llamado Cubos OLAP , los cuales contienen datos resumidos de Sistemas OLTP, pues los datos se encuentran calculados y agregados para ser consultados.
  • 71. SISTEMA ANALÍTICOO Contiene información histórica para analizar La información necesita estar integreada El diseño de la base de datos es desnormalizado
  • 72. SISTEMA ANALÍTICOO Por ejemplo una empresa que acumula informacion de como fueron sus ventas años pasados, para plantear alternativas que eleven las ventas en el futuro.
  • 73. ALMACEN DE DATOSO Es una colección de datos orientada a un determinado ámbito, integrado, no volátil y variable en el tiempo.O Ayuda a la toma de decisiones.O Va más allá de los datos transaccionales y operacionales
  • 74. ALMACEN DE DATOSO Favorece el análisis y la divulgación eficiente de datos.O Contiene gran cantidad de información que se divide en unidades lógicas más pequeñas que son llamadas DataMarts
  • 75. ALAMACEN DE DATOS
  • 76. DIMENSIÓNO Son aquellos parámetro que definen la organización lógica de los datos. Las dimensiones implementan la interfaz de usuario para la DWH.O Cada dimensión describe un aspecto de negocio.
  • 77. DIMENSIÓNO Provee un medio para analizar datos del negocio.O Permite filtrar y manipular los datos almacenados.O Tiene una PK única y columnas de referencia.
  • 78. MEDIDAO Son también llamados hechos y son los valores de datos que se analizan (son numéricos).O Los hechos son aquellos datos que residen en una tabla de hechos y que son utilizados para crear indicadores, a través de sumarizaciones prestablecidas al momento de crear un cubo multidimensional.
  • 79. MEDIDAO Las medidas representan los valores que son analizados, (en diferentes mer): –Cantidad de pacientes admitidos –Llamadas efectuadas. –ImporteTotal = precioProducto * cantidadVendida –Rentabilidad = utilidad / PN –CantidadVentas = cantidad –PromedioGeneral = AVG(notasFinales)
  • 80. TABLA DE HECHOSO Una tabla de hechos es la tabla principal en un modelo numérico tridimensional donde se almacenan las mediciones de rendimiento de la empresa.O La tabla de hechos contiene hechos y tiene una clave primaria compuesta por las claves primarias de las tablas de dimensiones relacionadas a este.

×