Bodega de datos

BODEGA DE DATOS

Hay tres arquitecturas en el diseño de sistemas de bodega de datos:

  Esquema de estrella

 En este diseño del almacén de datos la tabla de Variables (Hechos) esta rodeada por Dimensiones y juntos forman una estructura que permite implementar mecanismos básicos para poder utilizarla con una herramienta de consultas OLAP. Se implementa un diseño lógico relacional de base da datos que resulta en que las tablas de hechos representan la Tercera Forma Normal (3FN) y las dimensiones representan la Segunda Forma Normal (2FN).

Lo característico de la arquitectura de estrella es que sólo existe una tabla de dimensiones para cada dimensión y esta tabla representa la segunda forma normal. 

Un ejemplo del esquema de estrella:

  Esquema en copos de nieve

 Esquema en copo de nieve (bola de nieve) es una variedad más compleja del esquema estrella. El afinamiento está orientado a facilitar mantenimiento de dimensiones. 

Lo que distingue a la arquitectura en copo de nieve de la esquema estrella, es que las tablas de dimensiones en este modelo representan relaciones normalizadas (3NF) y forman parte de un modelo relacional de base de datos.

El problema es que para extraer datos de las tablas en esquema de copo de nieve, a veces hay que vincular muchas tablas en las sentencias SQL que puede llegar a ser muy complejo y difícil para mantener.

Un ejemplo del esquema en copos de nieve: 

Esquema de constelación de hechos

 Este esquema es más complejo que las otras arquitecturas debido a que contiene múltiples tablas de hechos. Con esta solución las tablas de dimensiones pueden estar compartidas entre mas de una tabla.

Este tiene mucha flexibilidad, y este factor es su grande virtud. Sin embargo, el problema es que cuando el número de las tablas vinculadas aumenta, la arquitectura puede llegar a ser muy compleja y difícil para mantener.

Un ejemplo del esquema de constelación de hechos:

REQUERIMIENTOS PARA LA CONSTRUCCIÓN DE UNA BODEGA DE DATOS

 HARDWARE

 Se requiere de un servidor para el almacenamiento y manejo de la base de datos corporativa; este servidor se recomienda que sea altamente escalable, pues algunas veces el proyecto de construcción de la bodega presenta redimensionamiento a medida que se avanza en la implementación. La capacidad inicial de almacenamiento estará determinada por los requerimientos de información histórica presentados por la empresa y por la perspectiva de crecimiento que se tenga.

Dependiendo del diseño del sistema, puede ser necesario contar con un segundo servidor para las herramientas de consulta de datos. Este equipo debe tener el sistema operativo recomendado por el proveedor de la herramienta a utilizar, siendo el más usado alguna versión de Windows.

Las estaciones de trabajo de cada usuario deberán cumplir con las características recomendadas por el proveedor de la herramienta de consulta seleccionada.

HERRAMIENTAS DE SOFTWARE

Las herramientas se clasifican en cuatro categorías básicas: Herramientas de Almacenamiento (bases de datos, multidimensionales), Herramientas de Extracción y Colección, Herramientas para Reportes de Usuario Final y Herramientas para Análisis Inteligentes.

Herramientas de Almacenamiento: corresponde a la herramienta en la cual se irán a almacenar los datos.  Existen muchas opciones dependiendo del volumen de los datos, presupuesto y capacidad de su sistema.  Cada uno de los sistemas de administración de bases de datos, como Oracle, DB2, Informix, TeraData, Sybase, etc, tienen una facilidad de Data Warehouse.

Herramientas de Extracción y Colección: Ayudan a definir, acumular, totalizar y filtrar los datos de sus sistemas transaccionales en el Data Warehouse.  La mayoría de esas herramientas son desarrolladas por el personal interno de la compañía dado el gran conocimiento que tienen de los sistemas transaccionales.

Herramientas para Elaboración de Reportes a Usuarios Finales: Es la interfase vista por el usuario. Al usuario se le debe proveer un mecanismo para que vea los datos a un alto nivel y que entonces obtenga con ello la solución a preguntas específicas.  Existen muchas herramientas, incluyendo Cognos Powerplay, Business Objects, SAS, ShowCase Strategy etc.

