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