DataWarehouse 1

INTRODUCCION AL DATA WAREHOUSE
Un data warehouse es un repositorio unificado para

todos los datos que recogen los diversos sistemas de
una empresa. El repositorio puede ser físico o lógico
y hace hincapié en la captura de datos de diversas
fuentes sobre todo para fines analíticos y de acceso.
Normalmente, un data warehouse se aloja en un

servidor corporativo o en la nube. Los datos de
diferentes aplicaciones de procesamiento de
transacciones Online (OLTP) y otras fuentes se
extraen selectivamente para su uso por aplicaciones
analíticas y de consultas por usuarios.
Data Warehouse es una arquitectura de

almacenamiento de datos que permite a los
ejecutivos de negocios organizar, comprender y
utilizar sus datos para tomar decisiones estratégicas.
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.
Los datamarts que están dotados con estas

estructuras óptimas de análisis presentan las
siguientes ventajas:
› Poco volumen de datos

› Mayor rapidez de consulta
› Consultas SQL y/o MDX sencillas
› Validación directa de la información
› Facilidad para la historización de los datos
CARACTERISTICAS DE UN DATA WAREHOUSE
› Integrado: los datos almacenados en el Data Warehouse deben integrarse en una estructura consistente, por lo que las
inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La información suele
estructurarse también en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.
› Temático: sólo los datos necesarios para

el proceso de generación del
conocimiento del negocio se integran
desde el entorno operacional. Los datos
se organizan por temas para facilitar su
acceso y entendimiento por parte de los
usuarios finales. Por ejemplo, todos los
datos sobre clientes pueden ser
consolidados en una única tabla del Data
Warehouse. De esta forma, las peticiones
de información sobre clientes serán más
fáciles de responder dado que toda la
información reside en el mismo lugar.
› Histórico: el tiempo es parte implícita de la información contenida en un Data Warehouse. En los sistemas operacionales, los
datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, la información
almacenada en el Data Warehouse sirve, entre otras cosas, para realizar análisis de tendencias. Por lo tanto, el Data
Warehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones.
› No volátil: el almacén de información de un Data

Warehouse existe para ser leído, y no modificado. La
información es por tanto permanente, significando la
actualización del Data Warehouse la incorporación de
los últimos valores que tomaron las distintas variables
contenidas en él sin ningún tipo de acción sobre lo que
ya existía.
ARQUITECTURA DE UN DATA WAREHOUSE
PLANIFICACION DE INFRAESTRUCTURA DE UN DATA WAREHOUSE
Definición del proyecto Análisis de requerimientos Diseño de la base de datos
Descripción Descripción Diseño conceptual
Objetivos del proyecto

• Metodología para el desarrollo de
la Base de Datos Casos de uso Diseño lógico
• Asignación de recursos
• Plan de contingencia
Diseño físico
• Software
Requerimientos funcionales • Nomenclatura
• Diseño de relaciones
• Definición de reglas de la BD
Requerimientos no funcionales
PLANIFICACION DE INFRAESTRUCTURA DE UN DATA WAREHOUSE
Comprensión del negocio Se trata de entender claramente los requerimientos y objetivos del proyecto siempre desde una
visión de negocio. Esta fase se subdivide a su vez en las siguientes categorías:
› Definición de los objetivos de negocio y criterios de éxito del negocio (inicial, objetivos de negocio y criterios de éxito
del negocio).
› Evaluación de la situación (inventario de recursos, requisitos supuestos y requerimientos, riesgos y contingencias,

terminología y costes y beneficios)
› Definición de los objetivos del Data Warehouse (objetivos y criterios de éxito).
› Realización del plan del proyecto (plan del proyecto y valoración inicial de herramientas y técnicas).
METODOLOGIA DE KIMBALL PARA EL DATA WAREHOUSE
La metodología se basa en lo que Kimball denomina Ciclo de Vida Dimensional del Negocio (Business Dimensional Lifecycle).
Este ciclo de vida del proyecto de DW, está basado en cuatro principios básicos:
› Centrarse en el negocio: Hay que concentrarse en la identificación de los requerimientos del negocio y su valor
asociado, y usar estos esfuerzos para desarrollar relaciones sólidas con el negocio, agudizando el análisis del mismo
y la competencia consultiva de los implementadores.
› Construir una infraestructura de información adecuada: Diseñar una base de información única, integrada, fácil de
usar, de alto rendimiento donde se reflejará la amplia gama de requerimientos de negocio identificados en la
empresa.
› Realizar entregas en incrementos significativos: crear el almacén de datos (DW) en incrementos entregables en
plazos de 6 a 12 meses. Hay que usa el valor de negocio de cada elemento identificado para determinar el orden de
aplicación de los incrementos. En esto la metodología se parece a las metodologías ágiles de construcción de
software.
› Ofrecer la solución completa: proporcionar todos los elementos necesarios para entregar valor a los usuarios de
negocios. Para comenzar, esto significa tener un almacén de datos sólido, bien diseñado, con calidad probada, y
accesible. También se deberá entregar herramientas de consulta ad hoc, aplicaciones para informes y análisis
avanzado, capacitación, soporte, sitio web y documentación.
METODOLOGIA DE KIMBALL PARA EL DATA WAREHOUSE
METODOLOGIA DE INMON PARA EL DATA WAREHOUSE
En este modelo, la premisa es que la información se almacene al máximo nivel de detalle (garantizando la futura exploración
de los datos), permaneciendo invariable y no volátil, de manera que los cambios que sufran los datos a lo largo del tiempo
queden registrados sin que puedan modificarse o eliminarse.
En este modelo, la premisa es que la información se almacene al máximo nivel de detalle (garantizando la futura exploración
de los datos), permaneciendo invariable y no volátil, de manera que los cambios que sufran los datos a lo largo del tiempo
queden registrados sin que puedan modificarse o eliminarse.
Estas son las claves fundamentales de la arquitectura defendida por Inmon, conocida como ‘Corporate Information Factory
(CIF)’, donde el DataWarehouse centraliza todos los datos de la compañía para alimentar, a continuación, pequeños
DataMarts temáticos, que serán los puntos de acceso para las herramientas de reporting. En este sentido, cada
departamento tendrá su propio DataMart, abastecido con la información del DataWarehouse, listo para su análisis y
explotación.
METODOLOGIA DE INMON PARA EL DATA WAREHOUSE
DIFERENCIAS ENTRE KIMBALL E INMON

DataWarehouse 1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

DataWarehouse 1

Cargado por

Copyright:

Formatos disponibles

INTRODUCCION AL DATA WAREHOUSE

Un data warehouse es un repositorio unificado para

Normalmente, un data warehouse se aloja en un

Data Warehouse es una arquitectura de

Un Datamart es una base de datos departamental,

Los datamarts que están dotados con estas

› Poco volumen de datos

› Temático: sólo los datos necesarios para

› No volátil: el almacén de información de un Data

Definición del proyecto Análisis de requerimientos Diseño de la base de datos

Descripción Descripción Diseño conceptual

Objetivos del proyecto

› Evaluación de la situación (inventario de recursos, requisitos supuestos y requerimientos, riesgos y contingencias,

› Definición de los objetivos del Data Warehouse (objetivos y criterios de éxito).

También podría gustarte