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.
Un Data Warehouse o Depósito de Datos es una colección de datos orientado a temas, integrado, no volátil, de tiempo variante, que se usa para el soporte del proceso de toma de decisiones gerenciales.
Se puede caracterizar un data warehouse haciendo un contraste de cómo los datos de un negocio almacenados en un data warehouse, difieren de los datos operacionales usados por las aplicaciones de producción.
This presentation gives an overview about the business rationale for customer data management, about current challenges and the state-of-the-art. It was given at the 9th CC CDQ3 workshop organized by the Institute of Information Management at the University of St. Gallen. The workshop took place on June 21, 2012, in Mainz, Germany.
This document provides a sales plan with regional sales data, product-wise sales strategies and tactics, sales representative performance evaluations, and action plans. It includes:
1) Monthly sales figures by region from January to December showing total annual sales.
2) A breakdown of sales by product including achievement, growth, market share, competition level, and strategic and tactical plans.
3) Evaluations of 5 sales representatives' performance and potential on a matrix identifying their status as a super star, star, backbone, or high maintenance.
4) Individualized action plans for each sales representative based on their performance and potential evaluations with management, development, and field work recommendations.
This presentation summarizes ABC company's plans to expand its skin care product line in West Bengal, India. It discusses key points such as:
1) The current skin care market in India is growing at 9% annually and ABC aims to target different skin types with products like cleansers, moisturizers, and anti-aging treatments.
2) ABC will segment its products based on demographics, geography, and behaviors. It will start by focusing on major cities in West Bengal like Kolkata and expand to other areas over time.
3) ABC's expansion plans include increasing its sales team to 43 members, adding distributors, and using strategies like promotions and e-commerce to target different customer groups
'CEO Dashboard'. Present monthly business performance to your CEO in a world-class, dynamic, and flexible dashboard. Ready dashboard, just plug your data. More: https://www.bizinfograph.com/dashboard-templates/50
This sales plan template provides guidance for developing a sales plan with key elements such as analyzing the previous period's performance, conducting market and competitor analyses, setting sales goals and strategies, outlining sales activities and resources, and establishing a process for monitoring and feedback. The template encourages analyzing the current situation and matching objectives to help ensure major sales activities are included and the plan is adapted over time based on changing circumstances.
This presentation was conducted by Peter Glynne to the Yorkshire & North Linconshire APM membership providing a practical insight into the realisation of benefits
Updated: 30 60 90 Day Sales Action Plan Updated VersionGordon Kiser
The document outlines a 30-60-90 day sales plan with the following key points:
1) The 30 day plan focuses on learning company processes, products, competition and establishing goals.
2) The 60 day plan aims to optimize the sales plan based on territory coverage and sales capacity, with a goal of refining strategies and continuing pipeline management.
3) The 90 day plan emphasizes closing deals, reviewing progress with the manager, and celebrating successes.
This presentation gives an overview about the business rationale for customer data management, about current challenges and the state-of-the-art. It was given at the 9th CC CDQ3 workshop organized by the Institute of Information Management at the University of St. Gallen. The workshop took place on June 21, 2012, in Mainz, Germany.
This document provides a sales plan with regional sales data, product-wise sales strategies and tactics, sales representative performance evaluations, and action plans. It includes:
1) Monthly sales figures by region from January to December showing total annual sales.
2) A breakdown of sales by product including achievement, growth, market share, competition level, and strategic and tactical plans.
3) Evaluations of 5 sales representatives' performance and potential on a matrix identifying their status as a super star, star, backbone, or high maintenance.
4) Individualized action plans for each sales representative based on their performance and potential evaluations with management, development, and field work recommendations.
This presentation summarizes ABC company's plans to expand its skin care product line in West Bengal, India. It discusses key points such as:
1) The current skin care market in India is growing at 9% annually and ABC aims to target different skin types with products like cleansers, moisturizers, and anti-aging treatments.
2) ABC will segment its products based on demographics, geography, and behaviors. It will start by focusing on major cities in West Bengal like Kolkata and expand to other areas over time.
