BI-INTELIGENCIA DE NEGOCIOS

INTRODUCCIÓN

En el documento propuesto acerca de inteligencia de negocios y con lo que respecta a almacenes de datos y ETL son medios que siguen procedimientos para el trato de los datos cabe recalcar que no todos los datos por estos medios son netamente si se podría decir necesitados por lo cual se toma como obsoleta esta porción de información puesto aquí hay ciertos medios de depuración y mantenimiento que nos ayuda a adecuar la información para el fin que se necesita.

En la ETL veremos cómo se manejan los datos de qué manera y como se mueven de un lugar a otro con sus respectivas representaciones para el usuario o quienes hacen uso de esto, se observaran cuanto tienen en relación estos temas lógicamente en el trato de los datos pero se verán además las características que los acompañan y que los diferencia al resto.  

RESUMEN

BUSINESS INTELLIGENCE Y ALMACENES DE DATOS

Business Intelligence (Inteligencia de negocios).

La inteligencia de negocios tiene como objeto o finalidad generar información a partir de un número importante de datos y poner a disposición el respectivo conocimiento de dicha información.

En el aspecto informático se encuentra orientada al área de las tecnologías de la información, puesto a que esto engloba a varias metodologías, aplicaciones y tecnologías respectivamente. La inteligencia de negocios nos da la forma de reunir y tratar la información correctamente para mostrar resultados claros además ayudarnos a la toma de decisiones.

ETL= Extracción, transformación y carga.

Arquitectura de una solución de Business Intelligence.

• Sistemas de origen de una organización (Base de datos).

• Transformación estructural para optimización de proceso analítico.

• Fase de ETL de datos.

• Interactúa con sistemas fuente y destino.

ALMACENES DE DATOS

El fin de almacenes de datos proporcionar mecanismos de ayuda a la hora de la toma de decisiones y por este medio obtener información estratégica vital en los casos empresariales además que esté disponible la información necesaria para cumplir con el cometido de excelencia en manejo y optimización de obtención de información.

Problemas al intentar acceder directamente los datos:

• Analistas no tienen conocimiento.

• Datos operacionales no tienen un buen formato para su análisis.

• Ausencia de una visión histórica.

Solución (Data Warehousing):

• Crea almacén de datos informacionales.

• Extrae y filtra datos de operaciones comunes.

• Soporte la toma de decisiones.

• Convertir datos operacionales en información relacionada.

Data Warehousing VS Data Warehouse.

Data Warehousing

• Proceso global/ diferentes fuentes de datos.

• Mantiene un almacén central de datos.

• ayuda a la toma de decisiones

Data Warehouse

• Referencia al repositorio central que integra los datos.

• Desde el Punto de vista del usuario.

• No hace referencia a los procesos.

Ventajas de los almacenes de datos.

• Hace que sea más fácil informar y analizar la información.

• Las inconsistencias se identifican y resuelven.

• Está bajo el control de los usuarios de almacenamiento.

• Independientes de los sistemas operativos.

• Ofrecen la recuperación de datos de manera ágil.

• Trabaja en conjunto y aumenta el valor de las aplicaciones de negocio operativos.

• Facilitan la toma aplicaciones del sistema de apoyo.

• Sistemas relativamente sencillos de instalar si esta todo claro.

• almacenamiento de análisis y consultas históricas.

Desventajas de los almacenes de datos.

• No óptimo para los datos no estructurados.

• Pueden suponer altos costos y no suele ser estático.

• Quedan obsoletos a corto tiempo.

• Devuelven información no óptima.

Arquitectura de Almacenes de datos

Es la representación de estructuras global de datos, la comunicación, los procesos y la presentación al usuario final.

Elementos que constituyen la arquitectura de un Data Warehouse

Estructura de un Data Warehouse.

ETL E INTEGRATION SERVICES.

ETL (Extraer, transformar y cargar/load).

Conjunto de procesos que hacen uso las organizaciones para mover datos desde múltiples orígenes y modificar su formato haciendo uso de Data Mart y Data Warehouse.

Extraer:

• Sustrae los datos desde los sistemas de origen.

• La extracción convierte los datos a un formato preparado para iniciar el proceso de transformación.

• Analiza los datos extraídos.

• Verifica si los datos cumplen la pauta o estructura que se esperaba.

• Programar en horarios óptimos para evitar colapso de sistema de origen.

Transformar:

Aplica reglas de negocio o funciones sobre los datos extraídos para convertirlos en datos cargados.

• Requerirá alguna pequeña manipulación de los datos.

• Uso de ciertas columnas para su carga.

• Obtener nuevos valores calculados.

• Unir datos de múltiples fuentes y generar campos claves en el destino.

• La aplicación de cualquier forma, simple o compleja, de validación de datos, y la consiguiente aplicación de la acción que en cada caso se requiera.

Carga:

Es cuando los datos transformados son cargados en el sistema destino dependiendo del requerimiento especificado.

Proceso básicos de carga

• Acumulación simple.- Realiza un resumen de todas las transacciones comprendidas en un lapso de tiempo.

• Rolling.- Se aplica en los casos en que se opta por mantener varios niveles de granularidad

Herramientas ETL

BITool – ETL Software.

Microsoft Integration Services.

Oracle Warehouse Builder.

Informática PowerCenter.

SmartDB Workbench.

Herramientas ETL (software libre).

Kettle (ahora llamado Pentaho Data Integration).

Scriptella Open Source ETL Tool.

Talend Open Studio.

...