SlideShare una empresa de Scribd logo
Patrón de Arquitecturas Orientadas a Servicios
Arquitectura orientada a servicios
 La arquitectura orientada a servicios de cliente (en
  inglés Service Oriented Architecture), es un concepto
  de arquitectura de software que define la utilización de
  servicios para dar soporte a los requisitos del negocio.
 Permite la creación de sistemas de información
  altamente escalables que reflejan el negocio de la
  organización, a su vez brinda una forma bien definida
  de exposición e invocación de servicios (comúnmente
  pero no exclusivamente servicios web), lo cual facilita
  la interacción entre diferentes sistemas propios o de
  terceros.
Arquitectura orientada a servicios
SOA define las siguientes capas de software:
    Aplicaciones básicas - Sistemas desarrollados bajo cualquier
       arquitectura o tecnología, geográficamente dispersos y bajo
       cualquier figura de propiedad.
      De exposición de funcionalidades - Donde las funcionalidades
       de la capa aplicativa son expuestas en forma de servicios
       (generalmente como servicios web).
      De integración de servicios - Facilitan el intercambio de datos
       entre elementos de la capa aplicativa orientada a procesos
       empresariales internos o en colaboración.
      De composición de procesos - Que define el proceso en términos
       del negocio y sus necesidades, y que varía en función del negocio.
      De entrega - donde los servicios son desplegados a los usuarios
       finales.
DATA WAREHOUSE
INTRODUCCIÓN
 DW es una tecnología construida para optimizar el
  uso y análisis de información utilizado por las
  organizaciones para adaptarse a los cambios en los
  mercados.
 Su función esencial es ser la base de un sistema de
  información gerencial. Debe cumplir el rol de
  integrador de información proveniente de fuentes
  funcionalmente distintas.
DATA WAREHOUSE
 Se caracteriza por ser integrado, no volátil y variable en el
  tiempo, que ayuda a la toma de decisiones en la entidad en
  la que se utiliza
ARQUITECTURA
 Online Transaction Processing (OLTP)
 Consolidación
 Middleware
 Online Analytical Process (OLAP)
 Data Marts
OLTP
 Es un tipo de sistemas que facilitan y administran
  aplicaciones transaccionales, usualmente para entrada
  de datos y recuperación y procesamiento de
  transacciones.
 Los paquetes de software para OLTP se basan en la
  arquitectura cliente-servidor ya que suelen ser
  utilizados por empresas con una red informática
  distribuida.
 Algunos ejemplos de este tipo de aplicaciones son:-
  Compras, - Ventas, - Inventario, - Sueldos
OLAP
 Es una solución utilizada en el campo de la llamada
 Inteligencia empresarial (o Business Intelligence) cuyo
 objetivo es agilizar la consulta de grandes cantidades
 de datos. Para ello utiliza estructuras
 multidimensionales (o Cubos OLAP) que contienen
 datos resumidos de grandes Bases de Datos o Sistemas
 Transaccionales (OLTP). Se usa en informes de
 negocios de ventas, marketing, informes de dirección,
 minería de datos y áreas similares.
TIPOS DE SISTEMAS OLAP
 ROLAP
         Motor relacional. Datos detallados,
  tablas normalizadas. Los esquemas más
  comunes sobre los que se trabaja son estrella
  ó copo de nieve

 MOLAP
        Base de datos multidimensional. el
  resumen de la información es usualmente
  calculado por adelantado.

 HOLAP (Hybrid OLAP)
         Almacena algunos datos en un motor
  relacional y otros en una base de datos
  multidimensional
DATA MARTS
ESQUEMA EN ESTRELLA
         • Modelo de datos que tiene
           una tabla de hechos (o
           tabla fact) que contiene
           los datos para el análisis,
           rodeada de las
           dimensiones estas tiene
           una clave primaria
           simple, mientras que en la
           tabla de hechos,
           la clave principal estará
           compuesta por las claves
           principales de las demás.
ESQUEMA EN COPO DE NIEVE
 Un esquema en copo
de nieve es una
estructura algo más
compleja que el
esquema en estrella. Se
da cuando alguna de las
dimensiones se
implementa con más de
una tabla de datos. La
finalidad es normalizar
las tablas y así reducir el
espacio de
almacenamiento al
eliminar la redundancia
de datos
DATAWAREHOUSE – DATA MINING
DATA WAREHOUSE
DATAesWAREHOUSE
 Un Datawarehouse una
 base de datos corporativa
 que se caracteriza por
 integrar      y       depurar
 información de una o más
 fuentes distintas, para luego
 procesarla permitiendo su
 análisis desde infinidad de
 pespectivas y con grandes
 velocidades de respuesta. La
 creación         de        un
 datawarehouse representa en
 la mayoría de las ocasiones el
 primer paso, desde el punto
 de vista técnico, para
 implantar     una    solución
 completa y fiable de Business
 Intelligence.
Los elementos básicos de un Data
WareHouse
 OLAP: actividad general de búsquedas para presentación de texto y
    números del Data WareHouse, también un estilo dimensional
    especifico de búsquedas y presentación de información y que es
    ejemplificada por vendedores de OLAP.
   ROLAP: un grupo de interfases de usuarios y aplicaciones que le dan a
    la base de datos relacional un estilo dimensional.
   MOLAP: un grupo de interfases de usuarios, aplicaciones y
    propietarios de tecnología de bases de datos que tienen un fuerte estilo
    dimensional
   Ad Hoc Query Tool: un tipo especifico de herramientas de acceso a
    datos por usuarios finales que invita al usuario a formas sus propios
    queries manipulando directamente las tablas relacionales y sus
    uniones.
   Modelado de aplicaciones: un sofisticado tipo de cliente de Data
    WareHouse con capacidades analíticas que transforma o digiere las
Los elementos básicos de un Data
WareHouse
Principales aportaciones de un datawarehouse
 Proporciona una herramienta para la toma de decisiones en
    cualquier área funcional, basándose en información integrada y
    global del negocio.
    Facilita la aplicación de técnicas estadísticas de análisis y
    modelización para encontrar relaciones ocultas entre los datos
    del almacén; obteniendo un valor añadido para el negocio de
    dicha información.
    Proporciona la capacidad de aprender de los datos del pasado y
    de predecir situaciones futuras en diversos escenarios.
    Simplifica dentro de la empresa la implantación de sistemas de
    gestión integral de la relación con el cliente.
    Supone una optimización tecnológica y económica en entornos
    de Centro de Información, estadística o de generación de
    informes con retornos de la inversión espectaculares
USOS DEL DATA WAREHOUSE
 Los datos operacionales y los datos del data warehouse son
  accesados por usuarios que usan los datos de maneras
  diferentes.
USOS DEL DATA WAREHOUSE
 Sólo pocos usuarios accesan a los datos concurrentemente
    En contraste a la producción de sistemas que pueden manejar
     cientos o miles de usuarios concurrentes, al data warehouse accesa
     un limitado conjunto de usuarios en cualquier tiempo determinado.

