Este documento describe los pasos para crear un cubo de datos en Microsoft SQL Server Analysis Services (SSAS) utilizando Visual Studio Community. Incluye crear un proyecto multidimensional, agregar tablas de una base de datos existente a una vista del origen de datos, definir dimensiones como Fecha y Producto, y prepararse para crear un cubo.
El documento describe los elementos clave de la estructura lógica y física de Active Directory. La estructura lógica incluye objetos, unidades organizativas, dominios y bosques. Los dominios actúan como límites administrativos, ayudan a administrar la seguridad y son unidades de replicación. La estructura física incluye controladores de dominio y sitios. Los controladores de dominio almacenan objetos y realizan replicación. Los sitios optimizan el ancho de banda entre controladores físicamente separados. Se recom
Este documento resume los conceptos clave de ADO.NET, incluyendo los métodos de acceso a bases de datos relacionales en escenarios conectados y desconectados, las propiedades y métodos de los objetos Connection y Command, y el manejo de parámetros y procedimientos almacenados. ADO.NET proporciona clases para trabajar con datos de forma flexible y eficiente en aplicaciones .NET.
El documento describe los pasos para crear una base de datos en MySQL: 1) crear la base de datos postal, 2) crear las tablas imagenes y postal usando código SQL, 3) llenar la tabla imagenes con datos de muestra usando un archivo de texto, y 4) crear un directorio virtual en el servidor para los archivos restantes. También menciona que las bases de datos en MySQL se pueden crear usando código SQL o la interfaz PhpMyAdmin.
SKILLWISE-SSIS DESIGN PATTERN FOR DATA WAREHOUSINGSkillwise Group
This document provides an overview of the SSIS design pattern for data warehousing and change data capture. It discusses what design patterns are and how they are commonly used for SSIS and data warehousing projects. It then covers 13 specific patterns including truncate and load, slowly changing dimensions, hashbytes, change data capture, merge, and master/child workflows. The document explains when each pattern is best used and provides pros and cons. It also provides guidance on configuring and using SQL Server change data capture functionality.
Modern Data Architecture for a Data Lake with Informatica and Hortonworks Dat...Hortonworks
How do you turn data from many different sources into actionable insights and manufacture those insights into innovative information-based products and services?
Industry leaders are accomplishing this by adding Hadoop as a critical component in their modern data architecture to build a data lake. A data lake collects and stores data across a wide variety of channels including social media, clickstream data, server logs, customer transactions and interactions, videos, and sensor data from equipment in the field. A data lake cost-effectively scales to collect and retain massive amounts of data over time, and convert all this data into actionable information that can transform your business.
Join Hortonworks and Informatica as we discuss:
- What is a data lake?
- The modern data architecture for a data lake
- How Hadoop fits into the modern data architecture
- Innovative use-cases for a data lake
This document provides an overview of Microsoft Power BI, including its history, key features, and capabilities. It describes how Power BI allows users to connect to various data sources, perform data transformation using Power Query, build interactive reports with Power View and Power Pivot, and create visualizations and dashboards to share insights. The document also discusses Power BI Desktop, the Power BI service, and how to publish reports and dashboards to the web for sharing.
El documento describe los elementos clave de la estructura lógica y física de Active Directory. La estructura lógica incluye objetos, unidades organizativas, dominios y bosques. Los dominios actúan como límites administrativos, ayudan a administrar la seguridad y son unidades de replicación. La estructura física incluye controladores de dominio y sitios. Los controladores de dominio almacenan objetos y realizan replicación. Los sitios optimizan el ancho de banda entre controladores físicamente separados. Se recom
Este documento resume los conceptos clave de ADO.NET, incluyendo los métodos de acceso a bases de datos relacionales en escenarios conectados y desconectados, las propiedades y métodos de los objetos Connection y Command, y el manejo de parámetros y procedimientos almacenados. ADO.NET proporciona clases para trabajar con datos de forma flexible y eficiente en aplicaciones .NET.
El documento describe los pasos para crear una base de datos en MySQL: 1) crear la base de datos postal, 2) crear las tablas imagenes y postal usando código SQL, 3) llenar la tabla imagenes con datos de muestra usando un archivo de texto, y 4) crear un directorio virtual en el servidor para los archivos restantes. También menciona que las bases de datos en MySQL se pueden crear usando código SQL o la interfaz PhpMyAdmin.
SKILLWISE-SSIS DESIGN PATTERN FOR DATA WAREHOUSINGSkillwise Group
This document provides an overview of the SSIS design pattern for data warehousing and change data capture. It discusses what design patterns are and how they are commonly used for SSIS and data warehousing projects. It then covers 13 specific patterns including truncate and load, slowly changing dimensions, hashbytes, change data capture, merge, and master/child workflows. The document explains when each pattern is best used and provides pros and cons. It also provides guidance on configuring and using SQL Server change data capture functionality.
Modern Data Architecture for a Data Lake with Informatica and Hortonworks Dat...Hortonworks
How do you turn data from many different sources into actionable insights and manufacture those insights into innovative information-based products and services?
Industry leaders are accomplishing this by adding Hadoop as a critical component in their modern data architecture to build a data lake. A data lake collects and stores data across a wide variety of channels including social media, clickstream data, server logs, customer transactions and interactions, videos, and sensor data from equipment in the field. A data lake cost-effectively scales to collect and retain massive amounts of data over time, and convert all this data into actionable information that can transform your business.
Join Hortonworks and Informatica as we discuss:
- What is a data lake?
- The modern data architecture for a data lake
- How Hadoop fits into the modern data architecture
- Innovative use-cases for a data lake
This document provides an overview of Microsoft Power BI, including its history, key features, and capabilities. It describes how Power BI allows users to connect to various data sources, perform data transformation using Power Query, build interactive reports with Power View and Power Pivot, and create visualizations and dashboards to share insights. The document also discusses Power BI Desktop, the Power BI service, and how to publish reports and dashboards to the web for sharing.
This document provides an introduction and overview of Azure Data Lake. It describes Azure Data Lake as a single store of all data ranging from raw to processed that can be used for reporting, analytics and machine learning. It discusses key Azure Data Lake components like Data Lake Store, Data Lake Analytics, HDInsight and the U-SQL language. It compares Data Lakes to data warehouses and explains how Azure Data Lake Store, Analytics and U-SQL process and transform data at scale.
Tableau allows users to create dashboards that display multiple worksheets and views together for easy comparison of data. To create a dashboard, select Dashboard > New Dashboard from the menu. Views and objects can then be added and arranged on the dashboard. Parameters and filters can be used to make dashboards interactive and allow users to dynamically change the data displayed. Maintaining good performance in Tableau requires limiting the amount of data pulled into views through appropriate filtering and aggregation of data.
Este documento describe los conceptos fundamentales de las bases de datos distribuidas. Explica que una base de datos distribuida consiste en fragmentos de datos almacenados en diferentes sitios conectados a través de una red. También define los términos sistema de bases de datos distribuidas, sistema de manejo de bases de datos distribuidas y sistema de base de datos distribuida. Finalmente, discute brevemente las ventajas e inconvenientes de utilizar este tipo de bases de datos.
DAX and Power BI Training - 004 Power QueryWill Harvey
I this session we are introducing Power Query for Excel, the data sources you can connect to, and the transformations you can apply. We also introduce more advanced topics of writing your own M functions.
How to Improve Data Analysis Through Visualization in TableauEdureka!
Data Visualization using Tableau will allow one to gain an edge over the other analysts and let you present the data in a much better and insightful manner. It would be easier for the learners to immediately implement it in their workplace and create a real-time dashboard for their management using one of the most sought-after tools.
Data Lakehouse, Data Mesh, and Data Fabric (r1)James Serra
So many buzzwords of late: Data Lakehouse, Data Mesh, and Data Fabric. What do all these terms mean and how do they compare to a data warehouse? In this session I’ll cover all of them in detail and compare the pros and cons of each. I’ll include use cases so you can see what approach will work best for your big data needs.
El documento presenta información sobre la etapa de estudio preliminar en el proceso de ingeniería de requerimientos. Explica que en esta etapa se realiza el análisis exploratorio para determinar las necesidades de los usuarios y la factibilidad del proyecto, a través de pasos como el estudio de la solicitud y la definición de las tareas a automatizar. También cubre temas como la construcción de tablas de eventos para definir los límites preliminares del sistema.