3) ABC's expansion plans include increasing its sales team to 43 members, adding distributors, and using strategies like promotions and e-commerce to target different customer groups
'CEO Dashboard'. Present monthly business performance to your CEO in a world-class, dynamic, and flexible dashboard. Ready dashboard, just plug your data. More: https://www.bizinfograph.com/dashboard-templates/50
This sales plan template provides guidance for developing a sales plan with key elements such as analyzing the previous period's performance, conducting market and competitor analyses, setting sales goals and strategies, outlining sales activities and resources, and establishing a process for monitoring and feedback. The template encourages analyzing the current situation and matching objectives to help ensure major sales activities are included and the plan is adapted over time based on changing circumstances.
This presentation was conducted by Peter Glynne to the Yorkshire & North Linconshire APM membership providing a practical insight into the realisation of benefits
Updated: 30 60 90 Day Sales Action Plan Updated VersionGordon Kiser
The document outlines a 30-60-90 day sales plan with the following key points:
1) The 30 day plan focuses on learning company processes, products, competition and establishing goals.
2) The 60 day plan aims to optimize the sales plan based on territory coverage and sales capacity, with a goal of refining strategies and continuing pipeline management.
3) The 90 day plan emphasizes closing deals, reviewing progress with the manager, and celebrating successes.
2 Desa Sincrono 2 Caso Modelamiento.docaldair441257
Este documento describe los principios básicos del diseño de bases de datos OLAP y data marts. Explica las diferencias entre los sistemas OLTP y OLAP, y los principios de diseño de bases de datos OLAP, incluidos los conceptos de tablas de hechos, tablas de dimensión, medidas, y los modelos estrella y copo de nieve. También incluye un ejemplo de diseño de un data mart para una empresa de transporte con dimensiones, medidas y modelos de datos.
Este documento presenta la experiencia profesional de Miguel Rojas como entrenador de herramientas de productividad de Microsoft como Excel y Power BI. Incluye definiciones básicas sobre modelamiento de bases de datos, como tablas dimensionales y transaccionales, llaves primarias y foráneas. También resume un curso sobre análisis y modelamiento de bases de datos con casos prácticos como un proceso de matrícula.
Manuel Torres Gil
mtorres@ual.es
Departamento de Lenguajes y Computación
Universidad de Almería
Documento original:
http://indalog.ual.es/mtorres/cursodw/DisDimensional.pdf
El documento habla sobre inteligencia de negocios. Explica que la inteligencia de negocios usa un almacén de datos para ganar ventaja competitiva y apoyar la toma de decisiones mediante el análisis de datos para revelar tendencias. También describe los componentes clave de la inteligencia de negocios como la multidimensionalidad, el data mining, los agentes y el data warehouse.
El proverbio chino afirma que aquel que hace preguntas solo parece tonto por cinco minutos, mientras que el que no pregunta permanece tonto por siempre, ya que no aprende ni adquiere nuevos conocimientos.
El documento presenta una sesión de capacitación sobre visualización y análisis descriptivo de datos. La sesión introduce conceptos clave de analítica descriptiva como reporting, análisis y predicción. Luego, explica el proceso de extracción, procesamiento y visualización de datos para generar tableros e informes. Finalmente, incluye un caso práctico para aplicar los conocimientos adquiridos.
El documento describe la necesidad de implementar un sistema de base de datos en la Ferretería "Tuercas y Algo Más" para registrar la información de clientes, productos, ventas y promociones. Actualmente no cuentan con una forma organizada de almacenar los datos de compras de clientes, lo que causa problemas a la hora de otorgar los descuentos correctos. Se propone crear un modelo entidad-relación con tablas para productos, clientes, ventas y promociones, explicando la razón de cada tabla para organizar mejor la información comercial.
