DATAWAREHOUSE DATAMARTS DATAMINING

1
DATAWAREHOUSE DATAMARTSDATAMINING

• OMARY PEÑA A.
• LIDIETH BOLAÑOS B.
• YANELA TRUJILLO V.
• LUIS E. GUZMAN V.
• RICARDO LOPEZ C.

2
Introducción DW

• Hoy en día toda empresa necesita depositar
  mucha confianza en la toma de decisiones sobre
  los negocios, para tomar dichas decisiones
  requerimos hechos y cifras, sabemos que la
  competencia crece en todo momento entonces las
  decisiones que debemos tomar en nuestra empresa
  deben ser mas aceleradas pero que pasa si
  tenemos una montaña de información la cual debe
  ser analizada, lógicamente pensamos que
  necesitaríamos mucho tiempo.

3
DATAWAREHOUSE

• InmonMicroSt96 (considerado el padre de las
  B.D.) en 1992 "Un DW es una colección de datos
  orientados a temas, integrados, no-volátiles y
  variante en el tiempo, organizados para soportar
  necesidades empresariales".
• En 1993, Susan OsterfeldtMicroSt96 publica una
  definición que sin duda acierta en la clave del
  DW "Yo considero al DW como algo que provee dos
  beneficios empresariales reales integración y
  Acceso de datos. DW elimina una gran cantidad de
  datos inútiles y no deseados, como también el
  procesamiento desde el ambiente operacional
  clásico".

4
Podemos concluir

• Es un proceso, no un producto
• El DW es un conjunto de procesos y acciones, es
  una colección de datos orientados a un tema,
  integrados y no volátiles en el soporte al
  proceso de toma de decisiones de la gerencia.

5

2005
6
Resultados de la Arquitectura

• Los principales resultados del desarrollo de
  la arquitectura DW incluyen
• El modelo de datos fuente.
• El modelo de datos conceptual DW.
• Arquitectura tecnológica DW.
• Estándares y procedimientos DW.
• El plan de implementaci ón incremental para el
  DW.

7
Procesos datawarehouse

• Los procesos que conforma el datawarehouse son
• Extracción  
• Elaboración 
• Carga 
• Explotación

8
Quiénes y para qué lo usan?

• Comercio Minorista
• Manufactura de bienes de consumo masivo
• Telecomunicaciones

9
Cómo trabaja el Data Warehouse?

•  
• Extrae la información operacional.
• Transforma la operación a formatos consistentes.
• Automatiza las tareas de la información ara
  prepararla a un análisis eficiente.

10
En que podemos usarlo?

• Manejo de relaciones de marketing.
• Análisis de rentabilidad.
• Reducción de costos.

11
por qué usar un Data warehouse?

• Obtiene respuestas en tiempos razonables.
• Analiza desde una perspectiva en el tiempo con la
  información histórica que se brinde.
• Nos permite tener fuentes externas para ayudar a
  nuestra información.
• La información proveniente de fuentes
  operacionales es transformada y limpiada para
  lograr consistencia.

12
Qué es el DataMining?

• Análisis y exploración automática de grandes
  bases de datos para extraer información útil y
  no evidente.
• Técnicas de análisis de datos encaminadas a
  obtener información oculta en un datawarehouse

13
Qué no es el DataMining?

• Data Warehouse
• Sistemas Expertos
• Estadística

14
Qué puede hacer el DataMining?

• CLASIFICACIÓN
• ESTIMACIÓN
• PREDICCIÓN
• CLUSTERIZACIÓN

15
Cómo hacer el DataMining?

• Técnicas
• Estadísticas
• Clusterización
• Árboles
• Redes neuronales
• Algoritmos genéticos

16
Cómo Trabaja el Data Mining?

• Cuán exactamente es capaz Data Mining de decirle
  cosas importantes que usted desconoce o que van a
  pasar? La técnica usada para realizar estas
  hazañas en Data Mining se llama Modelado, que es
  simplemente el acto de construir un modelo en una
  situación donde usted conoce la respuesta y luego
  la aplica en otra situación de la cual desconoce
  la respuesta.

17
Data marts

• Repositorio parcial de datos de la empresa, donde
  se almacenan datos tácticos y operativos, con el
  objeto de obtener información táctica.
• Conjunto de hechos y datos organizados para
  soporte decisional basados en la necesidad de un
  área o departamento específico. Los datos son
  orientados a satisfacer las necesidades
  particulares de un departamento dado teniendo
  sólo sentido para el personal de ese
  departamento y sus datos no tienen porque tener
  las mismas fuentes que los de otro DataMart.

18

• Son bases de datos locales o departamentales
  basados en subconjuntos que provienen de la
  información de el data warehouse (informacion
  dentro de la empresa).
• IBM maneja los data marts no como bases de datos
  dentro de la empresa sino como business
  information warehouse(biw)

19
Consideraciones de Implementación mediante
DataMarts

• La arquitectura Datawarehouse se debe desarrollar
  al principio del proyecto.
• El primer incremento se desarrolla basándose en
  la arquitectura.
• La construcción del primer incremento puede
  causar cambios en la arquitectura.
• La operación del DW puede implicar la realización
  de cambios en la arquitectura.
• Cada incremento adicional puede extender el
  datawarehouse.
• Cada nuevo incremento puede causar ajustes en la
  arquitectura.
• La operación continua puede causar ajustes en la
  arquitectura.

20
Tipos de data marts

• 1.- Data Marts Finanzas.
• 2.- Data Marts Comercial.
• 3.- Data Marts Logística.
• 4.- Data Marts Recursos Humanos.

21
Resultados de la implementación

• Programas y procedimientos para extraer,
  transformar y cargar datos.
• ?Instalar herramientas de acceso a los datos.
• Poblar el DW con los datos necesarios.
• ?Poblar el catálogo de metadatos con los datos
  necesarios.
• ?Técnicas de uso y soporte el almacén