 Los usuarios generan un procesamiento no predecible
  complejo
    Los usuarios del data warehouse generan consultas complejas. A
     veces la respuesta a una consulta conduce a la formulación de otras
     preguntas más detalladas, en un proceso llamado drilling down. El
     data warehouse puede incluir niveles de resúmenes múltiples,
     derivado de un conjunto principal, único, de datos detallados, para
     soportar este tipo de uso.
USOS DEL DATA WAREHOUSE
 Las consultas de los usuarios accesan a cantidades grandes de datos
    Debido a la necesidad de investigar tendencias y evaluar las relaciones entre
     muchas clases de datos, las consultas al data warehouse permiten accesar a
     volúmenes muy grandes tanto de data detallada como resumida. Debido a los
     requerimientos de datos históricos, los data warehouses evolucionan para llegar
     a un tamaño más grande que sus orígenes operacionales (de 10 a 100 veces más
     grande).

 Las consultas de los usuarios no tienen tiempos de respuesta críticos
    Las transacciones operacionales necesitan una respuesta inmediata porque un
     cliente puede estar esperando una respuesta. En el data warehouse, por el
     contrario, tiene un requerimiento de respuesta no-crítico porque el resultado
     frecuentemente se usa en un proceso de análisis y toma de decisiones. Aunque
     los tiempos de respuesta no son críticos, los usuarios esperan una respuesta
     dentro del mismo día en que es hecha la consulta.
USOS DEL DATA WAREHOUSE
USOS DEL DATA WAREHOUSE
Ejemplo:

 Preparación de un reporte complejo
    Considere un problema bastante típico en una compañía de fabricación grande
     en el que se pide una información (un reporte) que no está disponible.
    El informe incluye las finanzas actuales, el inventario y la condición de personal,
     acompañado de comparaciones del mes actual con el anterior y el mismo mes
     del año anterior, con una comparación adicional de los 3 años precedentes. Se
     debe explicar cada desviación de la tendencia que cae fuera de un rango
     predefinido.
    Sin un data warehouse, el informe es preparado de la manera siguiente:
    La información financiera actual se obtiene desde una base de datos mediante
     un programa de extracción de datos, el inventario actual de otro programa de
     extracción de otra base de datos, la condición actual de personal de un tercer
     programa de extracción y la información histórica desde un backup de cinta
     magnética o CD-ROM.
USOS DEL DATA WAREHOUSE
VENTAJAS DE DATA WAREHOUSE
Se deben considerar los siguientes beneficios empresariales potenciales:
 Los Procesos de Toma de Decisiones pueden ser mejorados mediante la
   disponibilidad de información. Las decisiones empresariales se hacen más rápidas por
   gente más informada.
 Los procesos empresariales pueden ser optimizados. El tiempo perdido esperando por
   información que finalmente es incorrecta o no encontrada, es eliminada.
 Procesos y datos de los sistemas operacionales, así como los datos en el Data
   Warehouse, son usados y examinados.
   Apenas el Data Warehouse comienza a ser fuente primaria de información empresarial
   consistente, pueden comenzar a presentarse las siguientes situaciones:
 La gente tiene mayor confianza en las decisiones empresariales que se toman. Ambos,
   quienes toman las decisiones como los afectados conocen que está basada en buena
   información.
 La información compartida conduce a un lenguaje común, conocimiento común, y
   mejoramiento de la comunicación en la empresa. Se mejora la confianza y cooperación
   entre distintos sectores de la empresa, viéndose reducida la sectorización de funciones.
 Visibilidad, accesibilidad, y conocimiento de los datos producen mayor confianza en los
   sistemas operacionales.
Desventajas del Data Ware House
 No es muy útil para la toma de decisiones en tiempo real
  debido al largo tiempo de procesamiento que puede
  requerir. En cualquier caso la tendencia de los productos
  actuales (junto con los avances del hardware) es la de
  solventar este problema convirtiendo la desventaja en una
  ventaja.
 Requiere de continua limpieza, transformación e
  integración de datos. Mantenimiento.
 En un proceso de implantación puede encontrarse
  dificultades ante los diferentes objetivos que pretende una
  organización.
 Una vez implementado puede ser complicado añadir
  nuevas fuentes de datos.
Operaciones en un Data
Warehouse
Operaciones en un Data
Warehouse
a) Sistemas Operacionales
 Los datos administrados por los sistemas de aplicación operacionales son la fuente principal de
    datos para el data warehouse.
 Las bases de datos operacionales se organizan como archivos indexados (UFAS, VSAM), bases
    de datos de redes/jerárquicas (I-D-S/II, IMS, IDMS) o sistemas de base de datos relacionales
    (DB2, Oracle, Informix, etc.). Según las encuestas, aproximadamente del 70% a 80% de las
    bases de datos de las empresas se organizan usando DBMSs no relacional.
b) Extracción, Transformación y Carga de los Datos
 Se requieren herramientas de gestión de datos para extraer datos desde bases de datos y/o
    archivos operacionales, luego es necesario manipular o transformar los datos antes de cargar
    los resultados en el data warehouse.
 Tomar los datos desde varias bases de datos operacionales y transformarlos en datos requeridos
    para el depósito, se refiere a la transformación o a la integración de datos. Las bases de datos
    operacionales, diseñadas para el soporte de varias aplicaciones de producción, frecuentemente
    difieren en el formato.
 Los mismos elementos de datos, si son usados por aplicaciones diferentes o administrados por
    diferentes software DBMS, pueden definirse al usar nombres de elementos inconsistentes, que
    tienen formatos inconsistentes y/o ser codificados de manera diferente. Todas estas
    inconsistencias deben resolverse antes que los elementos de datos sean almacenados en el data
    warehouse.
Operaciones en un Data
Warehouse
c) Metadata
 Otro paso necesario es crear la metadata. La metadata (es decir, datos acerca de
   datos) describe los contenidos del data warehouse. La metadata consiste de
   definiciones de los elementos de datos en el depósito, sistema(s) del (os)
   elemento(s) fuente. Como la data, se integra y transforma antes de ser
   almacenada en información similar.
d) Acceso de usuario final
 Los usuarios accesan al data warehouse por medio de herramientas de
   productividad basadas en GUI (Graphical User Interface - Interfase gráfica de
   usuario). Pueden proveerse a los usuarios del data warehouse muchos de estos
   tipos de herramientas.
 Estos pueden incluir software de consultas, generadores de reportes,
   procesamiento analítico en línea, herramientas data/visual mining, etc.,
   dependiendo de los tipos de usuarios y sus requerimientos particulares. Sin
   embargo, una sola herramienta no satisface todos los requerimientos, por lo
   que es necesaria la integración de una serie de herramientas.
TRANSFORMACION DE DATOS Y
METADATA
EJEMPLO DE UN DATA
WAREHOUSE
¿PORQUE CONSTRUIR BLOQUES
DE DATA WAREHOUSE?
 1° Se ha reconocido los beneficios del procesamiento analítico en línea (On
  Line Analytical Processing - OLAP), más allá de las áreas tradicionales de
  marketing y finanzas.
 Las organizaciones saben que los conocimientos inmersos en las masas de
  datos que rutinariamente recogen sobre sus clientes, productos, operaciones y
  actividades comerciales, contribuyen a reducir los costos de operación y
  aumentar las rentas, por no mencionar que es más fácil la toma de decisiones
  estratégicas.
 2° El crecimiento de la computación cliente/servidor, ha creado servidores de
  hardware y software más poderosos y sofisticados que nunca. Los servidores de
  hoy compiten con las mainframes de ayer y ofrecen arquitecturas de memoria
  tecnológicamente superiores, procesadores de alta velocidad y capacidades de
  almacenamiento masivas.
 Al mismo tiempo, los Sistemas de Gestión de Base de Datos (Data Base
  Management Systems - DBMS(s)) modernos, proporcionan mayor soporte para
  las estructuras de datos complejas.
CONSIDERACIONES PREVIAS AL
DESARROLLO DE UN DATA
WAREHOUSE
Hay         muchas
maneras       para
desarrollar   data
warehouses como
tantas
organizaciones
existen.       Sin
embargo, hay un
número           de
dimensiones
diferentes     que
necesitan       ser
consideradas:
 Alcance de un
   data warehouse
 Redundancia
   de datos
 Tipo de usuario
   final
DISEÑO DE LA ARQUITECTURA
DISEÑO DE LA ARQUITECTURA
IMPLEMENTACION
 En esta fase, el proyecto de data warehouse debe tener
  asignado el liderazgo adecuado, así como, los recursos
  humanos, recursos tecnológicos y el presupuesto
  apropiado.
 Sin embargo, deben evaluarse otros aspectos, como
  desarrollar un proyecto en su totalidad o por fases y
  además, diferenciar el tipo de proyecto a realizar