Este documento describe un módulo de información gerencial basado en tecnología de data warehousing que proporciona información confiable y oportuna para la toma de decisiones. El módulo permite la visualización y análisis de datos de ventas, clientes, productos, almacenes y más a través de tablas dinámicas en Microsoft Excel de manera sencilla e intuitiva. Los usuarios pueden navegar, consultar y filtrar los datos según criterios como tiempo, ubicación geográfica, rubros y subrubros.
Sabes que es un almacén de datos? Por qué utilizarlo? Como crearlo? Que modelo utilizar, si normalizado o dimensional? Cual metodología, Kimball o Inmon? Que modelo de tablas? Almacén de datos o Data Mart. Infraestructura de Hardware. Big Data, la nueva moda empresarial. Durante esta sesión les explicare todas estas inquietudes.
Modelamiento del Data Warehouse (caso práctico)LPI ONG
El documento describe las fases para desarrollar una solución de Business Intelligence para la empresa Inca Video. La Fase I implica definir el modelo de negocio identificando los procesos clave, medidas y dimensiones. El proceso de alquiler es seleccionado. La Fase II implica crear el modelo dimensional con tablas de hechos, dimensiones y jerarquías, además de definir llaves artificiales y el grano.
Estas slides fueron presentadas en el evento OpenBI Day, organizado por Inacap en octubre del año 2013.
El objetivo de esta presentación fue mostrar las distintas técnicas que existen para diseñar cubos eficientes en función del tiempo de respuesta de las consultas, facilidad de administración de los ambientes y nivel de dificultad en resolver problemas de negocios.
Este documento presenta el avance del proyecto de una aplicación web para una cafetería. Se describen los requisitos funcionales y no funcionales, así como el diseño de la base de datos y las tablas principales. También incluye capturas de pantalla de las funcionalidades desarrolladas como el registro y login de administradores y clientes, y la creación del carrito de compras.
Este documento presenta varios métodos y herramientas para la planeación y control de inventarios en tiendas minoristas, incluyendo la elaboración de planes de marketing, comercialización y reducciones, así como el control de inventarios por producto. Se proporcionan ejemplos detallados de cómo calcular ventas planeadas, existencias, compras y utilidades esperadas para periodos de 6 meses.
El documento habla sobre los conceptos de inteligencia de negocios, data warehouse y data marts. Explica que un data warehouse es una estructura de datos diseñada para consultas analíticas que integra datos históricos de varios sistemas operativos. Los data marts son repositorios de datos enfocados en una temática específica. También compara las metodologías de Kimball y Inmon para el desarrollo de data warehouses, señalando que Kimball se enfoca en modelos estrella y copo de nieve basados en hechos y dimensiones.
Este documento describe los pasos para crear un modelo multidimensional (datamart) para analizar los datos de compras de 4000 clientes durante una promoción utilizando la metodología Kimball. Se identifican dos dimensiones (Cliente y Tarjeta) y una tabla de hechos. Luego, se aplican los 9 pasos de Kimball como identificar requerimientos, dimensiones, tabla de hechos, almacenar precálculos, completar tablas de dimensiones, elegir duración histórica y rastrear cambios en dimensiones para crear el modelo estrella.
La inteligencia de negocios (BI) implica el análisis de datos de una organización para apoyar la toma de decisiones. BI incluye herramientas para el acceso a información, análisis de datos y presentación de informes. La minería de datos es una técnica de BI que se utiliza para encontrar patrones y relaciones ocultas en grandes conjuntos de datos que pueden usarse para predecir resultados.
2 Desa Sincrono 2 Caso Modelamiento.docaldair441257
Este documento describe los principios básicos del diseño de bases de datos OLAP y data marts. Explica las diferencias entre los sistemas OLTP y OLAP, y los principios de diseño de bases de datos OLAP, incluidos los conceptos de tablas de hechos, tablas de dimensión, medidas, y los modelos estrella y copo de nieve. También incluye un ejemplo de diseño de un data mart para una empresa de transporte con dimensiones, medidas y modelos de datos.