The document provides an overview of data mesh principles and hands-on examples for implementing a data mesh. It discusses key concepts of a data mesh including data ownership by domain, treating data as a product, making data available everywhere through self-service, and federated governance of data wherever it resides. Hands-on examples are provided for creating a data mesh topology with Apache Kafka as the underlying infrastructure, developing data products within domains, and exploring consumption of real-time and historical data from the mesh.
Data Lakes are early in the Gartner hype cycle, but companies are getting value from their cloud-based data lake deployments. Break through the confusion between data lakes and data warehouses and seek out the most appropriate use cases for your big data lakes.
Presentacion power point lan inalambricatatigarcia29
Este documento describe las redes inalámbricas (LAN inalámbricas), que permiten transmitir señales sin cables utilizando ondas de radio o infrarrojas. Ofrecen ventajas como la movilidad y la facilidad de instalación sin necesidad de cables. Las redes inalámbricas (WLAN) son flexibles y se usan como alternativa o extensión de las redes cableadas. Identifican a los paquetes de una red Wi-Fi a través de un SSID.
Power BI is a cloud-based business analytics service that allows users to bring their data together and gain insights. It provides a single view of critical business data through live dashboards and rich interactive reports. Gartner has positioned Microsoft as a leader in business intelligence and analytics platforms for nine consecutive years based on its vision. The demo showcases how to create a Power BI account, import and transform different data sources to build a data model, create reports and columns/measures, and publish reports to the web.
This document summarizes digital transformation with Microsoft Azure, including cloud computing, big data, and data lakes. It discusses data lake characteristics such as structured, semi-structured, and unstructured data. Data lakes are used for reporting, visualization, analytics, and machine learning. They provide a single store for raw and processed data ranging from raw copies of source systems to structured data for analytics. The document also briefly mentions Azure Data Lake Analytics, DataBricks, and concludes by thanking the reader.
Differentiate Big Data vs Data Warehouse use cases for a cloud solutionJames Serra
It can be quite challenging keeping up with the frequent updates to the Microsoft products and understanding all their use cases and how all the products fit together. In this session we will differentiate the use cases for each of the Microsoft services, explaining and demonstrating what is good and what isn't, in order for you to position, design and deliver the proper adoption use cases for each with your customers. We will cover a wide range of products such as Databricks, SQL Data Warehouse, HDInsight, Azure Data Lake Analytics, Azure Data Lake Store, Blob storage, and AAS as well as high-level concepts such as when to use a data lake. We will also review the most common reference architectures (“patterns”) witnessed in customer adoption.
Este documento presenta una introducción a los almacenes de datos. Explica que los almacenes de datos son sistemas diseñados para el análisis de datos con fines de toma de decisiones. Se describen algunas de las características clave de los almacenes de datos como que están orientados a la información relevante de la organización, son integradores de datos de múltiples fuentes y almacenan datos históricos de manera no volátil. También introduce el modelo multidimensional que se usa para organizar los datos en los almacenes.
This document discusses building the data lakehouse, a new data architecture that combines the best of data warehouses and data lakes. It introduces the concept of the data lakehouse and compares it to traditional data warehouses and data lakes. The data lakehouse stores all types of data in an open, cloud-based environment and uses machine learning and analytics to deliver insights. It provides a single platform for various users and workloads, from data engineering to data science.
Reseña del libro "Disrupting Data Governance. A Call to Action"Ramón Hernández
Reseña del libro "Disrupting Data Governance. A Call to Action" de Laura B. Madsen.
Puedes consultar el video con la presentación en https://youtu.be/FEmYD2V5khY
El libro presenta un enfoque de Gobierno de Datos Moderno utilzando DGOps que es una variante de DGOps y los métodos ágiles
El documento describe las funciones principales de un administrador de base de datos (DBA). Las funciones incluyen: recuperabilidad (crear y probar respaldos), integridad (verificar integridad de datos), seguridad (definir controles de acceso), disponibilidad (asegurar tiempo de actividad máximo), rendimiento (asegurar máximo rendimiento), y desarrollo y soporte técnico (ayudar a programadores a utilizar la base de datos). En resumen, un DBA se encarga de los aspectos relacionados a la administración y
Una Base de Datos Relacional contiene datos que pueden ser visibles al usuario y que están presentados de forma organizada a través de tablas, las cuales, a su vez, están relacionadas con otras tablas, es decir, que se caracteriza por no poseer información repetida. Además se puede adicionar nueva información sin llegar a afectar la almacenada.
Building Data Quality pipelines with Apache Spark and Delta LakeDatabricks
Technical Leads and Databricks Champions Darren Fuller & Sandy May will give a fast paced view of how they have productionised Data Quality Pipelines across multiple enterprise customers. Their vision to empower business decisions on data remediation actions and self healing of Data Pipelines led them to build a library of Data Quality rule templates and accompanying reporting Data Model and PowerBI reports.
With the drive for more and more intelligence driven from the Lake and less from the Warehouse, also known as the Lakehouse pattern, Data Quality at the Lake layer becomes pivotal. Tools like Delta Lake become building blocks for Data Quality with Schema protection and simple column checking, however, for larger customers they often do not go far enough. Notebooks will be shown in quick fire demos how Spark can be leverage at point of Staging or Curation to apply rules over data.
Expect to see simple rules such as Net sales = Gross sales + Tax, or values existing with in a list. As well as complex rules such as validation of statistical distributions and complex pattern matching. Ending with a quick view into future work in the realm of Data Compliance for PII data with generations of rules using regex patterns and Machine Learning rules based on transfer learning.
Este documento presenta un proyecto de prueba de concepto para crear y explorar modelos de minería de datos utilizando SQL Server Analysis Services. El proyecto incluye crear una base de datos de Analysis Services, agregar un origen de datos, crear vistas de origen de datos, y generar tres modelos de minería de datos utilizando diferentes algoritmos: árboles de decisión, clústeres y naive bayes. Los modelos se exploran utilizando visores de modelo en el Diseñador de minería de datos de SQL Server para comprender las rel
Este documento describe el proceso de minería de datos en SQL Server Analysis Services. Se crean varios modelos de minería de datos, incluidos árboles de decisión, clústeres y naive bayes, para predecir la respuesta de los clientes a una campaña de correo directo. Se utilizan herramientas como el SQL Server Management Studio y el SQL Server Business Intelligence Development Studio para crear proyectos, agregar orígenes de datos, crear vistas de origen de datos y procesar modelos.
This document provides an introduction and overview of Azure Data Lake. It describes Azure Data Lake as a single store of all data ranging from raw to processed that can be used for reporting, analytics and machine learning. It discusses key Azure Data Lake components like Data Lake Store, Data Lake Analytics, HDInsight and the U-SQL language. It compares Data Lakes to data warehouses and explains how Azure Data Lake Store, Analytics and U-SQL process and transform data at scale.
Tableau allows users to create dashboards that display multiple worksheets and views together for easy comparison of data. To create a dashboard, select Dashboard > New Dashboard from the menu. Views and objects can then be added and arranged on the dashboard. Parameters and filters can be used to make dashboards interactive and allow users to dynamically change the data displayed. Maintaining good performance in Tableau requires limiting the amount of data pulled into views through appropriate filtering and aggregation of data.
Este documento describe los conceptos fundamentales de las bases de datos distribuidas. Explica que una base de datos distribuida consiste en fragmentos de datos almacenados en diferentes sitios conectados a través de una red. También define los términos sistema de bases de datos distribuidas, sistema de manejo de bases de datos distribuidas y sistema de base de datos distribuida. Finalmente, discute brevemente las ventajas e inconvenientes de utilizar este tipo de bases de datos.
DAX and Power BI Training - 004 Power QueryWill Harvey
I this session we are introducing Power Query for Excel, the data sources you can connect to, and the transformations you can apply. We also introduce more advanced topics of writing your own M functions.
How to Improve Data Analysis Through Visualization in TableauEdureka!
Data Visualization using Tableau will allow one to gain an edge over the other analysts and let you present the data in a much better and insightful manner. It would be easier for the learners to immediately implement it in their workplace and create a real-time dashboard for their management using one of the most sought-after tools.