Herramientas de Análisis Inteligente: Entre ellas están las de empresas como IBM, SAS, Arbor, Cognos, Business Objects, entre otras.  Estas herramientas han sido construidas utilizando inteligencia artificial que buscan alrededor del Data Warehouse modelos y relaciones en los datos. Estas herramientas utilizan una técnica conocida como Data Minning o Minería de datos.

BIBLIOGRAFIA

 http://www.monografias.com/trabajos24/bodega-de-datos/bodega-de-datos.shtml#requer#ixzz5EUwgKslb 

http://intelempresariall.blogspot.mx/2012/03/diseno-de-una-bodega-de-datos.html

ERP-CRM

ERP

 ERP (Enterprise Resource Planning – Planificación de Recursos Empresariales) es un conjunto de sistemas de información que permite la integración de ciertas operaciones de una empresa, especialmente las que tienen que ver con la producción, la logística, el inventario, los envíos y la contabilidad.

El ERP funciona como un sistema integrado, y aunque pueda tener menús modulares, es un todo. Es decir, es un único programa con acceso a una base de datos centralizada. Un ejemplo claro lo tenemos en ONYX ERP, que además de ser un programa de gestión para PYMEs, está integrado con el programa de contabilidad ONYX FINANCIALS, con el programa de control de procesos de calidad ONYX CALIDAD, etc. Los datos se dan de alta sólo una vez y son consistentes, completos y comunes.

Tipos de  ERP

SAP

Incontestable mente es el líder mundial en cuanto al mundo de los ERP’s se refiere y uno de los pocos que se mantiene sin ser comprado. Bien es cierto que aunque SAP tiene una merecida fama, por ser un software muy potente a nivel funcional y de estabilidad, tiene muchos detractores, debido a su estructura alemana, lo cual significa que es inflexible y muy complicado de mantener.

La gama de ERP´s Oracle

Gartner, posiciona a Oracle como el gran competidor de SAP. Oracle en el año 2.000 tenía su producto Oracle E- Business Suite, que tenía más detractores que defensores, y con un producto muy poco robusto. En el año 2004, Oracle cambia una estrategia y decide dejar de desarrollar productos para adquirirlos, realizando la mayor fusión conocida dentro de los ERP’s y comprando People Soft, que previamente había comprado JD Edwards.

Oracle JD Edwards Enterprise One

JD Edwards nació en el año 1977 y lleva el nombre de sus fundadores Jack Thompson, Dan Gregory y Ed McVaney. Su primer gran éxito fue llevar la contabilidad de las olimpiadas de los Ángeles en 1984, con su sistema AS400. Fue creciendo hasta ser la competencia directa del mismo SAP a nivel mundial y líder en América, en el año 2002.

Convenientes 

  Mayor productividad: permite realizar mayor cantidad de trabajo en menos tiempo. Se tiene la información organizada y en el momento que se le necesita, reduciendo los costos de la producción y mejorando la calidad de la misma.

   Mejora las condiciones de trabajo del personal: suprime los trabajos penosos e incrementa la seguridad.

   Agilidad de procesamiento de información: realiza las operaciones difíciles o imposibles de controlar intelectual o manualmente.

   Mejora del tiempo de respuesta: mejora la disponibilidad de los productos, al ayudar a proveer las cantidades necesarias en el momento preciso.

   Facilidad de operación: simplifica las operaciones de forma que el operario no requiera grandes conocimientos para la manipulación del proceso productivo.

   Mayor fluidez en los procesos: tener automatizados los procesos de la empresa genera una mayor fluidez entre ellos

CRM

 ¿Qué es CRM (Customer Relationship Management)?La CRM (Gestión de relaciones con los clientes) es un término de la industria de la información que se aplica a metodologías, software y, en general, a las capacidades de Internet que ayudan a una empresa a gestionar las relaciones con sus clientes de una manera organizada. 

Tipos de CRM

CRM OPERATIVO

En el CRM Operativo podemos diferenciar dos partes:

La parte denominada "Front Office", que es a la que principalmente se dedica, la cual se encarga de la gestión del marketing y ventas, así como de la atención al cliente. Y la llamada "Back Office", no característica en este tipo de CRM, centrada en funciones de contabilidad y finanzas.