Más contenido relacionado

La actualidad más candente

Introduccion datawarehouse
Introduccion datawarehouseIntroduccion datawarehouse
Introduccion datawarehouse
Eduardo Castro
 
Data warehouse
Data warehouseData warehouse
Data warehouse
malupahu
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningNintendo
 
Datawarehouse1
Datawarehouse1Datawarehouse1
Datawarehouse1nestor
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouseguest10616d
 
data warehouse
data warehousedata warehouse
data warehouse
Juan Carlos Pérez Pardo
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
roseneri182
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouseguest10616d
 
Data warehouse
Data warehouseData warehouse
Data warehouse
Anyeni Garay
 
Arquitectura de datos empresariales actividad 2
Arquitectura de datos empresariales   actividad 2Arquitectura de datos empresariales   actividad 2
Arquitectura de datos empresariales actividad 2
CarlosTenelema1
 
38481889 lab-dwh-sql2005
38481889 lab-dwh-sql200538481889 lab-dwh-sql2005
38481889 lab-dwh-sql2005cristhian
 
DATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datosDATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datosMaría Isabel Bautista
 
Data Mart de una área de compras
Data Mart de una área de comprasData Mart de una área de compras
Data Mart de una área de compras
roy_vs
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningNintendo
 
Introducción a DataWarehouse e Inteligencia de Negocios
Introducción a DataWarehouse e Inteligencia de NegociosIntroducción a DataWarehouse e Inteligencia de Negocios
Introducción a DataWarehouse e Inteligencia de Negocios
Sebastian Rodriguez Robotham
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
Alberto J. Belloso B.
 
Data WareHouse. Introduccion
Data WareHouse. IntroduccionData WareHouse. Introduccion
Data WareHouse. Introduccion
Ricardo Mendoza
 

La actualidad más candente (20)

Introduccion datawarehouse
Introduccion datawarehouseIntroduccion datawarehouse
Introduccion datawarehouse
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-mining
 
Datawarehouse1
Datawarehouse1Datawarehouse1
Datawarehouse1
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouse
 
Datawarehouse2
Datawarehouse2Datawarehouse2
Datawarehouse2
 
data warehouse
data warehousedata warehouse
data warehouse
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouse
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Diseño de un Datamart
Diseño de un DatamartDiseño de un Datamart
Diseño de un Datamart
 
Arquitectura de datos empresariales actividad 2
Arquitectura de datos empresariales   actividad 2Arquitectura de datos empresariales   actividad 2
Arquitectura de datos empresariales actividad 2
 
38481889 lab-dwh-sql2005
38481889 lab-dwh-sql200538481889 lab-dwh-sql2005
38481889 lab-dwh-sql2005
 
DATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datosDATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datos
 
Data Mart de una área de compras
Data Mart de una área de comprasData Mart de una área de compras
Data Mart de una área de compras
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-mining
 
Introducción a DataWarehouse e Inteligencia de Negocios
Introducción a DataWarehouse e Inteligencia de NegociosIntroducción a DataWarehouse e Inteligencia de Negocios
Introducción a DataWarehouse e Inteligencia de Negocios
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
Data WareHouse. Introduccion
Data WareHouse. IntroduccionData WareHouse. Introduccion
Data WareHouse. Introduccion
 