Este documento presenta la experiencia profesional de Miguel Rojas como entrenador de herramientas de productividad de Microsoft como Excel y Power BI. Incluye definiciones básicas sobre modelamiento de bases de datos, como tablas dimensionales y transaccionales, llaves primarias y foráneas. También resume un curso sobre análisis y modelamiento de bases de datos con casos prácticos como un proceso de matrícula.
Manuel Torres Gil
mtorres@ual.es
Departamento de Lenguajes y Computación
Universidad de Almería
Documento original:
http://indalog.ual.es/mtorres/cursodw/DisDimensional.pdf
El documento habla sobre inteligencia de negocios. Explica que la inteligencia de negocios usa un almacén de datos para ganar ventaja competitiva y apoyar la toma de decisiones mediante el análisis de datos para revelar tendencias. También describe los componentes clave de la inteligencia de negocios como la multidimensionalidad, el data mining, los agentes y el data warehouse.
El proverbio chino afirma que aquel que hace preguntas solo parece tonto por cinco minutos, mientras que el que no pregunta permanece tonto por siempre, ya que no aprende ni adquiere nuevos conocimientos.
El documento presenta una sesión de capacitación sobre visualización y análisis descriptivo de datos. La sesión introduce conceptos clave de analítica descriptiva como reporting, análisis y predicción. Luego, explica el proceso de extracción, procesamiento y visualización de datos para generar tableros e informes. Finalmente, incluye un caso práctico para aplicar los conocimientos adquiridos.
El documento describe la necesidad de implementar un sistema de base de datos en la Ferretería "Tuercas y Algo Más" para registrar la información de clientes, productos, ventas y promociones. Actualmente no cuentan con una forma organizada de almacenar los datos de compras de clientes, lo que causa problemas a la hora de otorgar los descuentos correctos. Se propone crear un modelo entidad-relación con tablas para productos, clientes, ventas y promociones, explicando la razón de cada tabla para organizar mejor la información comercial.
Este documento describe un módulo de información gerencial basado en tecnología de data warehousing que proporciona información confiable y oportuna para la toma de decisiones. El módulo permite la visualización y análisis de datos de ventas, clientes, productos, almacenes y más a través de tablas dinámicas en Microsoft Excel de manera sencilla e intuitiva. Los usuarios pueden navegar, consultar y filtrar los datos según criterios como tiempo, ubicación geográfica, rubros y subrubros.
Sabes que es un almacén de datos? Por qué utilizarlo? Como crearlo? Que modelo utilizar, si normalizado o dimensional? Cual metodología, Kimball o Inmon? Que modelo de tablas? Almacén de datos o Data Mart. Infraestructura de Hardware. Big Data, la nueva moda empresarial. Durante esta sesión les explicare todas estas inquietudes.
Modelamiento del Data Warehouse (caso práctico)LPI ONG
El documento describe las fases para desarrollar una solución de Business Intelligence para la empresa Inca Video. La Fase I implica definir el modelo de negocio identificando los procesos clave, medidas y dimensiones. El proceso de alquiler es seleccionado. La Fase II implica crear el modelo dimensional con tablas de hechos, dimensiones y jerarquías, además de definir llaves artificiales y el grano.
Estas slides fueron presentadas en el evento OpenBI Day, organizado por Inacap en octubre del año 2013.
El objetivo de esta presentación fue mostrar las distintas técnicas que existen para diseñar cubos eficientes en función del tiempo de respuesta de las consultas, facilidad de administración de los ambientes y nivel de dificultad en resolver problemas de negocios.
Este documento presenta el avance del proyecto de una aplicación web para una cafetería. Se describen los requisitos funcionales y no funcionales, así como el diseño de la base de datos y las tablas principales. También incluye capturas de pantalla de las funcionalidades desarrolladas como el registro y login de administradores y clientes, y la creación del carrito de compras.
Este documento presenta varios métodos y herramientas para la planeación y control de inventarios en tiendas minoristas, incluyendo la elaboración de planes de marketing, comercialización y reducciones, así como el control de inventarios por producto. Se proporcionan ejemplos detallados de cómo calcular ventas planeadas, existencias, compras y utilidades esperadas para periodos de 6 meses.
El documento habla sobre los conceptos de inteligencia de negocios, data warehouse y data marts. Explica que un data warehouse es una estructura de datos diseñada para consultas analíticas que integra datos históricos de varios sistemas operativos. Los data marts son repositorios de datos enfocados en una temática específica. También compara las metodologías de Kimball y Inmon para el desarrollo de data warehouses, señalando que Kimball se enfoca en modelos estrella y copo de nieve basados en hechos y dimensiones.
Este documento describe los pasos para crear un modelo multidimensional (datamart) para analizar los datos de compras de 4000 clientes durante una promoción utilizando la metodología Kimball. Se identifican dos dimensiones (Cliente y Tarjeta) y una tabla de hechos. Luego, se aplican los 9 pasos de Kimball como identificar requerimientos, dimensiones, tabla de hechos, almacenar precálculos, completar tablas de dimensiones, elegir duración histórica y rastrear cambios en dimensiones para crear el modelo estrella.
La inteligencia de negocios (BI) implica el análisis de datos de una organización para apoyar la toma de decisiones. BI incluye herramientas para el acceso a información, análisis de datos y presentación de informes. La minería de datos es una técnica de BI que se utiliza para encontrar patrones y relaciones ocultas en grandes conjuntos de datos que pueden usarse para predecir resultados.
1. Introduccion a las excavaciones subterraneas (1).pdfraulnilton2018
Cuando las excavaciones subterráneas son desarrolladas de manera artesanal, se conceptúa a la excavación como el “ que es una labor efectuada con la mínima sección posible de excavación, para permitir el tránsito del hombre o de
cémilas para realizar la extracción del material desde el
frontón hasta la superficie
Cuando las excavaciones se ejecutan controlando la sección de excavación, de manera que se disturbe lo menos posible la
roca circundante considerando la vida útil que se debe dar a la roca, es cuando aparece el
concepto de “ que abarca,
globalmente, al proceso de excavación, control de la periferia, sostenimiento, revestimiento y consolidación de la excavación
Aletas de Transferencia de Calor o Superficies Extendidas.pdfJuanAlbertoLugoMadri
Se hablara de las aletas de transferencia de calor y superficies extendidas ya que son muy importantes debido a que son estructuras diseñadas para aumentar el calor entre un fluido, un sólido y en qué sitio son utilizados estos materiales en la vida cotidiana
Metodología - Proyecto de ingeniería "Dispensador automático"cristiaansabi19
Esta presentación contiene la metodología del proyecto de la materia "Introducción a la ingeniería". Dicho proyecto es sobre un dispensador de medicamentos automáticos.
Equipo 4. Mezclado de Polímeros quimica de polimeros.pptxangiepalacios6170
Presentacion de mezclado de polimeros, de la materia de Quimica de Polímeros ultima unidad. Se describe la definición y los tipos de mezclado asi como los aditivos usados para mejorar las propiedades de las mezclas de polimeros
2. Hechos
Los hechos son transacciones que han ocurrido en
algún punto en el pasado, y que es muy poco
probable que cambien en el futuro
Los hechos se pueden analizar de diferentes
formas dependiendo de la información de
referencia
Los hechos suelen tener pocos atributos, puesto
que no tiene datos operacionales
3. Dimensiones
Sirven para representar cada uno de los factores por los
que se puede analizar un determinado área de negocio
Son tablas siempre más pequeñas
A menudo se desnormalizan
día mes
clave_día
clave_mesclave_mes
mes
día
clave_día
clave_mes
mes
4. Hechos y dimensiones
Ventas
July 2001
M T W T F S S
1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31
Pc
Portátil
Ratón
FaxTeléfono
Sucursales
Productos
Clientes
Fecha
7. Diseño STAR: pasos a seguir
De diagrama E/R surgen múltiples diagramas
