Your SlideShare is downloading. ×
0
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
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

Almacenes, mineria y análisis de datos

490

Published on

OLAP …

OLAP
ALMACÉN DE DATOS
DATAWAREHOUSE
MINERÍA DE DATOS
ANÁLISIS DE DATOS

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

No Downloads
Views
Total Views
490
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
30
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. Almacenes, minería y análisis de datos Unidad 3. Tecnologías de la información Equipo 3 Calderón Juárez Edgar Jareth, Camacho Castro Carina, Fuentes Cruz Laura Josefina González Arredondo Rosa Giovanna Mancilla Ríos Omar
  • 2. ¿Qué es?  por temas, integrada, variable en el tiempo y no volátil Tecnología de gestión y análisis de los datos.  Puede definirse como: BD Transaccionales INSERT UPDATE DELETE Colección de datos clasificados READ READ Se utiliza como ayuda al proceso de toma de decisiones por parte de quienes dirigen una organización.
  • 3. Carácteristicas  Integrado Organizado por temas Temático Variable en el tiempo Mismos tipos de datos en todos los Depto. de la empresa Los datos no se eliminan Diferentes fuentes Metadatos No volátil Datos actualizados para fines de consulta
  • 4. Funciones  Integración Separación Separación de datos según su uso con propósitos de análisis y toma de decisiones Integración de datos recolectados de diferentes sistemas operacionales de la organización y o fuentes externas
  • 5. Ventajas Mejorías notables al trabajar dentro de un proyecto:  Alto retorno de inversión  Ventajas competitivas derivadas de su utilización  Mayor productividad de los responsables de la toma de decisiones
  • 6. Problemas Problemas de los almacenes de datos  Subestimación de los recursos necesarios para la carga de datos.  Privacidad de los datos.  Altos costes de mantenimiento.  Proyectos de larga duración.  Complejidad de la integración.
  • 7. Componentes BD *Estaciones de trabajo*Internet 1. Fuentes de Datos operacionales 2. Repositorio de datos operacionales (ODS) 3. Gestor de carga (ó componente de interfaz) 4. Gestor del almacén de datos: 5. Gestor de consultas (ó componente de servicio) 6. Datos detallados 7. Datos poco resumidos y muy resumidos 8. Datos de archivo / copia de seguridad 9. Metadatos 10. Herramientas de acceso para usuarios finales Datos actuales e integrados que se utilizan para el análisis. Operaciones asociadas con la extracción y carga de los datos en el almacén. Análisis de los datos para garantizar su coherencia, transformación y combinación de datos de origen, creación de índices y vistas. Dirigir consultas hacia tablas apropiadas y planificar su ejecución. Consulta y generación de informes Desarrollo de aplicaciones Procesamiento analítico en línea (OLAP) Minería de Datos
  • 8. Arquitectura almacen de datos
  • 9. Herramientas y tecnologías de 1. Herramientas de extracción, limpieza y transformación 2. Sistemas de Gestión de Bases de Datos para almacenes de datos 3. Metadatos de un almacén de datos 4. Herramientas de administración y gestión
  • 10. Almacenes de datos  Un subconjunto de un almacén de datos que soporta los requisitos de un departamento ó área de negocios concreto.  Las principales características que diferencian a los mercados de datos de los almacenes de datos son:  un mercado de datos se centra únicamente en los requisitos de los usuarios asociados con un departamento ó área de negocio concreto;  los mercados de datos no contienen normalmente datos operacionales detallados, a diferencia de lo que sucede con los almacenes de datos;  como los mercados de datos contienen menos información que un almacén de datos, son más fáciles de comprender y de utilizar.
  • 11. Almacenes de datos
  • 12. Almacenes de datos
  • 13. ¿Qué es? Minería de datos  La Minería de Datos es la extracción automática de información predictiva escondida desde bases de datos.  La Minería de Datos estudia métodos y algoritmos que permiten la extracción automática de información sintetizada que permite caracterizar las relaciones escondidas.
  • 14.  La Minería de Datos y las Bases de Datos comerciales están disponibles para resolver problemas de decisión de negocios.  La Minería de Datos es una tecnología que ayuda a enfocarse en la información más importante en los almacenes de datos.
  • 15. 1. Modelado predictivo 2. Segmentación de la Base de Datos 3. Análisis de enlaces 4. Detección de desviaciones
  • 16.  Comprensión del negocio: Se centra en comprender los requisitos y objetivos del proyecto desde la perspectiva del negocio.  Comprensión de los datos: Incluye la recopilación inicial de datos y se preocupa por establecer sus principales características.  Preparación de los datos: Actividades para construir el conjunto final de datos al que pueden aplicársele las herramientas de modelado.  Modelado: Propiamente Minería. Implica seleccionar las técnicas de modelado, los parámetros y evaluar el modelo.  Evaluación: Valida el modelo desde el punto de vista del análisis de datos.  Implantación: El conocimiento obtenido y reflejado en el modelo tiene que organizarse y presentarse de una manera comprensible por parte de los usuarios.
  • 17. BD Selección Datos Preprocesado Selección de características Extracción de conocimiento Conocimiento Evaluación Modelo clasificador
  • 18. 1. Preparación de los datos: 2. Selección de las operaciones (algoritmos) de minería de datos: 3. Escalabilidad y prestaciones del producto: 4. Funcionalidades para comprender los resultados, proporcionadas mediante medidas que describan la precisión y lo significativo de los datos
  • 19. ¿Qué es?  Análisis de datos
  • 20. Ejemplos  APLICACIÓN:VISUAL DATA MINING O MINERÍA DE DATOS VISUAL Oracle o Microsoft (con SQLServer) tienen herramientas para hacer minería de datos. También hay herramientas para la minería de datos en el ámbito del software libre.

×