Data Lakehouse, Data Mesh, and Data Fabric (r1)James Serra
So many buzzwords of late: Data Lakehouse, Data Mesh, and Data Fabric. What do all these terms mean and how do they compare to a data warehouse? In this session I’ll cover all of them in detail and compare the pros and cons of each. I’ll include use cases so you can see what approach will work best for your big data needs.
El documento presenta información sobre la etapa de estudio preliminar en el proceso de ingeniería de requerimientos. Explica que en esta etapa se realiza el análisis exploratorio para determinar las necesidades de los usuarios y la factibilidad del proyecto, a través de pasos como el estudio de la solicitud y la definición de las tareas a automatizar. También cubre temas como la construcción de tablas de eventos para definir los límites preliminares del sistema.
The document provides an overview of data mesh principles and hands-on examples for implementing a data mesh. It discusses key concepts of a data mesh including data ownership by domain, treating data as a product, making data available everywhere through self-service, and federated governance of data wherever it resides. Hands-on examples are provided for creating a data mesh topology with Apache Kafka as the underlying infrastructure, developing data products within domains, and exploring consumption of real-time and historical data from the mesh.
Data Lakes are early in the Gartner hype cycle, but companies are getting value from their cloud-based data lake deployments. Break through the confusion between data lakes and data warehouses and seek out the most appropriate use cases for your big data lakes.
Presentacion power point lan inalambricatatigarcia29
Este documento describe las redes inalámbricas (LAN inalámbricas), que permiten transmitir señales sin cables utilizando ondas de radio o infrarrojas. Ofrecen ventajas como la movilidad y la facilidad de instalación sin necesidad de cables. Las redes inalámbricas (WLAN) son flexibles y se usan como alternativa o extensión de las redes cableadas. Identifican a los paquetes de una red Wi-Fi a través de un SSID.
Power BI is a cloud-based business analytics service that allows users to bring their data together and gain insights. It provides a single view of critical business data through live dashboards and rich interactive reports. Gartner has positioned Microsoft as a leader in business intelligence and analytics platforms for nine consecutive years based on its vision. The demo showcases how to create a Power BI account, import and transform different data sources to build a data model, create reports and columns/measures, and publish reports to the web.
This document summarizes digital transformation with Microsoft Azure, including cloud computing, big data, and data lakes. It discusses data lake characteristics such as structured, semi-structured, and unstructured data. Data lakes are used for reporting, visualization, analytics, and machine learning. They provide a single store for raw and processed data ranging from raw copies of source systems to structured data for analytics. The document also briefly mentions Azure Data Lake Analytics, DataBricks, and concludes by thanking the reader.
Differentiate Big Data vs Data Warehouse use cases for a cloud solutionJames Serra
It can be quite challenging keeping up with the frequent updates to the Microsoft products and understanding all their use cases and how all the products fit together. In this session we will differentiate the use cases for each of the Microsoft services, explaining and demonstrating what is good and what isn't, in order for you to position, design and deliver the proper adoption use cases for each with your customers. We will cover a wide range of products such as Databricks, SQL Data Warehouse, HDInsight, Azure Data Lake Analytics, Azure Data Lake Store, Blob storage, and AAS as well as high-level concepts such as when to use a data lake. We will also review the most common reference architectures (“patterns”) witnessed in customer adoption.
Este documento presenta una introducción a los almacenes de datos. Explica que los almacenes de datos son sistemas diseñados para el análisis de datos con fines de toma de decisiones. Se describen algunas de las características clave de los almacenes de datos como que están orientados a la información relevante de la organización, son integradores de datos de múltiples fuentes y almacenan datos históricos de manera no volátil. También introduce el modelo multidimensional que se usa para organizar los datos en los almacenes.
This document discusses building the data lakehouse, a new data architecture that combines the best of data warehouses and data lakes. It introduces the concept of the data lakehouse and compares it to traditional data warehouses and data lakes. The data lakehouse stores all types of data in an open, cloud-based environment and uses machine learning and analytics to deliver insights. It provides a single platform for various users and workloads, from data engineering to data science.
Reseña del libro "Disrupting Data Governance. A Call to Action"Ramón Hernández
Reseña del libro "Disrupting Data Governance. A Call to Action" de Laura B. Madsen.
Puedes consultar el video con la presentación en https://youtu.be/FEmYD2V5khY
El libro presenta un enfoque de Gobierno de Datos Moderno utilzando DGOps que es una variante de DGOps y los métodos ágiles
El documento describe las funciones principales de un administrador de base de datos (DBA). Las funciones incluyen: recuperabilidad (crear y probar respaldos), integridad (verificar integridad de datos), seguridad (definir controles de acceso), disponibilidad (asegurar tiempo de actividad máximo), rendimiento (asegurar máximo rendimiento), y desarrollo y soporte técnico (ayudar a programadores a utilizar la base de datos). En resumen, un DBA se encarga de los aspectos relacionados a la administración y
Una Base de Datos Relacional contiene datos que pueden ser visibles al usuario y que están presentados de forma organizada a través de tablas, las cuales, a su vez, están relacionadas con otras tablas, es decir, que se caracteriza por no poseer información repetida. Además se puede adicionar nueva información sin llegar a afectar la almacenada.
Building Data Quality pipelines with Apache Spark and Delta LakeDatabricks
Technical Leads and Databricks Champions Darren Fuller & Sandy May will give a fast paced view of how they have productionised Data Quality Pipelines across multiple enterprise customers. Their vision to empower business decisions on data remediation actions and self healing of Data Pipelines led them to build a library of Data Quality rule templates and accompanying reporting Data Model and PowerBI reports.
With the drive for more and more intelligence driven from the Lake and less from the Warehouse, also known as the Lakehouse pattern, Data Quality at the Lake layer becomes pivotal. Tools like Delta Lake become building blocks for Data Quality with Schema protection and simple column checking, however, for larger customers they often do not go far enough. Notebooks will be shown in quick fire demos how Spark can be leverage at point of Staging or Curation to apply rules over data.
Expect to see simple rules such as Net sales = Gross sales + Tax, or values existing with in a list. As well as complex rules such as validation of statistical distributions and complex pattern matching. Ending with a quick view into future work in the realm of Data Compliance for PII data with generations of rules using regex patterns and Machine Learning rules based on transfer learning.
Este documento presenta un proyecto de prueba de concepto para crear y explorar modelos de minería de datos utilizando SQL Server Analysis Services. El proyecto incluye crear una base de datos de Analysis Services, agregar un origen de datos, crear vistas de origen de datos, y generar tres modelos de minería de datos utilizando diferentes algoritmos: árboles de decisión, clústeres y naive bayes. Los modelos se exploran utilizando visores de modelo en el Diseñador de minería de datos de SQL Server para comprender las rel
Este documento describe el proceso de minería de datos en SQL Server Analysis Services. Se crean varios modelos de minería de datos, incluidos árboles de decisión, clústeres y naive bayes, para predecir la respuesta de los clientes a una campaña de correo directo. Se utilizan herramientas como el SQL Server Management Studio y el SQL Server Business Intelligence Development Studio para crear proyectos, agregar orígenes de datos, crear vistas de origen de datos y procesar modelos.
Este documento describe cómo crear un proyecto de servidor de informes en SQL Server y definir los componentes básicos de un informe, incluido un origen de datos, un conjunto de datos y una tabla. También explica cómo dar formato a los campos de fecha y moneda en un informe, crear una pequeña base de datos de suscriptores y definir una suscripción controlada por datos.
1. El documento describe cómo crear suscripciones controladas por datos en Reporting Services para personalizar la distribución de informes basándose en una lista dinámica de suscriptores. 2. Explica cómo crear un informe básico de tabla en SQL Server usando el Diseñador de informes y la base de datos AdventureWorks. 3. Proporciona instrucciones detalladas sobre cómo definir un origen de datos, conjunto de datos, diseñar la tabla e incluir campos en el informe.
Este documento proporciona instrucciones para crear una base de datos en Microsoft Access 2010, comenzando con la selección de una plantilla de base de datos web en blanco y cambiando el nombre del archivo a "PartsAndSuppliers". Luego, describe los pasos para agregar datos a la base de datos, incluida la creación de tablas, la importación de datos de otras fuentes y la adición de tablas adicionales.