en estrella
Separar en procesos discretos de negocio
(hechos) y modelar cada hecho
Seleccionar relaciones n:m con atributos
numéricos
Desnormalizar las tablas de dimensión
8. Diseño STAR: pasos a seguir
A BR
C
S
D
T E
R
A B
C Fecha
Diagrama E/R Diagrama en
estrella
9. Diseño de la tabla de hechos
Decidir la granularidad de la tabla de hechos
Establece lo que significa cada registro de la
tabla de hechos
Decidir las dimensiones
Decidir los hechos de la tabla de hechos
Deben ser específicos para la granularidad
seleccionada para la tabla de hechos
10. Diseño de la tabla de hechos
Identificar el periodo histórico significativo para los
distintos procesos y el grado de detalle requerido
Eliminar todas las columnas del hecho que no sean
requeridas para responder a preguntas de toma de
decisiones
Ajustar el tamaño de cada columna
Usar claves generadas
11. Claves primarias y extranjeras
Todas las claves que se utilicen en tablas del Data
Warehouse deben ser claves sin significado
Nunca se deben usar claves de producción
Facilitar los cambios
Situaciones “no lo se”, “desconocido”
Dimensiones que cambian en el tiempo
12. Aditividad
Siempre que sea posible, los hechos de la tabla de
hechos deberían elegirse para que sean
perfectamente aditivos (se pueden sumar por
cualquier dimensión)
Las medidas de actividad son generalmente
aditivas
Las medidas de intensidad no siempre lo son
(niveles de inventario, balance de cuentas...)
14. Diseño de las dimensiones
Son tablas más pequeñas
Desnormalizar si se acceden muy a menudo en las
consultas para acelerar el desempeño (Esquemas
estrella)
Establecer la política para dimensiones cambiantes
Actualizar los cambios
Atributos valor antiguo – valor nuevo
Generar un nuevo código para el nuevo valor
15. Normalización de dimensiones
Se dice que una dimensión está “snowflaked”
cuando los atributos de baja cardinalidad se llevan
a tablas separadas
Generalmente no se recomienda
A veces se usa para ahorrar espacio de
almacenamiento
No permite hacer uso de los índices de bitmap
Sin embargo existen situaciones (datos
demográficos) en las que son aconsejables
17. Diseñar las tablas dimensión
Producto
Clave_producto
SKU
Descripción
Clave_marca_comercial
Clave_marca_financiera
Clave_tipo_embalaje
Tamaño
Clave_sabor
Altura
Cantidad_por_caja
Categoria_comercial
Categoria_financiera
Marca_financiera
Marca_comercial
Tipo_embalaje
Sabor
Tabla de hechos
Clave_producto
18. Diseñar las tablas dimensión
Cliente
Clave cliente (PK)
ID_cliente
Nombre
Dirección
Ciudad
Departamento
Fecha primera compra
Score de compra
Score de crédito
Subdimensión demográfica
Departamento
Número de segmento
Nombre del segmeto
Contador del segmento
Porcentaje del segmento
Ranking del segmento
Ventas
Clave_cliente
Clave_producto
19. Un esquema en estrella
Ventas
Cod_Fecha
Clave_Cliente
Clave_Sucursal
Clave_Producto
unidades
precio_unidad
ticket
Fechas
Código
Sysdate
Día
Mes
día_semana
___
Sucursal
Clave
Dirección
Segmento
Descripción
Producto
Clave_producto
SKU
Descripción
Clave_marca_comercial
Clave_marca_financiera
Clave_tipo_embalaje
Tamaño
Clave_sabor
Altura
Cantidad_por_caja
Categoria_comercial
Categoria_financiera
Marca_financiera
Marca_comercial
Tipo_embalaje
Sabor
Cliente
Clave cliente (PK)
ID_cliente
Nombre
Dirección
Ciudad
Departamento
Fecha primera compra
Score de compra
Score de crédito
Subdimensión demográfica
Departamento
Número de segmento
Nombre del segmento
Contador del segmento
Porcentaje del segmento
Ranking del segmento
20. La importancia de los atributos
La calidad del Data Warehouse se mide por la
calidad de los atributos
Descriptivos
Completos (sin valores nulos)
Indexados
Palabras enteras
Documentados (metadatos)
Calidad asegurada
21. Tabla de fechas
Fecha
Codigo
Día
Día semana (numero)
Dia semana (nombre)
Festivo
Mes (numero)
Mes (nombre)
Fin de semana
Dia antes fin de semana
....