CRM ANALÍTICO

El CRM Analítico utiliza el modelo de negocio Business Inteligence, en el que está integrado un almacén de datos perteneciente a la empresa denominado DataWarehouse y el Data Mining o la explotación de datos para conocer el comportamiento del cliente.

CRM COLABORATIVO

El CRM Colaborativo se caracteriza porque es el encargado de la interacción, a través de diferentes canales de comunicación, entre la empresa y el cliente.

De esta manera, la empresa puede establecer un vínculo con sus clientes, ofreciéndoles los servicios o productos que se adecuan a sus necesidades aprovechando la multitud de canales que ofrece un CRM gracias a las nuevas tecnologías. 

Ventajas

Organización a detalle de la información de los clientes.  Toda la información por clientes, como un expediente secreto donde puedes ver las “debilidades” de tus clientes.

Facilita la comunicación en el equipo de ventas. Imagínate un cliente que regresa por segunda ocasión, sin embargo el vendedor que le atiende usualmente no se encuentra en ese momento asignas un nuevo vendedor que puede ver su historial en el momento y atenderlo con la calidez y calidad que siempre ha sido atendido.  

Mejores métricas del desempeño de ventas. Con un CRM,  puedes tener muy buenas analíticas, si llegaste a tu meta de ventas, quienes son tus vendedores estrella y nuevas proyecciones de venta. Sin necesidad de realizar una hoja de cálculo.

Facilita el cierre de ventas. En estos tiempos los mercados están muy competidos, así que los clientes generalmente se quedan con las empresas que personalizan su trato y que les resuelven problemáticas en el momento y el CRM es una herramienta que te podrá ayudar con esto.

Desventajas

El personal no lo sabe usar. En estos días usar un CRM puede ser realmente fácil. Sin embargo para evitar excusas en el personal deberás sentar a tu equipo durante una hora para aprender cómo se puede manejar este CRM.

El personal no lo quiere usar. Si tienes vendedores chapados a la antigua probablemente escucharas quejas acerca de este nuevo sistema.

Bibliografia 

https://www.imf-formacion.com/blog/tecnologia/tipos-erp-fabricantes-destacados-201705/

http://www.aner.com/que-es-un-erp.html

http://www.buenosnegocios.com/notas/682-5-ventajas-los-sistemas-erp

http://www.evaluandosoftware.com/arquitectura-del-data-warehouse-areas-de-datos-del-almacen-de-datos-corporativo/

https://www.deustoformacion.com/blog/gestion-empresas/cuales-son-componentes-business-intelligence-big-data

https://searchdatacenter.techtarget.com/es/definicion/CRM-Gestion-de-relaciones-con-los-clientes

https://www.sumacrm.com/soporte/tipos-de-crm-y-modelos

Orígenes de Datos

Orígenes de Datos 

Organismos de datos que alimentan a un data warehause.

El conector de data warehause surge como solución a las necesidades transformacionales globales de la empresa que los sistemas operacionales no pueden satisfacer asta terminar se traduce literalmente como almacén de datos.

La data warehause se caracteriza por ser:

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.

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.

De tiempo variante.- 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. 

No Volátil.-  El almacén de información de un data warehouse existe para ser leído, pero 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.

Componentes integradores de inteligencia de negocios:

Fuentes de información: alimentan la información de un DWH los datos se trasforman y cargan los dato en el DWH los datos se trasforman, limpian filtran y reducen.

DWH: almacena los datos logrando su flexibilidad al acceso y a  administración.

Herramientas: herramientas de visualizan análisis y navegación.

Olap: Cálculos consultas pronostico y análisis de escenarios en big data.

Bibliografía 

https://www.imf-formacion.com/blog/tecnologia/tipos-erp-fabricantes-destacados-201705/

http://www.aner.com/que-es-un-erp.html

http://www.buenosnegocios.com/notas/682-5-ventajas-los-sistemas-erp

Bases de datos OLTP y OLAP

 OLTP vs OLAP

¿que es un OLTP?

OLTP - On-Line Transactional Processing

Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones. Una transacción genera un proceso atómico (que debe ser validado con un commit, o invalidado con un rollback), y que puede involucrar operaciones de inserción, modificación y borrado de datos. El proceso transaccional es típico de las bases de datos operacionales.