El documento describe los pasos para crear un reporte con gráficos en Visual Studio 2010 utilizando Reporting Services. Incluye crear un proyecto, agregar un origen de datos, diseñar el reporte con controles y gráficos, y asociar los datos para generar el reporte final en diferentes formatos.
Este documento contiene instrucciones paso a paso para conectar Visual Basic a diferentes bases de datos. La primera sección explica cómo conectar VB a una base de datos Microsoft Access, la segunda sección detalla la conexión a SQL Server, y la tercera sección indica los pasos para conectar VB a una base de datos MySQL.
Lozada ivonne-Principales características de Access que se necesita para elab...IvonneElizabethAccess
Microsoft Access permite crear y modificar bases de datos. Los usuarios pueden diseñar tablas, consultas, formularios e informes y vincularlos entre sí. Access también permite importar y exportar datos desde y hacia formatos como Excel y SQL Server. Los usuarios pueden crear consultas para seleccionar datos específicos de las tablas y generar informes para visualizar la información de manera organizada.
El documento describe cómo conectar Visual Basic a diferentes bases de datos como Microsoft Access y Microsoft SQL Server. Explica los pasos para crear conjuntos de datos y conectarse a archivos .accdb, .mdb y bases de datos SQL, incluyendo la configuración de conexiones ODBC y la selección de tablas y vistas. También proporciona consejos de seguridad sobre el almacenamiento de contraseñas.
El documento describe cómo conectarse a diferentes bases de datos desde Visual Basic 6.0, incluyendo Access, SQL Server y MySQL. Explica los pasos para crear conjuntos de datos para archivos .accdb y .mdb de Access, así como cómo conectarse a SQL Server y MySQL utilizando las bibliotecas adecuadas. Proporciona instrucciones detalladas sobre cómo configurar las conexiones y qué opciones seleccionar.
Este documento proporciona una introducción a Einstein Analytics. Explica conceptos clave como datasets, dataflows, aplicaciones, lentes y tableros. Describe cómo Analytics permite explorar y visualizar grandes volúmenes de datos de diferentes fuentes para obtener perspectivas sobre el negocio. Proporciona ejemplos de cómo crear y compartir tableros interactivos que cuentan historias sobre los datos.
¿Cómo utilizar google data studio?
Accede a Data Studio en datastudio.google.com
Familiarízate con el panel de control
Conecta tu primera fuente de datos
Crea tu primer informe
Añade algunos gráficos
Personaliza el formato y añade un título y subtítulos
Compartir el informe
Este documento describe el desarrollo de un sistema de gestión de clientes para Grupo TVCable. El sistema se creará en Access y contendrá tablas de clientes, cuentas por cobrar, empleados y pagos con sus respectivas relaciones. Se desarrollarán formularios, consultas e informes para visualizar y modificar la información de manera eficiente. El objetivo es mejorar el manejo de datos del departamento de ventas mediante una base de datos centralizada.
Este documento describe el desarrollo de un sistema de gestión de clientes para Grupo TVCable. El sistema se creará en Access y contendrá tablas de clientes, cuentas por cobrar, empleados y pagos con sus respectivas relaciones. Se desarrollarán formularios y consultas para visualizar y modificar la información de clientes y realizar informes. El objetivo es facilitar el manejo de datos del departamento de ventas.
Este documento presenta una introducción a las bases de datos relacionales en Access 2010. Explica conceptos básicos como tablas, formularios, informes y macros. Luego describe los pasos para crear una nueva base de datos en Access 2010 asignándole un nombre, y cómo crear una tabla llamada 'Clientes' definiendo sus columnas en la vista de diseño. El objetivo es organizar y gestionar datos sobre un tema determinado usando este programa.
Microsoft Access es un sistema de gestión de bases de datos incluido en Microsoft Office que permite la creación y gestión de bases de datos. Se puede usar para recopilar información sobre un tema particular, como pedidos de clientes o una colección de música. Access permite crear bases de datos, agregar datos, establecer relaciones entre tablas, crear consultas, formularios e informes para editar y mantener la información de la base de datos.
Este documento presenta los pasos para crear una base de datos relacional en Access 2010 sobre una empresa de chocolate didáctica. Explica cómo diseñar tablas de datos, establecer relaciones entre ellas, realizar consultas, y crear formularios e informes. El objetivo es aprender a organizar y almacenar información relacionada con clientes, facturas, empleados, servicios y productos de una manera ordenada y fácil de acceder, usando las herramientas que brinda Access como gestor de bases de datos.
Este documento describe el proceso de creación de un data mart utilizando Microsoft SQL Server R2 y Analysis Services. Se explica que un data mart es una base de datos especializada que extrae y organiza datos de transacciones para su análisis. Luego, se detalla cómo la autora creó una base de datos de ejemplo, diseñó un modelo multidimensional en SQL Server BI Development Studio y generó una dimensión de tiempo para realizar consultas y comparaciones por períodos.
Arquitectura de datos empresariales informe power bi sqlCarlosTenelema1
Este documento describe cómo conectar Power BI con SQL Server para visualizar datos. Explica brevemente las capacidades de Power BI y SQL Server, incluido cómo descargar Power BI desktop e importar tablas de una base de datos SQL Server. Luego detalla los pasos para cargar los datos, transformarlos y crear visualizaciones como tablas y gráficas para mostrar la información de los datos.
Este documento describe los conceptos básicos de bases de datos relacionales en Access 2010, incluyendo tablas, consultas, formularios e informes. Explica cómo crear una base de datos con una tabla de clientes y cómo establecer relaciones entre tablas.
Similar a Guía para la creación de cubos de datos (20)
La Unidad Eudista de Espiritualidad se complace en poner a su disposición el siguiente Triduo Eudista, que tiene como propósito ofrecer tres breves meditaciones sobre Jesucristo Sumo y Eterno Sacerdote, el Sagrado Corazón de Jesús y el Inmaculado Corazón de María. En cada día encuentran una oración inicial, una meditación y una oración final.
José Luis Jiménez Rodríguez
Junio 2024.
“La pedagogía es la metodología de la educación. Constituye una problemática de medios y fines, y en esa problemática estudia las situaciones educativas, las selecciona y luego organiza y asegura su explotación situacional”. Louis Not. 1993.
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxOsiris Urbano
Evaluación de principales hallazgos de la Historia Clínica utiles en la orientación diagnóstica de Hemorragia Digestiva en el abordaje inicial del paciente.
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARIS”. Esta actividad de aprendizaje propone el reto de descubrir el la secuencia números para abrir un candado, el cual destaca la percepción geométrica y conceptual. La intención de esta actividad de aprendizaje lúdico es, promover los pensamientos lógico (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia y viso-espacialidad. Didácticamente, ésta actividad de aprendizaje es transversal, y que integra áreas del conocimiento: matemático, Lenguaje, artístico y las neurociencias. Acertijo dedicado a los Juegos Olímpicos de París 2024.
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...Juan Martín Martín
Criterios de corrección y soluciones al examen de Geografía de Selectividad (EvAU) Junio de 2024 en Castilla La Mancha.
Soluciones al examen.
Convocatoria Ordinaria.
Examen resuelto de Geografía
conocer el examen de geografía de julio 2024 en:
https://blogdegeografiadejuan.blogspot.com/2024/06/soluciones-examen-de-selectividad.html
http://blogdegeografiadejuan.blogspot.com/
200. Efemerides junio para trabajar en periodico mural
Guía para la creación de cubos de datos
1. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 1
Creación de un cubo de datos
Visual Studio Community con Sql Server Analysis Services (SSAS) e Integrations Services.
SQL Server 2014 Enterprise
En esta guía se procederá a la creación de un cubo de datos con Microsoft
SQL Server Analysis Services, desde Visual S tudio Community.
¿Por qué debe crear un cubo?
Si bien hacer consultas a un datamart ciertamente tiene beneficios, y
probablemente basta para algunos escenarios, hay beneficios adicionales que
se pueden conseguir al reempaquetar esos datos una vez más en una estructura
denominada cubo. De hecho, el datamart existe como parada intermedia cuando
los datos se abren paso a su destino final en el cubo, por lo que igualmente es
importante en la solución general.
