Datamining y Datawarehousing

Descripción

cuadro conceptual de datamining y datawarehousing
David Villegas Ramirez
Mapa Mental por David Villegas Ramirez, actualizado hace más de 1 año
David Villegas Ramirez
Creado por David Villegas Ramirez hace más de 7 años
32
0

Resumen del Recurso

Datamining y Datawarehousing
  1. “Un Data Warehouse es una colección de datos orientada al negocio, integrada, variante en el tiempo y no volátil para el soporte del proceso de toma de decisiones de la gerencia”.
    1. Concepto de Warehouse:
      1. Datos integrados Al integrarse por medio del proceso de transformación deben coincidir en su estructura, medida y forma en general.
        1. Variables en el tiempo: Pueden manejar una línea de tiempo que oscila aproximadamente entre cinco y diez años, y dichos datos no pueden ser alterados una vez alojados en el DW.
          1. No volátil: La estabilidad, persistencia de los datos y la conservación en el tiempo es lo que precisa la robustez del Data Warehouse.
            1. Orientado al sujeto se refiere a que los datos sean unidos y organizados por las relaciones.
    2. El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.
      1. Datamart Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica. Se caracteriza por disponer la estructura óptima de datos para analizar la información al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de un datawarehouse, o integrar por si mismo un compendio de distintas fuentes de información.
        1. Ventajas: • Campos comparativos • Origen común • Procesamiento distribuido
          1. Desventajas: Tiempo largo de desarrollo
        2. Planeación y administración del proyecto de data warehouse
          1. Planeación: Las decisiones tomadas durante la fase de planeación tienen un impacto significativo en el ámbito de implementación y en la magnitud del esfuerzo. Las decisiones clave de planeación incluyen la selección de un enfoque de Io general a Io particular, de abajo hacia arriba (en sentido opuesto) o combinado; la selección de la arquitectura apropiada de Data Warehouse; la selección adecuada del ámbito de información, fuentes de datos y tamaño del metamodelo; y la estimación de planes de programa y proyecto y justificaciones de presupuesto.
            1. Requerimientos: Durante la fase de requerimientos se debe considerar una diversidad de ellos. Los requerimientos son conducidos por el negocio y por la tecnología. La cuidadosa selección y especificación de requerimientos en esta etapa proporciona un proyecto cimentado que arroja resultados con rapidez.
              1. Análisis: La fase de análisis es importante ya que determina la forma en que se cubrirán los requerimientos. Esta fase se enfoca principalmente en la conversión de especificaciones de requerimientos a especificaciones de metamodelo para el Data Warehouse. Después, estas especificaciones se usan para generar extractores del Data Warehouse y software de transformación, integración, resumen y adición.
                1. Construcción: La fase de construcción resalta los diversos intercambios “construir en comparación con comprar”. Mediante la selección adecuada de componentes suministrados por fabricantes, es posible construir una primera implementación del Data Warehouse rápida y eficaz.
                  1. Despliegue: La fase de despliegue en el ciclo de desarrollo del Data Warehouse tiene un componente único denominado comercialización de información. Esto reconoce que la mercancía que suministra el Data Warehouse a sus usuarios finales (clientes) es la propia información. Como un producto de mercancía, la información también debe comercializarse como los bienes de consumo. La comercialización comprende la capacidad de hacer énfasis en la disponibilidad, los beneficios y el empaque para hacerla atractiva al usuario final.
          2. Modelo de implementación En esta etapa lleva implícitos los siguientes pasos: • Extracción de los datos del sistema operacional y transformación de los mismos. • Carga de los datos validados en el Data Warehouse. • Explotación del Data Warehouse mediante diversas técnicas dependiendo del tipo de aplicación que se dé a los datos.
            1. Técnicas Explotación dependiendo del tipo de aplicación que se dé a los datos:  El sistema de Extracción, Transformación y Carga (ETL) es la base sobre la cual se alimenta el Data warehouse.  Explotación del Data Warehouse mediante diversas técnicas dependiendo del tipo de aplicación que se dé a los datos: • Query & Reporting • On-line analytical processing (OLAP) • Información de gestión Executive Information System (EIS) ó • Decision Support Systems (DSS) • Visualización de la información • Data Mining ó Minería de Datos, etc
            2. Modelado Dimensional
              1. Escoger el proceso de negocio Consiste en, elegir el área a modelizar. Esta es una decisión de la dirección, y depende fundamentalmente del análisis de requerimientos y de los temas analíticos anotados en la etapa anterior.
                1. Daclarar el "grain" El "grain" del modelo es la descripción exacta de lo que el modelo dimensional debería concentrarse. Para aclarar lo que significa el "grain", se debe escoger el proceso central y describirlo con una sola oración
                  1. Identificar las dimensiones Las dimensiones son la base de la tabla de hechos, y es donde se recogen los datos de la tabla de hechos. Normalmente las dimensiones son sustantivos, como fecha, tienda, inventario, etc.
                    1. Identificar los hechos Este paso es identificar los hechos numéricos que poblarán cada fila de la tabla de hechos. Este paso está estrechamente relacionado con los usuarios de negocio del sistema, ya que es donde consiguen el acceso a los datos almacenados en el almacén de datos.
              Mostrar resumen completo Ocultar resumen completo

              Similar

              MENTEFACTO BASE DE DATOS
              jessica patiño
              Mapa Conceptual de la arquitectura de base de datos
              Alan Alvarado
              Creación de un glosario
              palomares07
              Mapa mental Base de datos
              sebastian97-19
              Base de datos Requerida por un Sistema Computacional
              Amanda Paz
              Periodismo de datos
              luisguet
              Transacciones en SQL
              chicowar76
              SQL Server MTA 98-364
              Kelvin Rivas
              Conceptos fundamentales, objetivos, usos y aplicaciones de las bases de datos
              Mildred González Maglioni
              Base de Datos: Enfoque de Agregación
              Erik Valdebenito
              Algoritmo de Bernstein
              Pedro Romero