SlideShare una empresa de Scribd logo
1 de 6
Descargar para leer sin conexión
14/4/2013


    UNIVERSIDAD TECNOLÓGICA DE TEHUACÁN


TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN
          SISTEMAS DE CALIDAD EN TI


        ING. OCTAVIO SÁNCHEZ DELGADO




NOMBRE DEL TRABAJO: INFORME CREANDO UN DATA
     MART UTILIZANDO ANALYSIS SEVICES




                  ALUMNA:
           LORZA BARRAGÁN IRENE
CREANDO UN DATA MART UTILIZANDO ANALYSIS SEVICES

Un data warehouse: es una colección de datos, orientados, integrados, organizados para el apoyo
de un proceso de ayuda a la decisión. Es el almacenamiento separado y homogéneo donde se
encuentran datos transformados provenientes de diferentes bases de datos.

Un data mart: un data mart forma parte de un data ware. Es una base de datos departamental
especializada en un área de negocio. Una de las características que presenta un data mart es que
dispone una estructura de datos para analizar la información detalladamente obteniendo resultados
que ayuden al desarrollo de la empresa.

El objetivo de obtener cualquier información en cualquier momento, existan o no los índices
necesarios en la base de datos, es una tarea demasiado difícil para las bases de datos relacionales.
Por ello, ha surgido la tecnología Data Warehouse que se apoya en otro tipo de bases de datos. Se
define un nuevo entorno, el OLAP (Procesamiento Analítico en Tiempo Real) en contraste con el
existente OLTP (Procesamiento de Transacciones en Tiempo Real).

Una las ventajas de las bases de datos para OLAP tienen una estructura totalmente distinta,
orientada a alta velocidad de recuperación de la información para consultas. Se les suele llamar
bases de datos multi-dimensionales o también 'híper-cubos'.

Para crear un data mart el Microsoft SQL Server R2 es una plataforma especialmente popular en la
instalación de data marts. El precio/rendimiento y las capacidades de la plataforma de Microsoft se
adecuan perfectamente a las prioridades de selección de los clientes que se encuentran
implementando data marts. Utilizando la herramienta Analysis Services proporcionando un intervalo
de soluciones para crear e implementar las bases de datos analíticas que se usan como respaldo
para la toma de decisiones en las aplicaciones Excel, PerformancePoint, Reporting Services y otras
de Business Intelligence.

Este modelo basa en los datos históricos que ya están recopilados en bases de datos
transaccionales y otros almacenes de datos y se anotan con metadatos que permiten medir, tratar y
comparar datos empresariales en consultas o en informes personalizados.

Una vez diseñado un modelo, se implementa en un servidor de Analysis Services como una base de
datos, donde se pone a disposición de los usuarios autorizados que se conectan a él a través de
Excel y de otras herramientas gráficas.

Se realizó una práctica creando la estructura de un data mart en Microsoft SQL Server R2 junto con
la herramienta Analysis services para esta práctica se utilizó una Base de datos ficticia ya que la
creamos se utilizó SQL Server Business Intelligence Development Studio y creamos un proyecto
Analysis Services, se hizo la conexión a las base de datos creada en SQL server después se crea
una un nuevo data source de vistas seleccionando la tabla la cual se le realizara un reporte
realizando consultas por periodos de tiempo.
A continuación se presenta el procesos que se siguió para realizar esta práctica.

   1. En esta practica se creo la base de datos y se realizao el data mart con la tabla que trae por
      default.




   2. se creó un nuevo proyecto en SQL Server Bussiness Intelligence Development – Analysis
      Services Proyect




   3. creamos un nueva data source para crear nuestra conexión a nuestra base datos que será
      analizada.
.

    4. se crea un Data Source Views.
5. ahora se crea las dimenciones en este caso se realizara por tiempo. En la segunda imagen
   elegimos la segunda opcion ya que la dimensión contendrá los datos para el intervalo de
   fechas, atributos y calendarios que usted especifique.




6. elegimos en que periodos queremos presentar nuestros resultados ya sea por año, semestre,
   trimestre, etc. En la segunda ventana elegimos el tipor de calendario en el que se mostrara
   nuestra dimension.
Despues de que termine con este procesos ya se puede realizar algunas consultas por el periodo
que querramos por ejemplo. Realice una consulta por Month Of Year que sólo nos muestro los doce
meses del año sin indicar a qué año pertenece. Este tipo de atributo es necesario, para cuando
necesitemos crear algún informe que permita el análisis comparativo de los mismos meses para
distintos años, como se muestra en las siguientes figuras:

Más contenido relacionado

La actualidad más candente (20)

Manual Analysis Services
Manual Analysis ServicesManual Analysis Services
Manual Analysis Services
 