Un beneficio adicional de crear un cubo para albergar sus datos es que puede
centralizar las reglas de negocios para los cálculos que puede almacenar
fácilmente en un datamart relacional. Asimismo, la estructura del cubo facilita
mucho más la escritura de consultas para comparar datos año tras año o para
crear valores acumulados, como las ventas del año hasta la fecha.
Además, obtiene la capacidad de administrar de forma transparente los datos
agregados en el cubo. Para mejorar el rendimiento de consultas en un datamart
relacional que contiene muchos datos, con frecuencia los administradores de
bases de datos crean tablas de resumen para preparar datos para consultas que
no requieren el detalle del nivel de transacciones. SSAS crea el equivalente lógico
de tablas de resumen, denominado agregaciones y los mantiene actualizados.
En esta guía, se tr abajar á bajo la pr emisa de que los objetivos básicos
para la solución de BI son mostrar ¿Qué canal de ventas es más rentable para
Adventure Works, Venta por Internet o Venta del distribuidor? y ¿si las
tendencias de ventas indican que la demanda de algunos productos está
creciendo o disminuyendo?
Los datos de origen para las soluciones de BI es la base de datos de
AdventureWorksDW2014, que aplica el modelo dimensional y los principios de
ETL. Puede descargar las bases de datos de muestra usada para crear la solución
para Adventure Works desde CodePlex, mediante el buscador de Google,
o desde dónde su pr ofesor le indique.
2. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 2
Preparación de su base de datos de Analysis Services
El primer paso es crear un nuevo proyecto, desde el menú Archivo, Nuevo,
Proyecto… Desde las plantillas disponibles va a seleccionar <Proyecto
multidimensional y de minería de datos de Analysis Services>, luego especifique
un nombre para la solución y opcionalmente cambie la ubicación dónde desee
guardar.
Finalice este paso haciendo clic en Aceptar para crear el proyecto.
Ahora agregue un origen de datos para definir la cadena de conexión para su
datamart. En Solution Explorer, haga clic con el botón secundario en la carpeta
Orígenes de datos y haga clic en Nuevo origen de datos. En el Asistente para
orígenes de datos, haga clic en Siguiente en la página de Bienvenida, si es que
esta no se ha deshabilitado. En la página Seleccionar cómo definir la conexión,
haga clic en Nueva para configurar una nueva conexión. En el Administrador de
conexiones, el valor predeterminado es SQL Server Native Client, que es correcto
para este proyecto, aunque también podría usar un proveedor de OLE DB o .NET
para tener acceso a otros tipos de datos.
Para definir la conexión, escriba el nombre de su servidor en el cuadro de texto
Nombre del servidor o selecciónelo de la lista desplegable, luego seleccione
AdventureWorksDW2014 o el nombre que Usted le haya dado a la base de datos
en SQL Server 2014 Enterprise (o la versión Developers si es esa la que está
utilizando) en la lista desplegable de la base de datos y haga clic en Aceptar.
Puede elegir por escoger una autenticación mediante usuario y contraseña de
SQL Server. Cuando vuelva al Asistente para orígenes de datos, haga clic en
3. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 3
Siguiente. En la página Información de suplantación, seleccione la opción Usar la
cuenta de servicio. La cuenta de servicio se usa para leer datos desde el origen
cuando carga los datos en su base de datos de SSAS y debe tener permisos de
lectura para hacerlo. Haga clic en Siguiente y después en Finalizar para completar
el asistente.
Creación de una Vista del origen de datos
A continuación, cree una vista del origen de datos (DSV) como una abstracción,
o copia si lo quiere llamar así, de las tablas o incluso vistas del origen de datos
que desea usar para definir las dimensiones y los cubos. Puede hacer cambios a
la DSV sin modificar el origen de datos subyacente, que está a la mano si tuviera
solamente permisos de lectura para el datamart y no pudiera hacer cambios en
el origen. En Explorador de soluciones, haga clic con el botón secundario en la
carpeta Vistas del origen de datos y haga clic en Nueva vista del origen de datos.
Haga clic en Siguiente en la página principal si fuera necesario. En la página
Seleccionar un origen de datos, seleccione el origen de datos que acaba de
agregar al proyecto y haga clic en Siguiente. Agregue objetos a DSV haciendo
doble clic en cada tabla o vista que necesite. Para crear una DSV que le ayude a
responder las preguntas sobre BI planteadas al principio de este artículo,
agregue las siguientes tablas a DSV:
1. DimDate (dependiendo de la versión de la base de datos que esté utilizando
puede que esta dimensión esté con el nombre DimTime),
2. DimProduct,
3. DimProductCategory,
4. DimProductSubcategory,
5. FactInternetSales y
6. FactResellerSales.
Mientras aprende a trabajar con SSAS, es una buena idea comenzar con una
DSV sencilla como esta. Siempre puede agregar más tablas más adelante si
necesita admitir otras preguntas con su solución de BI. Haga clic en Siguiente
en el Asistente para vistas del origen de datos cuando haya terminado de
agregar tablas y después haga clic en Finalizar.
No es obligatorio, pero si recomendable que simplifiquelos nombres de las tablas
al seleccionar cada una en el panel Tablas del diseñador de DSV y eliminar los
prefijos Dim y Fact de la propiedad FriendlyName de cada tabla. Los asistentes
que use para crear dimensiones y cubos a su vez usarán el valor en la propiedad
4. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 4
FriendlyName para asignar nombres a objetos. La DSV completa se muestra en
la siguiente figura:
Figura 1: Vista del origen de datos
Además de cambiar las propiedades de una tabla en la DSV, puede definir las
claves principales lógicas o las relaciones lógicas entre las tablas si el origen físico
no las ha definido todavía, aunque en este caso ya están definidas en la base de
datos que se está utilizando. SSAS no podrá mostrar datos correctamente sin
estas definiciones implementadas físicamente en la capa de datos o de manera
lógica en la DSV.
Es importante notar que, en el diseñador de vistas, también puede agregar
un cálculo con nombre, que es como agregar una columna derivada a una vista
o reemplazar el objeto de tabla con una consulta con nombre, lo cual es similar
a crear una vista.
Como preparación para crear la dimensión de fecha en SSAS, debe agregar dos
cálculos con nombre a la tabla Fecha: Quarter y Month, para concatenar la
columna año con las columnas trimestre y mes. De lo contrario, los datos no se
resumirán correctamente por mes, trimestre y año cuando desee ver datos
resumidos. Para agregar el cálculo con nombre para el Trimestre, haga clic con
el botón secundario en la tabla Date o Time en el panel Diseñador y haga clic
5. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 5
en Nuevo cálculo con nombre. En el cuadro de texto Nombre de la columna,
escriba Quarter. En el cuadro de texto Expresión, escriba la siguiente expresión:
'Qtr ' + convert(char(1), CalendarQuarter) + ' ' + convert(char (4),
CalendarYear)
Haga clic en Aceptar y ahora repita estos pasos para agregar el cálculo con
nombre a Month, mediante la expresión siguiente:
left(EnglishMonthName, 3) + ' ' + convert(char(4), CalendarYear)
Observe que la tabla Date o Time en el diseñador nos muestra sus cálculos con
nombre con un icono de calculadora para diferenciarlos físicamente de las
columnas en la tabla. Puede revisar el efecto de agregar los cálculos con nombre
haciendo clic con el botón secundario en la tabla y en Explorar datos. Se abre
una nueva ventana en Visual Studio Community para mostrar los datos de la
tabla de origen.
Cuando se desplaza hasta el extremo derecho, puede ver los valores de los
cálculos con nombre. Se recomienda que siempre use el comando Explorar
datos para confirmar que los cálculos con nombre aparezcan de forma que desea
antes de continuar con la creación de las dimensiones.
Definición de dimensiones en Analysis Services
Después de agregar tablas de dimensiones a la DSV, está preparado para crear
dimensiones en la base de datos SSAS. Como recordatorio, una dimensión se
usa para almacenar información sobre las entidades empresariales, como
personas, lugares y cosas. Para poder responder a las preguntas sobre BI
planteadas al principio de este artículo, debe crear dimensiones para la Fecha y
los Producto.