Destacado

Técnicas de aprendizaje
Técnicas de aprendizajeTécnicas de aprendizaje
Técnicas de aprendizaje
Xavier Jaramillo
 
Esquema arboreo
Esquema arboreoEsquema arboreo
Esquema arboreo
Ruben2332
 
Lectura, subrayado y esquema
Lectura, subrayado y esquemaLectura, subrayado y esquema
Lectura, subrayado y esquema
almudenamoreno
 
4 El Esquema
4 El Esquema4 El Esquema

Destacado (6)

Técnicas de aprendizaje
Técnicas de aprendizajeTécnicas de aprendizaje
Técnicas de aprendizaje
 
Esquema topicos
Esquema topicosEsquema topicos
Esquema topicos
 
Esquemas arbóreos
Esquemas arbóreos  Esquemas arbóreos
Esquemas arbóreos
 
Esquema arboreo
Esquema arboreoEsquema arboreo
Esquema arboreo
 
Lectura, subrayado y esquema
Lectura, subrayado y esquemaLectura, subrayado y esquema
Lectura, subrayado y esquema
 
4 El Esquema
4 El Esquema4 El Esquema
4 El Esquema
 

Similar a Topicos de ingeneria_de_sistema_sii_calzada1

Cap I - Componentes de Business Intelligence.pptx
Cap I - Componentes de Business Intelligence.pptxCap I - Componentes de Business Intelligence.pptx
Cap I - Componentes de Business Intelligence.pptx
paul638936
 
Negocios inteligentes
Negocios inteligentesNegocios inteligentes
Negocios inteligentes
Victor Dolores Marcos
 
DATAWAREHOUSE
DATAWAREHOUSEDATAWAREHOUSE
DATAWAREHOUSE
nestor
 
ALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptxALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptx
CarlosRodrigo99
 
Datawarehouse 1
Datawarehouse   1Datawarehouse   1
Datawarehouse 1
AlvaroCanaviri2
 
Sistemas de soporte
Sistemas de soporteSistemas de soporte
Sistemas de soporte
gabytacardenas
 
Bussiness inteligence
Bussiness inteligenceBussiness inteligence
Bussiness inteligenceMaryy Aqua
 
Data warehouse
Data warehouseData warehouse
Data warehouse
Marian C.
 
Analisis multidemensional.pdf
Analisis multidemensional.pdfAnalisis multidemensional.pdf
Analisis multidemensional.pdf
mgl27
 
Repositorio De InformacióN
Repositorio De InformacióNRepositorio De InformacióN
Repositorio De InformacióN
gabisss
 
Cuestiones de repaso_cap_31_utpl
Cuestiones de repaso_cap_31_utplCuestiones de repaso_cap_31_utpl
Cuestiones de repaso_cap_31_utpl
Carlos Francisco Ojeda Ureña
 
Conceptos de terminos bi
Conceptos de terminos biConceptos de terminos bi
Conceptos de terminos biLucia Mendez
 
Datawarehouse base datos
Datawarehouse base datosDatawarehouse base datos
Datawarehouse base datos
jaimeja76
 
Fundamentos de Sistemas de Base de Datos (Capítulo 29 y 30)
Fundamentos de Sistemas de Base de Datos (Capítulo 29 y 30)Fundamentos de Sistemas de Base de Datos (Capítulo 29 y 30)
Fundamentos de Sistemas de Base de Datos (Capítulo 29 y 30)
Karina Lucio
 
Data-Warehouse-I.pdf
Data-Warehouse-I.pdfData-Warehouse-I.pdf
Data-Warehouse-I.pdf
Yair Ambrocio
 
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxxPLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
edwin520324
 

Similar a Topicos de ingeneria_de_sistema_sii_calzada1 (20)

Cap I - Componentes de Business Intelligence.pptx
Cap I - Componentes de Business Intelligence.pptxCap I - Componentes de Business Intelligence.pptx
Cap I - Componentes de Business Intelligence.pptx
 
Negocios inteligentes
Negocios inteligentesNegocios inteligentes
Negocios inteligentes
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
DATAWAREHOUSE
DATAWAREHOUSEDATAWAREHOUSE
DATAWAREHOUSE
 
ALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptxALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptx
 
Datawarehouse 1
Datawarehouse   1Datawarehouse   1
Datawarehouse 1
 
Sistemas de soporte
Sistemas de soporteSistemas de soporte
Sistemas de soporte
 
Sistemas de soporte
Sistemas de soporteSistemas de soporte
Sistemas de soporte
 
Bussiness inteligence
Bussiness inteligenceBussiness inteligence
Bussiness inteligence
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Analisis multidemensional.pdf
Analisis multidemensional.pdfAnalisis multidemensional.pdf
Analisis multidemensional.pdf
 
Repositorio De InformacióN
Repositorio De InformacióNRepositorio De InformacióN
Repositorio De InformacióN
 
Cuestiones de repaso_cap_31_utpl
Cuestiones de repaso_cap_31_utplCuestiones de repaso_cap_31_utpl
Cuestiones de repaso_cap_31_utpl
 
Conceptos de terminos bi
Conceptos de terminos biConceptos de terminos bi
Conceptos de terminos bi
 
mineria de datos
mineria de datosmineria de datos
mineria de datos
 
Datawarehouse base datos
Datawarehouse base datosDatawarehouse base datos
Datawarehouse base datos
 
Data Warehouse
Data WarehouseData Warehouse
Data Warehouse
 
Fundamentos de Sistemas de Base de Datos (Capítulo 29 y 30)
Fundamentos de Sistemas de Base de Datos (Capítulo 29 y 30)Fundamentos de Sistemas de Base de Datos (Capítulo 29 y 30)
Fundamentos de Sistemas de Base de Datos (Capítulo 29 y 30)
 
Data-Warehouse-I.pdf
Data-Warehouse-I.pdfData-Warehouse-I.pdf
Data-Warehouse-I.pdf
 
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxxPLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
 

Más de Calzada Meza

Virus informática
Virus informáticaVirus informática
Virus informática
Calzada Meza
 
Calidad y validacion
Calidad y validacionCalidad y validacion
Calidad y validacion
Calzada Meza
 
Topicos ii calzada
Topicos ii calzadaTopicos ii calzada
Topicos ii calzadaCalzada Meza
 