• El acceso a los datos está optimizado para tareas frecuentes de lectura y escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de bancos o hipermercados diariamente).
•  El historial de datos suele limitarse a los datos actuales o recientes.
• Los formatos de los datos no son necesariamente uniformes en los diferentes departamentos (es común la falta de compatibilidad y la existencia de islas de datos).
• Los datos se estructuran según el nivel aplicación (programa de gestión a medida, ERP o CRM implantado, sistema de información departamental...).

¿que es un OLAP?

OLAP - On-Line Analytical Processing

Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de comportamiento de los consumidores, elaboración de informes complejos… etc. Este sistema es típico de los datamarts.

•  El acceso a los datos suele ser de sólo lectura. La acción más común es la consulta, con muy pocas inserciones, actualizaciones o eliminaciones.
• Las bases de datos OLAP se suelen alimentar de información procedente de los sistemas operacionales existentes, mediante un proceso de extracción, transformación y carga (ETL).
• El historial de datos es a largo plazo, normalmente de dos a cinco años.
• Los datos se estructuran según las áreas de negocio, y los formatos de los datos están integrados de manera uniforme en toda la organización.

 OLTP VS OLTP

Bibliografia

http://datawarehouse4u.info/OLTP-vs-OLAP.html

http://searchdatacenter.techtarget.com/es/definicion/OLTP-Procesamiento-de-Transacciones-En-Linea

http://www.sinnexus.com/business_intelligence/olap_vs_oltp.aspx

Base de datos multidimensional (MDB)

Base de Datos Multidimensional (MDB)

Una base de datos multidimensional (MDB) es un tipo de base de datos que se ha optimizado para data warehouse y aplicaciones de procesamiento analítico en línea (OLAP). Las bases de datos multidimensionales se crean con frecuencia usando entradas de las bases de datos relacionales existentes. Mientras que a una base de datos relacional se accede normalmente mediante una consulta de Lenguaje de Consulta Estructurado (SQL), una base de datos multidimensional permite a un usuario hacer preguntas como: "¿Cuántas Aptivas se han vendido en Nebraska en lo que va del año?" y cuestiones similares relacionadas a resumir operaciones y tendencias de negocios. A una aplicación OLAP que accede a los datos desde una base de datos multidimensional se le conoce como una aplicación MOLAP (OLAP multidimensional).

Una base de datos multidimensional –o un sistema de gestión de base de datos multidimensional (MDDBMS)– implica la capacidad de procesar rápidamente los datos en la base de datos a fin de que las respuestas se pueden generar rápidamente. Varios proveedores ofrecen productos que utilizan bases de datos multidimensionales. Los enfoques de cómo se almacenan los datos y la interfaz de usuario pueden variar.

Conceptualmente, una base de datos multidimensional utiliza la idea de un cubo de datos para representar las dimensiones de los datos disponibles para un usuario. Por ejemplo, "ventas" puede verse en las dimensiones del modelo del producto, la geografía, el tiempo o alguna dimensión adicional. En este caso, "ventas" se conoce como el atributo de medida del cubo de datos y las demás dimensiones son vistas como los atributos de entidades. Además, un creador de base de datos puede definir jerarquías y niveles dentro de una dimensión (por ejemplo, niveles estatales y municipales dentro de una jerarquía regional).

Ejemplo 

Coppel en esta empresa se utiliza las bases de datos multidimencionales, en sus sucursales vemos que a la hora de comprar un producto de esta gran tienda depende del producto que compres vas a pagar e diferente  tipo de caja por que esta separado desde una vente de ropa y calsado es diferente a un venta de un celular unas con otras no se juntan en la misma tienda solo ya asta cuando llegan a la base de datos donde se junta con todos los diferentes productos que as comprado y todo el historial pero este historial se alimenta de todos los compras y se ase como un cubo de datos acerca de todo lo que ay en la empresa y esto arroja resultados para poder crecer competentemente la empresa y las ventas.

liverpool es una empresa departamental que esta dividida en diferentes árias las cuales contribuyen a una alimentación de una base de datos multidimencionales por que cada área pone su parte y en conjunto forman algo llamado un cubo de datos o mejor dicho un  base de datos multidimencional.

Bibliografia 

http://searchdatacenter.techtarget.com/es/definicion/Base-de-datos-multidimensional-MDB

https://technet.microsoft.com/es-es/library/bb500160(v=sql.105).aspx