Data mart
Data martData mart
Data mart
 
Data mart
Data martData mart
Data mart
 
Arquitectura de datos empresariales informe power bi sql
Arquitectura de datos empresariales   informe power bi sqlArquitectura de datos empresariales   informe power bi sql
Arquitectura de datos empresariales informe power bi sql
 
Diseño de un Datamart
Diseño de un DatamartDiseño de un Datamart
Diseño de un Datamart
 
DATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datosDATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datos
 
Data mart
Data martData mart
Data mart
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-mining
 
Diseño de almacenes de datos
Diseño de almacenes de datosDiseño de almacenes de datos
Diseño de almacenes de datos
 
Base de datos
Base de datosBase de datos
Base de datos
 
Equipo 1
Equipo 1Equipo 1
Equipo 1
 
Data mart
Data martData mart
Data mart
 
Trabajo
TrabajoTrabajo
Trabajo
 
Datawarehouse práctica 6
Datawarehouse   práctica 6Datawarehouse   práctica 6
Datawarehouse práctica 6
 
Que Es Un Datawarehouse
Que Es Un DatawarehouseQue Es Un Datawarehouse
Que Es Un Datawarehouse
 
Access
AccessAccess
Access
 
Trabajo =d
Trabajo =dTrabajo =d
Trabajo =d
 
DATA WAREHOUSE
DATA WAREHOUSEDATA WAREHOUSE
DATA WAREHOUSE
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouse
 
Base de datos
Base de datosBase de datos
Base de datos
 

Similar a Analisis services

Topicos de ingeneria_de_sistema_sii_calzada1
Topicos de ingeneria_de_sistema_sii_calzada1Topicos de ingeneria_de_sistema_sii_calzada1
Topicos de ingeneria_de_sistema_sii_calzada1
Calzada Meza
 
Minería de datos Presentación
Minería de datos PresentaciónMinería de datos Presentación
Minería de datos Presentación
edmaga
 
Minera de-datos-presentacin-1205263710628735-3
Minera de-datos-presentacin-1205263710628735-3Minera de-datos-presentacin-1205263710628735-3
Minera de-datos-presentacin-1205263710628735-3
Climanfef
 
Componentes de sql server 2008
Componentes de sql server 2008Componentes de sql server 2008
Componentes de sql server 2008
Jillian Motoharu
 
Olap vs oltp bases datos 2
Olap vs oltp bases datos 2Olap vs oltp bases datos 2
Olap vs oltp bases datos 2
Velmuz Buzz
 
Datawarehouse1
Datawarehouse1Datawarehouse1
Datawarehouse1
nestor
 
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxxPLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
edwin520324
 

Similar a Analisis services (20)

Topicos de ingeneria_de_sistema_sii_calzada1
Topicos de ingeneria_de_sistema_sii_calzada1Topicos de ingeneria_de_sistema_sii_calzada1
Topicos de ingeneria_de_sistema_sii_calzada1
 
Implantando un ERP a medida desde cero
Implantando un ERP a medida desde ceroImplantando un ERP a medida desde cero
Implantando un ERP a medida desde cero
 
Minería de datos Presentación
Minería de datos PresentaciónMinería de datos Presentación
Minería de datos Presentación
 
Minera de-datos-presentacin-1205263710628735-3
Minera de-datos-presentacin-1205263710628735-3Minera de-datos-presentacin-1205263710628735-3
Minera de-datos-presentacin-1205263710628735-3
 
Business Intelligence en Azure
Business Intelligence en AzureBusiness Intelligence en Azure
Business Intelligence en Azure
 
ALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptxALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptx
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
Componentes de sql server 2008
Componentes de sql server 2008Componentes de sql server 2008
Componentes de sql server 2008
 
Olap vs oltp bases datos 2
Olap vs oltp bases datos 2Olap vs oltp bases datos 2
Olap vs oltp bases datos 2
 
Datawarehouse1
Datawarehouse1Datawarehouse1
Datawarehouse1
 
DATAWAREHOUSE
DATAWAREHOUSEDATAWAREHOUSE
DATAWAREHOUSE
 
Kdd fase1
Kdd fase1Kdd fase1
Kdd fase1
 
CASO PRACTICO 2.pptx
CASO PRACTICO 2.pptxCASO PRACTICO 2.pptx
CASO PRACTICO 2.pptx
 
Cómo construir tu propia data platform. From zero to hero.
Cómo construir tu propia data platform. From zero to hero. Cómo construir tu propia data platform. From zero to hero.
Cómo construir tu propia data platform. From zero to hero.
 