Sucesos climaticos
Codigo_Fecha
Codigo de suceso
Nombre de suceso
Fiestas nacionales
Codigo_Fecha
Codigo de fiesta
Nombre fiesta
Fiestas locales
Codigo_Fecha
Codigo de fiesta
Nombre fiesta
Sucesos politicos
Codigo_Fecha
Codigo de suceso
Nombre de suceso
22. Dimensión “degenerada”
La mayoría de los diseños multidimensionales están
alrededor de un documento de control: número de
pedido, factura, ticket, ...
Generalmente son contenedores de más de un
producto
Generalmente en estos casos la granularidad de la
tabla la marca este número
¿Qué se hace con los números?
Se ponen en las tablas pero no tienen una dimensión
con la que hacer “join”
23. Aplicación de dimensiones “degeneradas”
Ventas
Cod_Fecha
Cod_Cliente
Cod_Sucursal
Cod_Producto
unidades
precio_unidad
ticket
Cliente
Codigo
Nombre
Sexo
Cluster
___
Fechas
Codigo
Sysdate
Día
Mes
día_semana
___
Producto
Codigo
Descripción
tipo
sección
Sucursal
Codigo
Dirección
Segmento
Descripcion
Dimensión
degenerada
24. Dimensión “Cajón desastre”
En ocasiones se tienen atributos textuales y “flags” de
distinta naturaleza que no parecen organizarse de
manera coherente
La solución no parece sencilla
• Dejar los atributos en la tabla de hechos
• Hacer dimensiones separadas para cada atributo
• Quitar directamente estos atributos
La mejor solución es compactarlos todos en lo que se
denomina una “junk dimension”
25. Aplicación de dimensión “junk"
Gustos
Codigo
Niños
Ascensor
Almohada
Tipo_cama
___
Cliente
Codigo
Nombre
Fecha_nacimiento
Sexo
Tipo
___
Fecha
Codigo
Día
Día semana
Festivo
Mes
___
Sucesos
Codigo_Fecha
Suceso Politico
___
Reservas
Cod_Cliente
Cod_Habitacion
Cod_Fecha
Reserva
Gustos
días
coste
descuento
Habitacion
Codigo
Planta
Sección
Tamaño
Cajón desastre
26. Tablas de hechos sin hechos
Hay situaciones en las que se tiene en el
diseño final una tabla de hechos sin hechos
Son situaciones en las que interesa el
suceso en sí
Afluencia de público
Coberturas
27. Tablas de hechos sin hechos
Productos en promocion
Cod_Fecha
Cod_promocion
Cod_producto
"1"
Producto
Codigo
Nombre
Tipo
___
Fecha
Codigo
Día
Día semana
Festivo
Mes
___
Promocion
Codigo
Tipo
Dias
Descripcion
28. Ejercicio a resolver
Supónga un hospital en el se ha decidido construir
un Data Warehouse para analizar
Ocupación
Tratamientos
Diagnósticos
29. Pasos a seguir
Estudiar el problema
Determinar los hechos fundamentales a estudiar
Para cada hecho
Analizar la granularidad del hecho
Decidir las dimensiones
Diseñar las dimensiones
30. Ocupación de camas
July 2001
S M T W T F S
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31
Ocupación
Pacientes
Camas
Fecha
31. Tratamientos
Tratamientos
July 2001
S M T W T F S
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31
Pacientes
Médicos
Fecha
Tratamientos
32. Diagnósticos
July 2001
S M T W T F S
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31
Pacientes
Doctores
Fecha
Diagnósticos
Diagnósticos