Wsdl bpel4ws chumpitaz
Wsdl bpel4ws chumpitazWsdl bpel4ws chumpitaz
Wsdl bpel4ws chumpitazCalzada Meza
 
Exposicion topicos avanzados_chumpitaz
Exposicion topicos avanzados_chumpitazExposicion topicos avanzados_chumpitaz
Exposicion topicos avanzados_chumpitazCalzada Meza
 
2 do trabajo-penas
2 do trabajo-penas2 do trabajo-penas
2 do trabajo-penasCalzada Meza
 
1 er trabajo-penas1
1 er trabajo-penas11 er trabajo-penas1
1 er trabajo-penas1
Calzada Meza
 
Criptosistemas de cifrado en flujo
Criptosistemas de cifrado en flujoCriptosistemas de cifrado en flujo
Criptosistemas de cifrado en flujo
Calzada Meza
 
Planeamiento estregico
Planeamiento estregicoPlaneamiento estregico
Planeamiento estregico
Calzada Meza
 
Seguridad informática
Seguridad informáticaSeguridad informática
Seguridad informáticaCalzada Meza
 
Compiladores
CompiladoresCompiladores
Compiladores
Calzada Meza
 
Universidad josé carlos mariátegui+logica difusa
Universidad josé carlos mariátegui+logica difusaUniversidad josé carlos mariátegui+logica difusa
Universidad josé carlos mariátegui+logica difusa
Calzada Meza
 
Cliente servidor
Cliente servidorCliente servidor
Cliente servidor
Calzada Meza
 
Inteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racionalInteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racionalCalzada Meza
 
Inteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racionalInteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racional
Calzada Meza
 
Inteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racionalInteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racional
Calzada Meza
 

Más de Calzada Meza (20)

Virus informática
Virus informáticaVirus informática
Virus informática
 
Calidad y validacion
Calidad y validacionCalidad y validacion
Calidad y validacion
 
Topicos ii calzada
Topicos ii calzadaTopicos ii calzada
Topicos ii calzada
 
Trabajoartemio
TrabajoartemioTrabajoartemio
Trabajoartemio
 
Wsdl bpel4ws chumpitaz
Wsdl bpel4ws chumpitazWsdl bpel4ws chumpitaz
Wsdl bpel4ws chumpitaz
 
Exposicion topicos avanzados_chumpitaz
Exposicion topicos avanzados_chumpitazExposicion topicos avanzados_chumpitaz
Exposicion topicos avanzados_chumpitaz
 
2 do trabajo-penas
2 do trabajo-penas2 do trabajo-penas
2 do trabajo-penas
 
1 er trabajo-penas1
1 er trabajo-penas11 er trabajo-penas1
1 er trabajo-penas1
 
Legislaci..
Legislaci..Legislaci..
Legislaci..
 
Topicos ii
Topicos iiTopicos ii
Topicos ii
 
Criptosistemas de cifrado en flujo
Criptosistemas de cifrado en flujoCriptosistemas de cifrado en flujo
Criptosistemas de cifrado en flujo
 
Compilador2
Compilador2Compilador2
Compilador2
 
Planeamiento estregico
Planeamiento estregicoPlaneamiento estregico
Planeamiento estregico
 
Seguridad informática
Seguridad informáticaSeguridad informática
Seguridad informática
 
Compiladores
CompiladoresCompiladores
Compiladores
 
Universidad josé carlos mariátegui+logica difusa
Universidad josé carlos mariátegui+logica difusaUniversidad josé carlos mariátegui+logica difusa
Universidad josé carlos mariátegui+logica difusa
 
Cliente servidor
Cliente servidorCliente servidor
Cliente servidor
 
Inteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racionalInteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racional
 
Inteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racionalInteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racional
 
Inteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racionalInteligencia artificial piensa en forma racional
Inteligencia artificial piensa en forma racional
 

Último

Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdfAsistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Demetrio Ccesa Rayme
 
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
pablomarin116
 
Testimonio Paco Z PATRONATO_Valencia_24.pdf
Testimonio Paco Z PATRONATO_Valencia_24.pdfTestimonio Paco Z PATRONATO_Valencia_24.pdf
Testimonio Paco Z PATRONATO_Valencia_24.pdf
Txema Gs
 
corpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdfcorpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdf
YolandaRodriguezChin
 
Semana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptxSemana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptx
LorenaCovarrubias12
 
CALENDARIZACION DEL MES DE JUNIO - JULIO 24
CALENDARIZACION DEL MES DE JUNIO - JULIO 24CALENDARIZACION DEL MES DE JUNIO - JULIO 24
CALENDARIZACION DEL MES DE JUNIO - JULIO 24
auxsoporte
 
Automatización de proceso de producción de la empresa Gloria SA (1).pptx
Automatización de proceso de producción de la empresa Gloria SA (1).pptxAutomatización de proceso de producción de la empresa Gloria SA (1).pptx
Automatización de proceso de producción de la empresa Gloria SA (1).pptx
GallardoJahse
 
3° UNIDAD 3 CUIDAMOS EL AMBIENTE RECICLANDO EN FAMILIA 933623393 PROF YESSENI...
3° UNIDAD 3 CUIDAMOS EL AMBIENTE RECICLANDO EN FAMILIA 933623393 PROF YESSENI...3° UNIDAD 3 CUIDAMOS EL AMBIENTE RECICLANDO EN FAMILIA 933623393 PROF YESSENI...
3° UNIDAD 3 CUIDAMOS EL AMBIENTE RECICLANDO EN FAMILIA 933623393 PROF YESSENI...
rosannatasaycoyactay
 
Introducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BIIntroducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BI
arleyo2006
 
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdfHABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
DIANADIAZSILVA1
 
evalaución de reforzamiento de cuarto de secundaria de la competencia lee
evalaución de reforzamiento de cuarto de secundaria de la competencia leeevalaución de reforzamiento de cuarto de secundaria de la competencia lee
evalaución de reforzamiento de cuarto de secundaria de la competencia lee
MaribelGaitanRamosRa
 
CAPACIDADES SOCIOMOTRICES LENGUAJE, INTROYECCIÓN, INTROSPECCION
CAPACIDADES SOCIOMOTRICES LENGUAJE, INTROYECCIÓN, INTROSPECCIONCAPACIDADES SOCIOMOTRICES LENGUAJE, INTROYECCIÓN, INTROSPECCION
CAPACIDADES SOCIOMOTRICES LENGUAJE, INTROYECCIÓN, INTROSPECCION
MasielPMP
 