Almacenes de datos
Almacenes de datosAlmacenes de datos
Almacenes de datos
 
Big Data - Desarrollando soluciones efectivas
Big Data - Desarrollando soluciones efectivasBig Data - Desarrollando soluciones efectivas
Big Data - Desarrollando soluciones efectivas
 
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxxPLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
 
Componentes de Business Intelligence
Componentes de Business IntelligenceComponentes de Business Intelligence
Componentes de Business Intelligence
 
Sql server analysis services 2008
Sql server analysis services 2008Sql server analysis services 2008
Sql server analysis services 2008
 
Taller einstein analytics
Taller einstein analyticsTaller einstein analytics
Taller einstein analytics
 

Analisis services

  • 1. 14/4/2013 UNIVERSIDAD TECNOLÓGICA DE TEHUACÁN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN SISTEMAS DE CALIDAD EN TI ING. OCTAVIO SÁNCHEZ DELGADO NOMBRE DEL TRABAJO: INFORME CREANDO UN DATA MART UTILIZANDO ANALYSIS SEVICES ALUMNA: LORZA BARRAGÁN IRENE
  • 2. CREANDO UN DATA MART UTILIZANDO ANALYSIS SEVICES Un data warehouse: es una colección de datos, orientados, integrados, organizados para el apoyo de un proceso de ayuda a la decisión. Es el almacenamiento separado y homogéneo donde se encuentran datos transformados provenientes de diferentes bases de datos. Un data mart: un data mart forma parte de un data ware. Es una base de datos departamental especializada en un área de negocio. Una de las características que presenta un data mart es que dispone una estructura de datos para analizar la información detalladamente obteniendo resultados que ayuden al desarrollo de la empresa. El objetivo de obtener cualquier información en cualquier momento, existan o no los índices necesarios en la base de datos, es una tarea demasiado difícil para las bases de datos relacionales. Por ello, ha surgido la tecnología Data Warehouse que se apoya en otro tipo de bases de datos. Se define un nuevo entorno, el OLAP (Procesamiento Analítico en Tiempo Real) en contraste con el existente OLTP (Procesamiento de Transacciones en Tiempo Real). Una las ventajas de las bases de datos para OLAP tienen una estructura totalmente distinta, orientada a alta velocidad de recuperación de la información para consultas. Se les suele llamar bases de datos multi-dimensionales o también 'híper-cubos'. Para crear un data mart el Microsoft SQL Server R2 es una plataforma especialmente popular en la instalación de data marts. El precio/rendimiento y las capacidades de la plataforma de Microsoft se adecuan perfectamente a las prioridades de selección de los clientes que se encuentran implementando data marts. Utilizando la herramienta Analysis Services proporcionando un intervalo de soluciones para crear e implementar las bases de datos analíticas que se usan como respaldo para la toma de decisiones en las aplicaciones Excel, PerformancePoint, Reporting Services y otras de Business Intelligence. Este modelo basa en los datos históricos que ya están recopilados en bases de datos transaccionales y otros almacenes de datos y se anotan con metadatos que permiten medir, tratar y comparar datos empresariales en consultas o en informes personalizados. Una vez diseñado un modelo, se implementa en un servidor de Analysis Services como una base de datos, donde se pone a disposición de los usuarios autorizados que se conectan a él a través de Excel y de otras herramientas gráficas. Se realizó una práctica creando la estructura de un data mart en Microsoft SQL Server R2 junto con la herramienta Analysis services para esta práctica se utilizó una Base de datos ficticia ya que la creamos se utilizó SQL Server Business Intelligence Development Studio y creamos un proyecto Analysis Services, se hizo la conexión a las base de datos creada en SQL server después se crea una un nuevo data source de vistas seleccionando la tabla la cual se le realizara un reporte realizando consultas por periodos de tiempo.
  • 3. A continuación se presenta el procesos que se siguió para realizar esta práctica. 1. En esta practica se creo la base de datos y se realizao el data mart con la tabla que trae por default. 2. se creó un nuevo proyecto en SQL Server Bussiness Intelligence Development – Analysis Services Proyect 3. creamos un nueva data source para crear nuestra conexión a nuestra base datos que será analizada.
  • 4. . 4. se crea un Data Source Views.
  • 5. 5. ahora se crea las dimenciones en este caso se realizara por tiempo. En la segunda imagen elegimos la segunda opcion ya que la dimensión contendrá los datos para el intervalo de fechas, atributos y calendarios que usted especifique. 6. elegimos en que periodos queremos presentar nuestros resultados ya sea por año, semestre, trimestre, etc. En la segunda ventana elegimos el tipor de calendario en el que se mostrara nuestra dimension.
  • 6. Despues de que termine con este procesos ya se puede realizar algunas consultas por el periodo que querramos por ejemplo. Realice una consulta por Month Of Year que sólo nos muestro los doce meses del año sin indicar a qué año pertenece. Este tipo de atributo es necesario, para cuando necesitemos crear algún informe que permita el análisis comparativo de los mismos meses para distintos años, como se muestra en las siguientes figuras: