El documento describe los objetivos y conceptos clave de un datawarehouse (DW). Un DW es un repositorio único de información empresarial que integra datos de diferentes fuentes para apoyar la toma de decisiones, no las operaciones. Los datos en un DW están organizados, consolidados e integrados de manera que sean accesibles y útiles para los usuarios finales.

1. Datawarehouse (DW)

2. Objetivos:
• Conocer el DW como repositorio único de
información dentro de la empresa.
• Reconocer las diferencias respecto a las bases de
datos operacionales.
• Conocer los procesos de integración, validación
y consolidación de la información dentro de un
DW.
• Conocer las fases de construcción.
• Reconocer tipos de documentos de la
información contenida: catálogos y metadatos
• Conocer las soluciones departamentales:
datamarts

3. Datawarehouse
• Dentro del entorno empresarial actual, la
información es la clave para determinar cómo
obtener una ventaja competitiva. El problema,
sin embargo, es como manejar los enormes
volúmenes de datos en bruto que los sistemas
informáticos recopilan, procesan, derivan y
diseminan.
• Dentro de este cuadro, la tecnología ha ubicado
el concepto de datawarehousing como
alternativa para abordar el problema de la sobre
carga de información.

4. Colección de
información
corporativa, derivada
de las fuentes de datos
internas y algunas
externas, cuyo fin es
soportar la toma de
decisiones de la
empresa, no las
operaciones del
negocio
Un datawarehouse es un repositorio único de
información empresarial.

5. a. Ayudar a los gestores y responsables encargados de la toma
de decisiones a transformar los datos en bruto en
información.
b. Ayudar a los gestores a identificar tendencias claves.
c. Ayudar a las empresas a predecir detrminados sucesos y
actuar con anticipación con respecto a ellos.
d. Ayudar a comprender lo que sucedió, prmitiendo a la
empresa a reaccionar, redefiniendo los procesos y sacando
beneficios de la experiencia
Un prerrequisito fundamental para todo esto es que los datos
para soportar los análisis tienen que ser accesibles, tienen que
estar actualizados, y su acceso debe poder hacerse de forma
flexible y en un formato válido para los usuarios.

6. Datos e información
• Business Intelligence (BI) describe los procesos de aprovisionamiento,
gestión y análisis de kso datos operacionales sobre clientes, productos y
servicios de una empresa, con el fin de soportar y mejorar la toma de
decisiones estratégicas.
• Datos Información
Reservas Pedidos Inventario
Datos operacionales Datos Informacionales
• Integración limitada
• Orientados a la aplicación
• Actualización constante
• Sólo valores actuales
• Soporte de las operaciones
diarias
• Orientados a un área.
• Integración total.
• No volátiles.
• Valores a lo largo del tiempo.
• Soporte de las decisiones de
gestión.
Clientes geografía Tiempo

7. Ejemplo de datos operacionales
• Los analistas de negocios pueden usar
información sobre que productos fueron
vendidos en determinadas regiones en un
momento determinado del año, con el fin
de buscar anomalías o diseñar futuros
planes de venta. Sin embargo, existen
diversos problemas cuando los analistas
acceden directamente a los datos
operacionales.

8. 1
• Es probable que no tengan conocimiento ni experiencia para realizar
consultas en la base de datos operacionales
2
• El rendimiento es algo crítico para la mayoría de las bases de datos
operacionales, por ejemplo las bancarias. Esto implica que estos
sistemas no pueden soportar consultas libres por parte de los usuarios
3
• Los datos operacionales no están en el formato mas adecuado para ser
explotados por los analistas de negocios. Ejemplo: datos de ventas
agregados por producto, región, época, etc.
4
• Los analistas del negocio necesitan acceder a información histórica para
analizar tendencias y modelizar comportamientos.

9. Data warehouse
puede solucionar
los problemas
Como?
Ejemplo:
El data warehouse copia los datos de
venta del sistema operacional realiza
cálculos con el fin de sumarizarlos e
integrarlos de forma consistente. De
esta manera los analistas pueden
consultar la información en el formato
que ellos necesitan

10. Integración
• Los datos del DW
deben responder a
todas las necesidades
globales corporativas,
o sea hay información
que debe ser
compartida entre los
departamentos.
Profundidad
• En los sistemas
operacionales los
datos se renuevan en
cada transacción, sin
embargo en un
Datawarehouse, las
operaciones de
actualización sobre los
datos son mas bien
escasas. Desde el
punto de vista de
consulta, es
fundamental que los
valores que han
tomado los datos a la
largo del tiempo se
mantengan y el acceso
sea algo fácil.
Detalle
• La cantidad de datos
que pude llegar a
almacenar es muy
grande,
principalmente por su
carácter corporativo y
por la profundidad
histórica requerida.
En este sentido el
nivel de detalle de los
datos no será
necesariamente igual
a del sistema
operacional.
• Es importante el nivel
de agregación que
debe corresponder al
tipo de análisis que
realizará el usuario

11. Integración y consolidación de los datos
Reservas
Facturas
Inventario
DW Central
Integración
y carga de
datos
Base de datos
operacional
Integración, consolidación y
limpieza de datos:
• A partir de fuentes dispares
• Las fuentes pueden tener
características temporales
diferentes.
• Los datos de origen pueden
tener diferentes significados
e interpretaciones.
• La consolidación se efectúa
una vez para todos los
datos.
Información derivada:
• En la forma que necesitan
los usuarios finales.
• A partir de un único y
consistente origen.
• Enlazada a partir de
diferentes fuentes.
• La información derivada
puede hacerse persistente y
automatizarse.