Libro infantil sapo y sepo un año entero pdf
Libro infantil sapo y sepo un año entero pdfLibro infantil sapo y sepo un año entero pdf
Libro infantil sapo y sepo un año entero pdf
danitarb
 
El fundamento del gobierno de Dios. Lec. 09. docx
El fundamento del gobierno de Dios. Lec. 09. docxEl fundamento del gobierno de Dios. Lec. 09. docx
El fundamento del gobierno de Dios. Lec. 09. docx
Alejandrino Halire Ccahuana
 
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIACONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
BetzabePecheSalcedo1
 
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
20minutos
 
Un libro sin recetas, para la maestra y el maestro Fase 3.pdf
Un libro sin recetas, para la maestra y el maestro Fase 3.pdfUn libro sin recetas, para la maestra y el maestro Fase 3.pdf
Un libro sin recetas, para la maestra y el maestro Fase 3.pdf
sandradianelly
 
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptxc3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
Martín Ramírez
 
Portafolio de servicios Centro de Educación Continua EPN
Portafolio de servicios Centro de Educación Continua EPNPortafolio de servicios Centro de Educación Continua EPN
Portafolio de servicios Centro de Educación Continua EPN
jmorales40
 
Proceso de admisiones en escuelas infantiles de Pamplona
Proceso de admisiones en escuelas infantiles de PamplonaProceso de admisiones en escuelas infantiles de Pamplona
Proceso de admisiones en escuelas infantiles de Pamplona
Edurne Navarro Bueno
 

Último (20)

Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdfAsistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
 
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
 
Testimonio Paco Z PATRONATO_Valencia_24.pdf
Testimonio Paco Z PATRONATO_Valencia_24.pdfTestimonio Paco Z PATRONATO_Valencia_24.pdf
Testimonio Paco Z PATRONATO_Valencia_24.pdf
 
corpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdfcorpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdf
 
Semana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptxSemana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptx
 
CALENDARIZACION DEL MES DE JUNIO - JULIO 24
CALENDARIZACION DEL MES DE JUNIO - JULIO 24CALENDARIZACION DEL MES DE JUNIO - JULIO 24
CALENDARIZACION DEL MES DE JUNIO - JULIO 24
 
Automatización de proceso de producción de la empresa Gloria SA (1).pptx
Automatización de proceso de producción de la empresa Gloria SA (1).pptxAutomatización de proceso de producción de la empresa Gloria SA (1).pptx
Automatización de proceso de producción de la empresa Gloria SA (1).pptx
 
3° UNIDAD 3 CUIDAMOS EL AMBIENTE RECICLANDO EN FAMILIA 933623393 PROF YESSENI...
3° UNIDAD 3 CUIDAMOS EL AMBIENTE RECICLANDO EN FAMILIA 933623393 PROF YESSENI...3° UNIDAD 3 CUIDAMOS EL AMBIENTE RECICLANDO EN FAMILIA 933623393 PROF YESSENI...
3° UNIDAD 3 CUIDAMOS EL AMBIENTE RECICLANDO EN FAMILIA 933623393 PROF YESSENI...
 
Introducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BIIntroducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BI
 
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdfHABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
HABILIDADES MOTRICES BASICAS Y ESPECIFICAS.pdf
 
evalaución de reforzamiento de cuarto de secundaria de la competencia lee
evalaución de reforzamiento de cuarto de secundaria de la competencia leeevalaución de reforzamiento de cuarto de secundaria de la competencia lee
evalaución de reforzamiento de cuarto de secundaria de la competencia lee
 
CAPACIDADES SOCIOMOTRICES LENGUAJE, INTROYECCIÓN, INTROSPECCION
CAPACIDADES SOCIOMOTRICES LENGUAJE, INTROYECCIÓN, INTROSPECCIONCAPACIDADES SOCIOMOTRICES LENGUAJE, INTROYECCIÓN, INTROSPECCION
CAPACIDADES SOCIOMOTRICES LENGUAJE, INTROYECCIÓN, INTROSPECCION
 
Libro infantil sapo y sepo un año entero pdf
Libro infantil sapo y sepo un año entero pdfLibro infantil sapo y sepo un año entero pdf
Libro infantil sapo y sepo un año entero pdf
 
El fundamento del gobierno de Dios. Lec. 09. docx
El fundamento del gobierno de Dios. Lec. 09. docxEl fundamento del gobierno de Dios. Lec. 09. docx
El fundamento del gobierno de Dios. Lec. 09. docx
 
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIACONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
 
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
 
Un libro sin recetas, para la maestra y el maestro Fase 3.pdf
Un libro sin recetas, para la maestra y el maestro Fase 3.pdfUn libro sin recetas, para la maestra y el maestro Fase 3.pdf
Un libro sin recetas, para la maestra y el maestro Fase 3.pdf
 
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptxc3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
 
Portafolio de servicios Centro de Educación Continua EPN
Portafolio de servicios Centro de Educación Continua EPNPortafolio de servicios Centro de Educación Continua EPN
Portafolio de servicios Centro de Educación Continua EPN
 
Proceso de admisiones en escuelas infantiles de Pamplona
Proceso de admisiones en escuelas infantiles de PamplonaProceso de admisiones en escuelas infantiles de Pamplona
Proceso de admisiones en escuelas infantiles de Pamplona
 