Para agregar una dimensión al proyecto, inicie el Asistente para dimensiones
con un clic con el botón secundario en la carpeta Dimensiones del Explorador
de Soluciones y al seleccionar Nueva dimensión. En la página Seleccionar método
de creación, mantenga la selección predeterminada para usar una tabla existente
debido a que su DSV incluye la tabla DimDate o DimTime. Para las situaciones
en que podría crear una base de datos simple basada en una pequeña tabla
transaccional que incluye fechas, podría no crear un datamart y en su lugar usar
una de las otras opciones en esta página para generar una tabla de tiempos en
el origen de datos o en el servidor.
6. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 6
Figura 2: Tabla DimDate con cálculos con nombre
En cualquiera de los casos, usted indica una fecha de inicio y una fecha de
término para los datos en la tabla transaccional. SSAS puede crear y rellenar
una tabla física en el origen de datos que usará para rellenar la dimensión
que se mantiene en la base de datos SSAS o puede simplemente mantener
la dimensión exclusivamente en la base de datos SSAS.
Podría elegir generar la tabla física cuando necesite poder admitir consultas
relacionales al origen de dato, Haga clic en Siguiente para continuar.
En la página Especificar información de origen, seleccione DimDate en la lista
desplegable Tabla principal. Observe que la columna de clave es DateKey. La
columna de clave debe identificar de forma exclusiva cada registro en la tabla
para que SSAS puede agregar o agrupar correctamente los datos cuando
devuelva los resultados de la consulta. A continuación, en la lista desplegable
Columna de nombre, seleccione FullDateAlternateKey. SSAS usa la columna
de nombre como etiqueta para mostrar al usuario en lugar de mostrar la
columna de clave. Haga clic en Siguiente.
En la página Seleccionar los atributos de la dimensión, elige los atributos que se
incluirán en la dimensión, que usó para definir etiquetas de jerarquías o grupos
adicionales.
7. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 7
Si incluye o no todos los atributos de una tabla de dimensiones depende de los
tipos de preguntas que desee admitir en su solución BI. Agregue solo tantas
como necesite para asegurar que SSAS se desempeñe de forma óptima, a fin de
evitar consumir espacio de almacenamiento innecesariamente y para evitar
confundir a los usuarios con demasiadas opciones. Para esta dimensión,
seleccione CalendarYear, Quarter y Month. Haga clic en Siguiente, después
haga clic en Finalizar.
Para asegurarse de que cada atributo sea identificado de forma exclusiva,
actualiza la propiedad KeyColumn. Al configurar esta propiedad para las
columnas de clave, se asegura de que Mes se ordene correctamente en secuencia
numérica antes que alfabéticamente por nombre del mes, que es el criterio de
ordenación predeterminado.
Para actualizar la propiedad KeyColumn, seleccione Month en el panel
Atributos en la izquierda. En la ventana Propiedades, haga clic en la propiedad
KeyColumns y después en el botón de puntos suspensivos. En el cuadro de
diálogo KeyColumns, haga clic en la flecha izquierda para borrar la asignación
actual y después haga doble clic en CalendarYear y MonthNumberOfYear.
Ahora asigne una etiqueta a este atributo haciendo clic en el botón de puntos
suspensivos en el cuadro de propiedades NameColumns. Seleccione
EnglishMonthName y haga clic en Aceptar.
Repita estos pasos para configurar la propiedad KeyColumns del atributo
Quarter en CalendarYear y en CalendarQuarter y para configurar la propiedad
NameColumns en Quarter.
La dimensión ahora aparece en el Explorador de soluciones como Date.dim o el
nombre que Ud le haya establecido y el diseñador de dimensiones aparece en la
misma área de trabajo principal de VISUAL STUDIO COMMUNITY.
8. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 8
Figura 3: Dimensión Fecha mostrada en el diseñador
Puede ver la dimensión con sus atributos asociados, incluido el atributo de clave,
en el panel Atributos en la izquierda. Si después decide agregar más atributos,
puede arrastrarlos uno por uno desde el panel Vista del origen de datos hasta
el panel Atributos. Use el Asistente para dimensiones solo cuando comience una
nueva dimensión, pero puede hacer cualquier cambio necesario en el diseñador
de dimensiones.
Ahora use el Asistente para dimensiones para crear la dimensión Producto,
mediante el uso de DimProduct como la tabla principal y
EnglishProductName como la columna de nombre. Debido a la dimensión
Product es un esquema de copo de nieve, el asistente incluye una página
adicional para confirmar que desea incluir las tablas relacionadas,
ProductSubcategory y ProductCategory.
9. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 9
Figura 4: Selección de tablas para la dimensión de Productos
10. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 10
Figura 5: Detección automática de relaciones existentes entre tablas
A continuación, agregue los atributos Color/Color y Tamaño/Size a la dimensión.
Tenga en cuenta que el asistente selecciona automáticamente las columnas de
clave para las tablas de copo de nieve, Clave de subcategoría de producto y la
Clave de categoría de producto. Debe agregar las columnas de nombres
correspondientes a estos atributos, pero primero debe finalizar el asistente
para que pueda modificar las propiedades de atributos.
11. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 11
Figura 6: Selección de atributos para la dimensión Producto
12. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 12
Figura 7: Ahora estamos listos para confirmar las configuraciones de la dimensión
Cuando aparezca el diseñador de dimensiones, seleccione Clave de categoría de
producto en el panel Atributos. En Propiedades, busque la propiedad Name y
cambie el nombre a Categoría.
Desplácese en la ventana Propiedades para buscar la propiedad NameColumn.
Haga clic en el cuadro de texto propiedad para mostrar el botón de puntos
suspensivos, haga clic en el botón, seleccione EnglishProductCategoryName
y haga clic en Aceptar.
Ahora repita estos pasos para renombrar la Clave de subcategoría de producto
a Subcategoría y para especificar EnglishProductSubcategoryName como su
NameColumn. Por último, cambie el nombre al atributo Clave del producto a
Producto.
Adición de jerarquías
13. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 13
Observe la línea ondulante azul que aparece debajo del nombre de dimensión,
Producto, en el panel Atributos. Cuando desplaza el cursor sobre esta línea,
aparece un mensaje de advertencia: "Cree jerarquías con dimensiones que no
sean de elementos primarios y secundarios". Este mensaje es un ejemplo de las
advertencias de prácticas recomendadas incorporadas a SSAS para ayudarle a
crear correctamente una base de datos SSAS.
Vuelva al diseñador de la dimensión DimDate o DimTime, al hacer clic en la
ficha correspondiente en el área de trabajo del documento o al hacer doble clic
en Date.dim en el Explorador de soluciones y allí verá la misma advertencia.
Agregar una jerarquía a una dimensión se considera una práctica recomendada
por varios motivos, en especial para facilitar su uso al usuario y para su
optimización. Más específicamente, una jerarquía ofrece una ruta de navegación
que los usuarios pueden seguir desde datos resumidos hasta datos detallados.
Asimismo, puede mejorar el rendimiento de las consultas al habilitar SSAS para
que calcule y almacene las agregaciones antes de las consultas de los usuarios.
Por ejemplo, si el usuario desea ver la Venta del distribuidor por año y una
jerarquía en la dimensión Fecha define la ruta de resumen desde el atributo clave
(Date Key) al atributo Año calendario, SSAS puede calcular los datos de ventas
por año durante el procesamiento y después poner los resultados en
almacenamiento permanente. Este almacenamiento de agregaciones evita la
necesidad de calcular las ventas de cada año en el momento de la consulta y es
la diferencia clave entre recuperar datos desde un datamart relacional o desde
una base de datos multidimensional como SSAS.
Para agregar una jerarquía a la dimensión Date o Time, arrastre el atributo Año
calendario o Cal endarYeardesde el panel Atributos al panel Jerarquías en el
diseñador de dimensiones, Después de agregar el primer atributo, aparece un
objeto de jerarquía con un nuevo nivel vacío debajo del atributo que acaba de
agregar. Agregue los atributos Trimestre/Quarter y Mes/Month a la jerarquía al
arrastrar cada uno al espacio para el nivel vacío. A continuación, cambie el Name
de la jerarquía haciendo clic con el botón secundario, después haga clic en
Cambiar nombre y escriba Año.