12. ¿Qué es un Datawarehouse?
• Un DW s un conjunto de datos provenientes de los sistemas
operacionales y de fuentes de datos externas cuyo fin es el soporte
de las decisiones de negocio, no la operativa del mismo
Reservas
Facturas
Inventario
Pedidos
Catálogos
Clientes Fuentes de
datos
externa
Integración
y carga de
datos
Datawarehouse
Base da datos operacional
Las características de un DW son:
. Los datos están organizados de cara al
soporte de decisiones y para su explotación
mediante aplicaciones informacionales.
. Es un almacenamiento no volátil de datos de
negocio, transacciones y sucesos.
Está construido en base a un modelo de datos
histórico.
. Los datos están integrados, consolidados y
limpios.
. Es la única fuente de información para todas
las aplicaciones de soporte a la toma de
decisiones.

13. Un Data mart es una
base de datos separada
del datawarehouse en
a misma base de
datos. Desde un punto
de vista mas funcional,
el data mart es una
vista del
datawarehouse
orientada a un aspecto
concreto del negocio:
marketing, compras,
direccion general, etc.

14. • Construir inicialmente el nucleo del
datawarehouse para despues
utilizarlo como base para realizar
rapidamente muchos datamarts, la
construccion inicial dura mas, ya
que se debe analizar las
necesidades de los datos de toda la
empresa, identificando los
elementos de informacion que se
usaran de forma global.
• La ventaja de esta aproximacion
radica en que el esfuerzo inicial
facilitara la implementacion
paulatina de los datamarts.

15. • Construir un data mart especifico para un grupo
de trabajo. Esta aproximacion pone rapidamente
los datos en manos de los usuarios. Sin embargo,
el peligro puede surgir a la hora de intentar
replicar el esfuerzo para construir otro
datamarts y, sobre todo el datamarts
corporativo.
• Es importante resaltar que un conjunto de
datamarts no constituyen por si solos un
datawarehouse corporativo si no se realiza un
esfuerzo de consolidacion e integracion de la
informacion que comparten.

16. Un Data Mart es una
implementacion de un DW con
funciones y alcance mas restringido
que este, y que esta delicado a dar
servicio a un unico departamento o
parte de una organizacion.

17. Satisface las
necesidades de los
grupos de trabajo,
departamentos u
organizaiones
Pequeñas
Permite una
implementacion
rapida, siendo un
buen candidato
para un prototipo.
Normalmente se
conciben para
soportar analisis
de datos
multidimensional.

18. • El catalogo del DW contiene la definicion, caracteristicas,
formato y ambito de los datos que contiene el Data
Warehouse: los metadatos
• “Los metadatos son los datos sobre los datos”
Catalogo
de Datos
Integración
y carga de
Datos
Entorno de
aplicaciones
• Consultas
• Manipulacio
nes
• Análisis
• Visualización
DW

19. • Constituyen una parte integral del entorno del
usuario final.
• Permiten a los usuarios inspeccionar todos los
aspectos de DW.
• Simplifica el acceso a los usuarios al DW
• Los usuarios finales estan interesados en los
metadatos de negocio
• Los metadatos tecnicos son del interes del
administrador de DW, facilitando y
automatizando los procesos.

20. • La experiencia y la evolución de
las situaciones son el mejor
fundamento sobre el que basar
cualquier iniciativa de
implementación.
• Hay diferentes criterios que se
deberían contemplar en la
implementación de un DW, pero
básicamente se pueden agrupar en
tres categorías:
• Criterios de negocio
• Criterios de proceso
• Criterios tecnológicos

21. • Conjunto de criterios
tiene que ver con el
problema de negocio
que se debe abordar y
los beneficios esperados
de la solucion que se
implemente.

22. • Sera satisfactorio si no esta debidamente alineado
con la mision del negocio, su vision global y sus
objetivos. Por ello es importante conocer los puntos
estrategicos que se deben plantear:
• ¿Cuál es el problema que se quiere resolver?
• ¿Cuál de los objetivos departamentales o
corporativos están directamente relacionados con el
problema?
• ¿Cuáles son los factores críticos para el éxito de la
solución, es decir, que cosas tienen que ser
realizadas correctamente para resolver el problema?

23. • ¿Cuál es de los componentes de la
organización esta mejor
posicionado para resolver el
problema?
• ¿Qué usuarios dentro de la
organización usaran de forma mas
efectiva la nueva tecnología? ¿Por
qué la necesitan y que beneficios
obtendrán de ella?
• ¿Cómo puede emplearse esta
tecnología para resolver el
problema?