Topicos de ingeneria_de_sistema_sii_calzada1

  • 1. Patrón de Arquitecturas Orientadas a Servicios
  • 2. Arquitectura orientada a servicios  La arquitectura orientada a servicios de cliente (en inglés Service Oriented Architecture), es un concepto de arquitectura de software que define la utilización de servicios para dar soporte a los requisitos del negocio.  Permite la creación de sistemas de información altamente escalables que reflejan el negocio de la organización, a su vez brinda una forma bien definida de exposición e invocación de servicios (comúnmente pero no exclusivamente servicios web), lo cual facilita la interacción entre diferentes sistemas propios o de terceros.
  • 3. Arquitectura orientada a servicios SOA define las siguientes capas de software:  Aplicaciones básicas - Sistemas desarrollados bajo cualquier arquitectura o tecnología, geográficamente dispersos y bajo cualquier figura de propiedad.  De exposición de funcionalidades - Donde las funcionalidades de la capa aplicativa son expuestas en forma de servicios (generalmente como servicios web).  De integración de servicios - Facilitan el intercambio de datos entre elementos de la capa aplicativa orientada a procesos empresariales internos o en colaboración.  De composición de procesos - Que define el proceso en términos del negocio y sus necesidades, y que varía en función del negocio.  De entrega - donde los servicios son desplegados a los usuarios finales.
  • 4.
  • 6. INTRODUCCIÓN  DW es una tecnología construida para optimizar el uso y análisis de información utilizado por las organizaciones para adaptarse a los cambios en los mercados.  Su función esencial es ser la base de un sistema de información gerencial. Debe cumplir el rol de integrador de información proveniente de fuentes funcionalmente distintas.
  • 7. DATA WAREHOUSE  Se caracteriza por ser integrado, no volátil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza
  • 8. ARQUITECTURA  Online Transaction Processing (OLTP)  Consolidación  Middleware  Online Analytical Process (OLAP)  Data Marts
  • 9. OLTP  Es un tipo de sistemas que facilitan y administran aplicaciones transaccionales, usualmente para entrada de datos y recuperación y procesamiento de transacciones.  Los paquetes de software para OLTP se basan en la arquitectura cliente-servidor ya que suelen ser utilizados por empresas con una red informática distribuida.  Algunos ejemplos de este tipo de aplicaciones son:- Compras, - Ventas, - Inventario, - Sueldos
  • 10. OLAP  Es una solución utilizada en el campo de la llamada Inteligencia empresarial (o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos. Para ello utiliza estructuras multidimensionales (o Cubos OLAP) que contienen datos resumidos de grandes Bases de Datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares.
  • 11. TIPOS DE SISTEMAS OLAP  ROLAP Motor relacional. Datos detallados, tablas normalizadas. Los esquemas más comunes sobre los que se trabaja son estrella ó copo de nieve  MOLAP Base de datos multidimensional. el resumen de la información es usualmente calculado por adelantado.  HOLAP (Hybrid OLAP) Almacena algunos datos en un motor relacional y otros en una base de datos multidimensional
  • 13. ESQUEMA EN ESTRELLA • Modelo de datos que tiene una tabla de hechos (o tabla fact) que contiene los datos para el análisis, rodeada de las dimensiones estas tiene una clave primaria simple, mientras que en la tabla de hechos, la clave principal estará compuesta por las claves principales de las demás.
  • 14. ESQUEMA EN COPO DE NIEVE  Un esquema en copo de nieve es una estructura algo más compleja que el esquema en estrella. Se da cuando alguna de las dimensiones se implementa con más de una tabla de datos. La finalidad es normalizar las tablas y así reducir el espacio de almacenamiento al eliminar la redundancia de datos
  • 17. DATAesWAREHOUSE  Un Datawarehouse una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence.
  • 18. Los elementos básicos de un Data WareHouse  OLAP: actividad general de búsquedas para presentación de texto y números del Data WareHouse, también un estilo dimensional especifico de búsquedas y presentación de información y que es ejemplificada por vendedores de OLAP.  ROLAP: un grupo de interfases de usuarios y aplicaciones que le dan a la base de datos relacional un estilo dimensional.  MOLAP: un grupo de interfases de usuarios, aplicaciones y propietarios de tecnología de bases de datos que tienen un fuerte estilo dimensional  Ad Hoc Query Tool: un tipo especifico de herramientas de acceso a datos por usuarios finales que invita al usuario a formas sus propios queries manipulando directamente las tablas relacionales y sus uniones.  Modelado de aplicaciones: un sofisticado tipo de cliente de Data WareHouse con capacidades analíticas que transforma o digiere las
  • 19. Los elementos básicos de un Data WareHouse
  • 20. Principales aportaciones de un datawarehouse  Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio.  Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información.  Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios.  Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente.  Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares
  • 21. USOS DEL DATA WAREHOUSE  Los datos operacionales y los datos del data warehouse son accesados por usuarios que usan los datos de maneras diferentes.
  • 22. USOS DEL DATA WAREHOUSE  Sólo pocos usuarios accesan a los datos concurrentemente  En contraste a la producción de sistemas que pueden manejar cientos o miles de usuarios concurrentes, al data warehouse accesa un limitado conjunto de usuarios en cualquier tiempo determinado.  Los usuarios generan un procesamiento no predecible complejo  Los usuarios del data warehouse generan consultas complejas. A veces la respuesta a una consulta conduce a la formulación de otras preguntas más detalladas, en un proceso llamado drilling down. El data warehouse puede incluir niveles de resúmenes múltiples, derivado de un conjunto principal, único, de datos detallados, para soportar este tipo de uso.
  • 23. USOS DEL DATA WAREHOUSE  Las consultas de los usuarios accesan a cantidades grandes de datos  Debido a la necesidad de investigar tendencias y evaluar las relaciones entre muchas clases de datos, las consultas al data warehouse permiten accesar a volúmenes muy grandes tanto de data detallada como resumida. Debido a los requerimientos de datos históricos, los data warehouses evolucionan para llegar a un tamaño más grande que sus orígenes operacionales (de 10 a 100 veces más grande).  Las consultas de los usuarios no tienen tiempos de respuesta críticos  Las transacciones operacionales necesitan una respuesta inmediata porque un cliente puede estar esperando una respuesta. En el data warehouse, por el contrario, tiene un requerimiento de respuesta no-crítico porque el resultado frecuentemente se usa en un proceso de análisis y toma de decisiones. Aunque los tiempos de respuesta no son críticos, los usuarios esperan una respuesta dentro del mismo día en que es hecha la consulta.
  • 24. USOS DEL DATA WAREHOUSE
