Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Datamart y OLAP

Presentacion parte del curso de BI para no informaticos
by

Christian Rosado

on 6 April 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Datamart y OLAP

En resumen Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica.
Que es un Data mart Un Data Mart es una version especial almacén de datos (data warehouse). Como los almacenes de datos, los data marts contienen una visión de datos operacionales que ayudan a decidir sobre estrategias de negocio basadas en el análisis de tendencias y experiencias pasadas.
La diferencia principal es que la creación de un data mart es especifica para una necesidad de datos seleccionados, enfatizando el fácil acceso a una información relevante. Data marts y cubos dimensionales Por: Christian Rosado Cubos Dimensionales OLAP es el acrónimo en inglés de procesamiento analítico en línea (On-Line Analytical Processing). 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. OLAP "Los Sistemas OLAP son los sistemas de procesamiento analítico en línea, permiten realizar un análisis multidimensional de los datos, lo cual ofrece un enfoque más realista de los negocios; la Minería de datos se enfoca en la explotación de los datos para detectar patrones o relaciones entre los mismos, permitiendo a los analistas entender los factores de éxito del negocio." Dimenciones Existen Dos tipos de dimensiones y son Los productos Data Warehouse han nacido para resolver problemas de análisis de grandes masas de información, en empresas donde una pequeña diferencia en el valor de una variable, puede afectar la cuenta de resultado con unas diferencias de millones de dólares.
Data Mart se destaca por una definición de requerimientos más fácil y rápida También se simplifica el desarrollo de todo el mecanismo de su base de datos y con ello baja substancialmente todo el coste del proyecto, así como su duración. Normalmente, Data Mart resuelve aplicaciones a nivel departamental, aunque en ocasiones se desarrolla una aplicación que integre todas ellas y proporciona las funciones de un EIS (Executive Information System) Los data marts se relacionan de dos formas con el data warehouse: La primera , ser formados desde procesos de Extracción transmisión y carga como alimentadores o parte de nuestro datawarehouse Y la segunda ser accedidos desde vistas dimensionales si desean información mas detallada la pueden encontrar en el siguiente documento http://www.slideshare.net/slideshow/embed_code/18206276 Donde se encuentra el cubo dimensional en relación a nuestro Datawarehouse: CONNOLLY, Thomas M.; BEGG, Carolyn E., Sistemas de Bases de datos: Un enfoque práctico para diseño, implementación y gestión, Pearson, España, 4ta. Edición, 2005 Este es un ejemplo de perspectiva de como se ve un cubo OLAP Los tipos de Olap son: ROLAP está compuesta por un servidor de banco de datos relacional y el motor OLAP se encuentra en un servidor dedicado.

MOLAP Esta implementación OLAP almacena los datos en una base de datos multidimensional.

HOLAP (Hybrid OLAP) Este tipo de OLAP almacena algunos datos en un motor relacional y otros en una base de datos multidimensional.

OTROS TIPOS: Los siguientes acrónimos a veces también se utilizan, aunque no son sistemas tan generalizados como los anteriores:

WOLAP o Web OLAP: OLAP basado u orientado para la web.
DOLAP o Desktop OLAP: OLAP de escritorio
RTOLAP o Real Time OLAP: OLAP en tiempo real
SOLAP o Spatial OLAP: OLAP espacial
Dimensiones regulares:

Son aquellos datos que se quieren medir, por ejemplo, si desea seguir el control de sus ventas, puede utilizar:
Clientes: Quienes son los mejores, donde se encuentran, ¿Qué es lo que compran?
Productos: Con respecto a los clientes, ¿Quien los compra? ¿Qué productos se están vendiendo?
Tiempo: ¿Como voy ahora con respecto al último año o último mes?

En otro tipo de aplicaciones, por ejemplo cuentas por cobrar, se pueden utilizar dimensiones como el Tiempo para llevar control del vencimiento de sus documentos. En contabilidad, una dimensión podría ser su catálogo de cuentas, etc.

Estas dimensiones se conforman de elementos que están dispuestos en niveles jerárquicos o simplemente niveles. Los niveles pueden ser por ejemplo, país, estado, ciudad. Se puede navegar a través de esta jerarquía a través de los niveles o a través de sus elementos.
Dimensión de medida

Son los números que aparecen en el análisis dependiendo de los elementos seleccionados en las dimensiones regulares. Por ejemplo, en un cubo de ventas, se podrá escoger ver las ventas, el número de artículos vendidos, ganancia, costo, etc. En este vídeo relaciona lo que es datawarehouse con datamarts ojo al no ser informáticos solo tomemos las ideas principales En resumen OLAP o Proceso analítico en línea es el nombre formal para el análisis de cubos multidimensionales - los cuales son una forma más intuitiva de ver la información empresarial.
Full transcript