24. • Una vez que los beneficios tecnologicos han
sido alineados con los objetivos de negocio,
deberian ser cuantificados.

25. • Una de las cosas más evidentes es el aumento de la
productividad en los usuarios finales que acceden y analizan los
datos.
• El analista que debe interrumpir un análisis para obtener cierta
información, solicitándosela a alguien, .pierde eficacia en dos
sentidos.
• El primero está en el círculo descrito anteriormente, donde
habrá varias solicitudes y respuestas entre el analista y los
técnicos de informática antes de que el primero vea satisfechas
sus necesidades.
• El segundo reside en la interrupción del análisis, y las ineficacias
asociadas al proceso de recuperación y terminación del mismo.

26. • Hay un considerable número de decisiones
basadas en análisis que sólo podrían venir de
datos residentes en un datawarehouse. Esto
viene condicionado por la circunstancia de
que en los sistemas operacionales pudieran
no existir ciertas relacion es entre los datos y,
por lo tanto, no estarían disponibles para el
análisis.
• Construyendo las asociaciones y relaciones
requeridas en el datawarehouse se llega a una
situación la que el todo es más grande que la
suma de las partes, de forma que los análisis
serán más efectivos.

27. • Un Sistema de soporte a la decisión (DDS) comprende un DW así como el
entorno de aplicaciones para consultar, manipular, analizar y visualizar los
datos y la información

28. Un cierto número de los elementos de una estrategia de
datawarehouse tiene que ver con los procesos; mediante los
cuales la estrategia será implementada, y los procesos que son
soportados por la estrategia global.

29. • Muchos grandes proyectos de datawarehouse han
fracasado debido a la incapacidad de la organización
para manejar el tamaño y el alcance del proyecto.
• Una estrategia mas sencilla, basada en datamarts,
será menos arriesgada.
• Una aproximación basada en datamarts es, por
definición, más pequeña en cuanto a su alcance, más
centrada en sus objetivos, más rápida y menos
costosa.

30. • El riesgo radica en la construcción de islas de
datos.
• Sin embargo, si una organización determina que
un datawarehouse corporativo es la estrategia
apropiada, debería comenzar por desarrollar
una estrategia global.

31. • Decidir si la opción apropiada para una empresa
es un datawarehouse o un datamart es el punto
de partida idóneo.
• Contratar a una organización que pueda
proporcionar una solución completa es, por
supuesto, una implementación más rápida, un
cumplimiento de los objetivos de negocio más
ajustado, y una mayor certeza de que las cosas
finalmente funcionaran como se espera.

32. • ¿Cómo debería realizarse el diseño y la
construcción del datawarehouse?
• Top-down, en la cual se define una arquitectura
corporativa y después se construyen los
datamarts que la componen.
• Bottom-up, comenzando con proyectos
específicos de datamart en función de
necesidades críticas de negocio, e ir creciendo
hasta llegar a una estructura informacional
corporativa.

33. • Probablemente, a largo plazo, la aproximación top-down
dará los mejores resultados, pero implica involucrar
importantes recursos de la organización.
• Por el contrario, la aproximación bottom-up favorece el
uso de datamart más pequeños, en los cuales se pueden
evitar los inconvenientes del diseño top-down.
• Cada departamento es responsable del diseño de los
datos que necesita, la definición de sus propios
metadatos y el uso de su propio repositorio de
información.
• Esta aproximación funciona especialmente bien si la
organización tiene un problema de negocio con un único
foco y los datos para solucionarlo existen en unas pocas
ubicaciones.

35. La dimensión tecnológica jugará un papel principal en la estrategia
corporativa.
Diferentes estrategias requerirán diferentes características
tecnológicas y capacidades. En este sentido de la flexibilidad y la
rapidez de la implementación, hay otros puntos que se deben
considerar.

36. • Se refiere a la habilidad de
un sistema para aumentar su
capacidad a medida que los
usuarios demandan más
información, el volumen de
datos almacenados crece,
más usuarios explotan el
sistema y más aplicaciones se
ejecutan contra el
datawarehouse.

37. • La escalabilidad es un
requerimiento ligado al
propio uso de la solución.
• Empresas que adquieren
tecnología de datawarehouse
necesitan asegurarse que ésta
puede crecer a medida que lo
hacen las necesidades
corporativas.

38. • Un datawarehouse necesita
el desarrollo y la
implementación de nuevos
procesos y herramientas para
gestionar la extracción y la
transformación de los datos,
la administración de los
usuarios, etc.

39. • El último árbitro en el éxito o
fracaso del proyecto será el
rendimiento del sistema.
• Un datawarehouse tiene que
ayudar a los usuarios a realizar su
trabajo de forma más efectiva y
eficiente.
• Si los tiempos de respuesta no son
los adecuados, los usuarios no
utilizarán el sistema, la empresa
no sacará beneficio de la
inversión.