  • 25. USOS DEL DATA WAREHOUSE Ejemplo:  Preparación de un reporte complejo  Considere un problema bastante típico en una compañía de fabricación grande en el que se pide una información (un reporte) que no está disponible.  El informe incluye las finanzas actuales, el inventario y la condición de personal, acompañado de comparaciones del mes actual con el anterior y el mismo mes del año anterior, con una comparación adicional de los 3 años precedentes. Se debe explicar cada desviación de la tendencia que cae fuera de un rango predefinido.  Sin un data warehouse, el informe es preparado de la manera siguiente:  La información financiera actual se obtiene desde una base de datos mediante un programa de extracción de datos, el inventario actual de otro programa de extracción de otra base de datos, la condición actual de personal de un tercer programa de extracción y la información histórica desde un backup de cinta magnética o CD-ROM.
  • 26. USOS DEL DATA WAREHOUSE
  • 27. VENTAJAS DE DATA WAREHOUSE Se deben considerar los siguientes beneficios empresariales potenciales:  Los Procesos de Toma de Decisiones pueden ser mejorados mediante la disponibilidad de información. Las decisiones empresariales se hacen más rápidas por gente más informada.  Los procesos empresariales pueden ser optimizados. El tiempo perdido esperando por información que finalmente es incorrecta o no encontrada, es eliminada.  Procesos y datos de los sistemas operacionales, así como los datos en el Data Warehouse, son usados y examinados. Apenas el Data Warehouse comienza a ser fuente primaria de información empresarial consistente, pueden comenzar a presentarse las siguientes situaciones:  La gente tiene mayor confianza en las decisiones empresariales que se toman. Ambos, quienes toman las decisiones como los afectados conocen que está basada en buena información.  La información compartida conduce a un lenguaje común, conocimiento común, y mejoramiento de la comunicación en la empresa. Se mejora la confianza y cooperación entre distintos sectores de la empresa, viéndose reducida la sectorización de funciones.  Visibilidad, accesibilidad, y conocimiento de los datos producen mayor confianza en los sistemas operacionales.
  • 28. Desventajas del Data Ware House  No es muy útil para la toma de decisiones en tiempo real debido al largo tiempo de procesamiento que puede requerir. En cualquier caso la tendencia de los productos actuales (junto con los avances del hardware) es la de solventar este problema convirtiendo la desventaja en una ventaja.  Requiere de continua limpieza, transformación e integración de datos. Mantenimiento.  En un proceso de implantación puede encontrarse dificultades ante los diferentes objetivos que pretende una organización.  Una vez implementado puede ser complicado añadir nuevas fuentes de datos.
  • 29. Operaciones en un Data Warehouse
  • 30. Operaciones en un Data Warehouse a) Sistemas Operacionales  Los datos administrados por los sistemas de aplicación operacionales son la fuente principal de datos para el data warehouse.  Las bases de datos operacionales se organizan como archivos indexados (UFAS, VSAM), bases de datos de redes/jerárquicas (I-D-S/II, IMS, IDMS) o sistemas de base de datos relacionales (DB2, Oracle, Informix, etc.). Según las encuestas, aproximadamente del 70% a 80% de las bases de datos de las empresas se organizan usando DBMSs no relacional. b) Extracción, Transformación y Carga de los Datos  Se requieren herramientas de gestión de datos para extraer datos desde bases de datos y/o archivos operacionales, luego es necesario manipular o transformar los datos antes de cargar los resultados en el data warehouse.  Tomar los datos desde varias bases de datos operacionales y transformarlos en datos requeridos para el depósito, se refiere a la transformación o a la integración de datos. Las bases de datos operacionales, diseñadas para el soporte de varias aplicaciones de producción, frecuentemente difieren en el formato.  Los mismos elementos de datos, si son usados por aplicaciones diferentes o administrados por diferentes software DBMS, pueden definirse al usar nombres de elementos inconsistentes, que tienen formatos inconsistentes y/o ser codificados de manera diferente. Todas estas inconsistencias deben resolverse antes que los elementos de datos sean almacenados en el data warehouse.
  • 31. Operaciones en un Data Warehouse c) Metadata  Otro paso necesario es crear la metadata. La metadata (es decir, datos acerca de datos) describe los contenidos del data warehouse. La metadata consiste de definiciones de los elementos de datos en el depósito, sistema(s) del (os) elemento(s) fuente. Como la data, se integra y transforma antes de ser almacenada en información similar. d) Acceso de usuario final  Los usuarios accesan al data warehouse por medio de herramientas de productividad basadas en GUI (Graphical User Interface - Interfase gráfica de usuario). Pueden proveerse a los usuarios del data warehouse muchos de estos tipos de herramientas.  Estos pueden incluir software de consultas, generadores de reportes, procesamiento analítico en línea, herramientas data/visual mining, etc., dependiendo de los tipos de usuarios y sus requerimientos particulares. Sin embargo, una sola herramienta no satisface todos los requerimientos, por lo que es necesaria la integración de una serie de herramientas.
  • 33. EJEMPLO DE UN DATA WAREHOUSE
  • 34. ¿PORQUE CONSTRUIR BLOQUES DE DATA WAREHOUSE?  1° Se ha reconocido los beneficios del procesamiento analítico en línea (On Line Analytical Processing - OLAP), más allá de las áreas tradicionales de marketing y finanzas.  Las organizaciones saben que los conocimientos inmersos en las masas de datos que rutinariamente recogen sobre sus clientes, productos, operaciones y actividades comerciales, contribuyen a reducir los costos de operación y aumentar las rentas, por no mencionar que es más fácil la toma de decisiones estratégicas.  2° El crecimiento de la computación cliente/servidor, ha creado servidores de hardware y software más poderosos y sofisticados que nunca. Los servidores de hoy compiten con las mainframes de ayer y ofrecen arquitecturas de memoria tecnológicamente superiores, procesadores de alta velocidad y capacidades de almacenamiento masivas.  Al mismo tiempo, los Sistemas de Gestión de Base de Datos (Data Base Management Systems - DBMS(s)) modernos, proporcionan mayor soporte para las estructuras de datos complejas.
  • 35. CONSIDERACIONES PREVIAS AL DESARROLLO DE UN DATA WAREHOUSE Hay muchas maneras para desarrollar data warehouses como tantas organizaciones existen. Sin embargo, hay un número de dimensiones diferentes que necesitan ser consideradas:  Alcance de un data warehouse  Redundancia de datos  Tipo de usuario final
  • 36. DISEÑO DE LA ARQUITECTURA
  • 37. DISEÑO DE LA ARQUITECTURA
  • 38. IMPLEMENTACION  En esta fase, el proyecto de data warehouse debe tener asignado el liderazgo adecuado, así como, los recursos humanos, recursos tecnológicos y el presupuesto apropiado.  Sin embargo, deben evaluarse otros aspectos, como desarrollar un proyecto en su totalidad o por fases y además, diferenciar el tipo de proyecto a realizar