Aunque agregó una jerarquía, igualmente aparece una advertencia para la
dimensión Fecha. Desplace el cursor sobre la línea para ver una nueva
advertencia: "Evite las jerarquías de atributo visibles para los atributos empleados
como niveles en las jerarquías definidas por el usuario". Este mensaje le sugiere
14. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 14
que evite que los usuarios vean un atributo por sí mismo cuando ese atributo
se ha incluido en una jerarquía. En otras palabras, un usuario solo debe poder
ver el atributo cuando navega dentro de la jerarquía.
En mi experiencia, esta decisión es una que en realidad debe tomar en conjunto
con los usuarios. Si decide no tener en cuenta esta advertencia, seleccione
Trimestre/Quarter en el panel Atributos y después, en la ventana Propiedades,
cambie el valor AttributeHierarchyVisible a False (Falso).
Relaciones de atributos
Aparece otra advertencia en la jerarquía misma. En este caso, el mensaje advierte
que podría surgir un problema de rendimiento debido a que faltan las relaciones
de atributos entre uno o más niveles de la jerarquía. SSAS usa las relaciones de
atributos para optimizar el rendimiento de las consultas y el diseño de
agregación, para reducir la cantidad de almacenamiento necesaria para una
dimensión y para acelerar el tiempo de procesamiento de la base de datos.
Haga clic en la ficha Relaciones de atributos en el diseñador de dimensiones
(tenga en cuenta que esta ficha puede no estar disponible en algunas
versiones de Analysis Services). De forma predeterminada todos los atributos
se relacionan directamente con el atributo clave, Date Key. Para optimizar el
diseño al reasignar relaciones, arrastre el objeto Mes/Month al objeto
Trimestre/Quarter y después arrastre el objeto Trimestre/Quarter al objeto
Año/CalendarYear. La relación en el diseñador ahora representa correctamente
la relación de varios a uno entre cada nivel de izquierda a derecha, como se
muestra en la siguiente figura:
15. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 15
Figura 8: Relaciones de atributos
A continuación, agregue una jerarquía a la dimensión Producto (Dim Product)
denominada Categorías que contiene Categoría, Subcategoría y Producto de
arriba abajo. Después de crear la jerarquía, descubrirá que no necesita corregir
las relaciones de atributos entre los niveles porque las relaciones de clave externa
entre las tablas ya están definidas en la Vista del Origen de Datos (DSV). Sin
embargo, puede configurar el valor de la propiedad AttributeHierarchyVisible
en False si lo desea.
Ahora su proyecto contiene dos dimensiones que tienen jerarquías y relaciones
de atributos correctamente definidas. A medida que obtiene más información
sobre el diseño de dimensiones, descubrirá que hay varias propiedades
disponibles para optimizar el rendimiento y controlar el comportamiento
específico en la interfaz de usuario.
Además, es probable que tenga más dimensiones en soluciones de BI más
complejas. Sin embargo, en este punto, ya ha aprendido los aspectos básicos de
las dimensiones y cuenta con lo necesario para seguir creando una solución que
se puede usar al crear un cubo.
Creación de un cubo
Del mismo modo que usa el Asistente para dimensiones para iniciar el proceso
de definir sus dimensiones, use el Asistente para cubos para comenzar a crear
su cubo. En el Explorador de soluciones, haga clic con el botón secundario en la
carpeta Cubos, haga clic en Nuevo cubo y después en Siguiente en la página
principal si corresponde. En la página Seleccionar método de creación, mantenga
16. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 16
la opción predeterminada, pues las otras opciones presentadas se usarían cuando
tenga un diseño que desee crear manualmente o con una plantilla, después haga
que SSAS genere tablas en el origen de datos basándose en ese diseño, que
debería rellenar con datos mediante el uso de Integration Services antes de que
pueda explorar su cubo. Haga clic en Siguiente.
Figura 9: En este momento estamos listos para crear un cubo de datos con las tablas existentes en la vista que ya
disponemos en la Vista
En la página Seleccionar tablas de grupo de medida, seleccione Venta por
Internet FacInternetSal es y Venta del distribuidor FacResel l erSal es y
haga clic en Siguiente (las tablas de grupo de medida son un sinónimo de
tablas de hechos). A continuación, el asistente muestra las columnas numéricas
descubiertas en las tablas de grupo de medidas seleccionadas. De acuerdo con
el enfoque sencillo que hemos seguido hasta ahora, borre todas las medidas al
desmarcar la casilla Medida en la parte superior de la página y después
seleccione las siguientes medidas de cada grupo Venta por Internet y Venta del
distribuidor): Cantidad de pedido OrderQuantity, Costo total del producto
TotalProductCost e Importe de venta SalesAmount.
17. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 17
También puede cambiar el nombre de las medidas en esta página. Solamente
haga clic con el botón secundario y escriba el nuevo nombre, pero asegúrese de
que el nombre de cada medida sea único. El nombre de la medida debe ser
corto, pero no tanto como para que se pueda entender.
Opcionalmente ahor a puede cambiar el nombre de las medidas en el
grupo Venta por Internet de la siguiente manera: Cantidad de pedido por
Internet, Costo por Internet y Venta por Internet. Del mismo modo, cambie el
nombre de las medidas de Venta de distribuidor como Cantidad de pedido de
distribuidor, Costo de distribuidor y Venta del distribuidor. Haga clic en
Siguiente.
En la página Seleccionar dimensiones existentes, el asistente muestra las
dimensiones que ya ha creado, que serían DimProduct y DimDate. Haga clic en
Siguiente. Si hay alguna tabla en la DSV a la que no se haga referencia como
una tabla de grupo de medidas o mediante una dimensión existente, la página
Seleccionar nuevas dimensiones aparecerá para permitirle agregar rápidamente
cualquier otra dimensión que pudiera necesitar. En este caso, borre Venta por
Internet y Venta del distribuidor porque no necesita que estas tablas se creen
como dimensiones. Aunque técnicamente son tablas de grupo de medidas, la
presencia de números de pedido de venta en las tablas le permitiría crear
dimensiones para apoyar los informes o el análisis de ventas según número de
pedido de venta.
18. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 18
Figura 10: Ventana que resume las configuraciones de nuestro cubo de datos
Haga clic en Siguiente, cambie el nombre del cubo a Ventas y haga clic en
Finalizar. ¡Felicitaciones!
¡Creó correctamente un cubo sencillo! El diseñador de cubos muestra los grupos
de medidas y las dimensiones agregadas al cubo en los paneles de la izquierda
y la DSV de origen en la derecha, como se muestra en la siguiente figura:
19. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 19
Figura 11: Diseñador de cubos que muestra los grupos de medidas y las dimensiones
El primer paso que debe tomar después de crear un cubo es configurar la
propiedad FormatString de cada medida para facilitar la vista de valores en el
explorador de cubos. La forma más rápida de hacerlo es ver las medidas en una
cuadrícula. En la barra de herramientas del diseñador de cubos, haga clic en el
quinto botón desde la izquierda para cambiar de la Vista de árbol a la Vista de
cuadrícula. En la Vista de cuadrícula, puede usar la tecla Ctrl para seleccionar
varias medidas de una sola vez. En primer lugar, seleccione Cantidad de pedido
por Internet y Cantidad de pedido del distribuidor. En la ventana Propiedades,
en la lista desplegable FormatString, seleccione Estándar. Después seleccione
todas las medidas restantes para configurar la propiedad FormatString en
Moneda/Currency.
Adición de cálculos
Es posible que para esta parte necesite procesar lo que ya lleva realizado del cubo
de datos e incluso que deba reiniciar Visual Studio Community.
Una característica eficaz de SSAS es la capacidad de agregar cálculos mediante
el uso del lenguaje de expresión multidimensional (MDX). Si puede escribir
fórmulas en Excel, puede crear cálculos en su cubo mediante el uso de
20. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 20
expresiones MDX. Para expresiones más complejas, necesitará dedicar algún
tiempo a obtener más información sobre MDX mediante estudio y muchísima
práctica.
Recuerde que uno de los objetivos de diseño de esta solución es medir la
rentabilidad por canal de ventas. El cubo ahora incluye las medidas que necesita
para calcular la rentabilidad. Costo por Internet, Venta por Internet, Costo del
distribuidor y Venta del distribuidor. La diferencia entre monto de venta
SalesAmount y costos es el margen bruto, pero ese cálculo ofrece dólares
absolutos que no es útil para la comparación entre canales. Además del margen
bruto, debe calcular el porcentaje del margen bruto al dividir el margen bruto
por el importe de venta/SalesAmount.
