Datawarehouse como servicio en Azure (sqldw)SolidQ
http://summit.solidq.com
En lugar de aprovisionar grandes recursos para tu DW, Azure ofrece una versión especial de SQL Server como DataWarehouse. Si está familiarizado con el appliance APS, SQLDW en Azure viene a ser su versión como servicio. Usted crea su DW desde el portal de Azure y ya puede empezar a cargar datos y explotarlos. En esta sesión veremos cómo habilitar el servicio y cómo empezar a explotar SQLDW como tu DW en la nube.
Este documento describe una estrategia genérica, aplicable a cualquier plataforma para la implementación y administración de DataWarehouse, cuyo principal objetivo es lograr el éxito, sustentabilidad y adaptabilidad del proyecto tanto a corto como largo plazo. La estrategia está enfocada principalmente en proyectos complejos, sin embargo puede emplearse en proyectos de cualquier envergadura.
Para asegurar el éxito de la solución, esta estrategia considera experiencias y elementos que en diversos proyectos han sido factores de fracaso o estanco, principalmente los relacionados a satisfacer nuevos requerimientos de los usuarios finales, en términos de calidad y confiabilidad de la información, agilidad en la adaptación a los cambios, facilidad en la creación de informes y cuadros de mando, rapidez en los tiempos de respuesta de las consultas y costo de la administración de la infraestructura, entre otros.
Finalmente, esta estrategia desarrolla conceptos claves, tales como la adaptación a los cambios, administración de procesos (Jobs), control de errores y mallas de procesos, elementos que son centrales en la estrategia EIAD y que han sido olvidados en la mayoría de la literatura relacionada a DataWarehouse, centradas principalmente en metodologías de administración de proyectos, creación de cubos y/o algunos procesos de carga.
IN Unidad 2: Infraestructuras y arquitecturas de inteligencia de negociosFranklin Parrales Bravo
Objetivo: Crear almacenes de datos mediante herramientas tecnológicas sobre arquitecturas de Inteligencia de Negocios para recopilar datos de varios orígenes a través del proceso ETL (Extracción, Transformación y Carga) para mantener información consolidada e integrada
Introducción al Business Intelligence, sistemas OLAP, Data Warehouse, Data Marts, comparación metodologías Inmon y Kimball.
Curso de Análisis de la Información y la Decisión, Facultad de Ingeniería, Universidad de Palermo.
7. Características de un Datawarehouse Orientado hacia la información basica de la organización. Se diseña para consultar eficientemente información relativa a las actividades básicas de la organización como son compras, ventas, mercadotecnia. Y no para exportar procesos que se realizan en la organización como son pedidos y facturación entre otros.. Datawarehouse 5
15. Aplicaciones Datawarehouse EIS (Executive Information System):Herramientas para proveer de información estratégica a los ejecutivos, mediante informes, comparativas y cuadros de mandos multidimensionales. DSS (Decission Suport System): Herramientas de ayuda a la toma de decisiones. Incorpora reglas de decisión y análisis de datos no predefinidos en las posibilidades de un EIS Datawarehouse 13
17. OLTP OLTP (On-Line Transaction Processing): Define el comportamiento habitual de un entorno operacional de gestión: Altas/Bajas/Modificaciones/Consultas Consultas rápidas y escuestas Poco volumen de información Transacciones rápidas Gran nivel de concurrencia Datawarehouse 15
19. OLAP OLAP: On-Line Analytical Process: Define el comportamiento de un sistema de análisis de datos y elaboración de información: Sólo Consulta Consultas pesadas y no predecibles Gran volumen de información histórica Operaciones lentas Datawarehouse 17
25. Arquitectura Datawarehouse Consistencia de consolidación Comprobar la validez de los datos en el entorno operacional Datos que no se usan Datos que no se mantienen Inconsistencia entre distintas aplicaciones dentro del sistema Datos no igualmente mantenidos Codificaciones diferentes Datawarehouse 23
37. BBDD OLAP El análisis de los datos se suele basar en un modelo simplificado de estrella, o más genéricamente, de copo de nieve (snowflake), el cual relaciona los hechos con los agentes del negocio (dimensiones): Datawarehouse 25 Tiempo Ventas Geografía Clientes Productos