En el diseñador de cubos, haga clic en la ficha Cálculos, la tercera ficha desde la
izquierda. Después haga clic en el botón Nuevo miembro calculado en la barra
de herramientas, el quinto botón desde la izquierda.
En el cuadro de texto Nombre, escriba [Margen bruto por Internet]. Los
corchetes son obligatorios cuando el nombre incluye espacios. En el cuadro de
texto Expresión, escriba [Venta por Internet] - [Costo por Internet] y después en
la lista desplegable Cadena de formato, seleccione "Moneda". Ahora repita estos
pasos para agregar los cálculos que se muestran en la tabla:
Nombre Expresión Cadena de
formato
[Margen bruto del distribuidor] [Venta del distribuidor] - [Costo del
distribuidor]
"Moneda"
[Pct de margen bruto por
Internet]
[Margen bruto por Internet] / [Venta por
Internet]
"Porcentaje"
[Pct de margen bruto del
distribuidor]
[Margen bruto del distribuidor] / [Venta del
distribuidor]
"Porcentaje"
Implementación de una base de datos de Analysis Services desde VISUAL
STUDIO COMMUNITY
Hasta ahora, aunque ha creado los objetos necesarios para crear una base de
datos SSAS en el servidor, la base de datos en sí todavía no existe. Las tareas de
diseño que realiza en VISUAL STUDIO COMMUNITY producen archivos XML que
se deben implementar en el servidor.
21. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 21
Cuando esos archivos están implementados, puede procesar la base de datos,
que ejecuta los comandos necesarios para crear las estructuras de
almacenamiento definidas por los archivos XML y para rellenar esas estructuras
al ejecutar las consultas al origen de datos especificado.
Dentro de VISUAL STUDIO COMMUNITY, comienza todas estas actividades
haciendo clic con el botón secundario en el proyecto en el Explorador de
soluciones y, a continuación, haga clic en Implementar. Se abre la ventana
Progreso de la implementación para mostrarle cada paso que realiza y si ese
paso tiene éxito o produce un error.
Después de que ha implementado un proyecto, todavía puede hacer cambios
en los diseñadores. Solo implemente el proyecto otra vez como se describió
anteriormente para trasladar sus cambios al servidor e iniciar el procesamiento.
Si se le solicita sobrescribir su base de datos, haga clic en Sí si tiene la seguridad
de que usted es la única persona que hace cambios a la base de datos.
En algunas ocasiones el cambio que haga no desencadenará que el comando
procese la base de datos después de la implementación. En este caso, haga clic
en la dimensión o el cubo que cambió, después haga clic en Procesar y Ejecutar.
Si procesa una dimensión mediante el uso de la opción Proceso completo, que
se requiere si hace un cambio estructural considerable a la dimensión o
dimensiones, también podría necesitar procesar el cubo.
Exploración del cubo en VISUAL STUDIO COMMUNITY
En cada etapa de desarrollo, siempre que haya implementado y procesado
correctamente la solución, puede revisar su progreso desde el punto de vista del
usuario. En el diseñador de cubos, haga clic en la ficha Explorador. El panel de la
izquierda muestra los objetos en la base de datos SSAS en un árbol de
metadatos. El nodo superior del árbol es el cubo. Expanda el nodo Medidas y las
carpetas que contiene para ver todas las medidas disponibles y después expanda
los nodos Fecha de pedido (OrderDate) y Producto (DimProduct) para ver
los atributos en estas dimensiones.
Podría preguntarse por qué el cubo contiene Fecha de vencimiento (DueDate),
Fecha de pedido (OrderDate) y Fecha de envío (ShipDate) cuando solo creó
una dimensión Fecha (DimDate). Estas dimensiones del cubo se denominan
dimensiones realizadoras de funciones porque representan distintas versiones
lógicas de la misma dimensión.
22. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 22
Aparecen automáticamente en el cubo cuando incluye la dimensión Fecha
(DimDate) porque la tabla de hecho contiene tres columnas distintas de clave
externa que se relacionan con la tabla única en la que se basa la dimensión Fecha
(DimDate) para realizar un seguimiento de los eventos de pedidos, envíos y
vencimientos por separado. En el caso de que estas fechas realizadoras de
funciones no son útiles para el análisis, puede eliminar cualquiera que no
necesite en la página Estructura del diseñador de cubos.
Para ver los datos del cubo, arrastre los objetos desde el árbol de metadatos a
la cuadrícula en el centro del diseñador. Comience por arrastrar Ventas por
Internet al área llamada “Coloque campos totales o campos detallados aquí”.
Después repita este proceso para agregar Pct de margen bruto por Internet,
Venta del distribuidor y Pct de margen bruto del distribuidor a la cuadrícula.
Con los resultados de esta consulta sencilla ahora visibles en el explorador de
cubos puede ver qué Venta por Internet es mucho más rentable que Venta
del distribuidor.
Puede continuar explorando estos resultados arrastrando los atributos a las
secciones de la cuadrícula para filas, columnas o filtros, que colectivamente se
denominan ejes, o arrastrando los atributos y medidas fuera de la cuadrícula. El
proceso de agregar objetos a los ejes para refinar la consulta los usuarios de BI
denominan segmentar y que es una forma muy rápida de consultar datos sin
escribir ningún código. Por ejemplo, para segmentar por año, arrastre Order
Date.Year a la sección llamada Coloque campos de fila aquí.
Debido a que Order Date.Year es una jerarquía, como indica el icono con forma
de pirámide, puede rastrear desagrupando datos para segmentar por semestre
al expandir uno o más de los años. Del mismo modo, puede formar un sub-cubo
por categoría al arrastrar Categorías (Categories) al eje de las columnas sobre
las medidas.
Después de colocar objetos en filas o columnas, puede filtrar la lista de elementos
haciendo clic en la flecha en el título. Para eliminar Componentes de la cuadrícula,
haga clic en el título Categoría, desmarque la casilla Componentes y haga clic en
Aceptar. A continuación, para simplificar la vista, arrastre Venta por Internet y
Venta del distribuidor fuera de la cuadrícula. Ahora puede comparar fácilmente
la rentabilidad de los canales de Internet y Revendedores por año y trimestre y
por categoría de producto, como se muestra en la siguiente figura:
23. Universidad Laica Eloy Alfaro de Manabí https://www.uleam.edu.ec/
U
n
Page | 23
Figura 12: Rentabilidad de los canales de ventas poraño y trimestre y por categoría
Uso compartido del cubo con los usuarios
De forma predeterminada, solamente el administrador del servidor puede
acceder al cubo. Sin embargo, cuando su cubo está implementado en Analysis
Server, puede configurar permisos para otorgar acceso a él a los usuarios, de
modo que los habilita para usar su herramienta favorita para explorar el cubo.
Microsoft Excel 2007 es una elección popular para una exploración interactivas,
pero también puede usar Reporting Services para distribuir informes basados en
los datos del cubo, como voy a explicar en un próximo artículo.
Aplicación de sus nuevas habilidades
Ahora que ha creado un cubo de datos, puede aplicar lo que ha aprendido a
sus propios datos al crear nuevos cubos de datos. Si tiene un diseño sencillo
y un conjunto de datos relativamente pequeño, que contiene menos que unos
pocos millones de filas, por ejemplo, puede construir una base de datos sin tener
que hacer el esfuerzo de crear y mantener un datamart. Simplemente configure
una vista del origen de datos para consultar el origen mediante el uso de
consultas con nombre que estructuran los datos lo más parecido posible a un
esquema de estrella. Cuando su origen de datos tiene nuevos datos, puede
simplificar hacer un proceso completo de su base de datos SSAS para mantenerla
actualizada con su origen de datos.
Si tiene más datos que agregar al cubo, debe leer más sobre SSAS en Libros en
línea y otros recursos, ya que este artículo solo explica los aspectos más básicos
que debe saber para crear un cubo sencillo. Por ejemplo, al comienzo de este
artículo, mencioné que un beneficio de SSAS es la administración de la
agregación, pero explicar más sobre ese tema está fuera del alcance de esta
guía.
Autora original: Stacia Misner, consultora, educadora y autora de BI.
Microsoft