+ + + SISTEMAS DE SOPORTE A LAS DECISIONES--- Cap. 3.pdf

8/17/2019 + + + SISTEMAS DE SOPORTE A LAS DECISIONES--- Cap. 3.pdf

1/60

Rodolfo Arana Gonzales


2/60

El dinámico mundo de los negocios hace necesario el

acceso rápido y sencillo a información para la toma dedecisionesLas empresas tienen Sistemas Transaccionales (ST) paraaplicaciones de nivel operacional. Los niveles gerenciales necesitan de información máselaborada para tomar decisiones cruciales. Confrecuencia usan la experiencia o un enfoque subjetivo.Este enfoque no es apto, pues estudios de gestión decalidad vigentes han demostrado la importancia de la

toma de decisiones basada en cifras, datos y hechos.

2


3/60

Los Data Warehouse (DW) permiten tomar decisionescon enfoque racional, con información confiable y

oportuna.Un DW básicamente transforma los datosoperacionales de los ST en información útil paradecidir.

En esencia, con un DW se puede lograr:• Encontrar relaciones nuevas entre los datos• Predecir el comportamiento futuro bajo

condiciones dadas.

Su filosofía es modelar los datos a partir dedimensiones basadas en una tecnología deprocesamiento analítico.

3


4/60

Los datos operacionales (dispersos) son entrada alDW.

La tarea de un DW es :Recolectar - Unificar - Depurar

Eliminar inconsistencias y conservar solo información

útil para los objetivos empresariales.Los datos en el ambiente DW pueden organizarse en:

• Data Warehouse corporativo

• Dividirse por área o sector, almacenándose en

Data Marts (versión reducida de un DW)

4


5/60

Las aplicaciones de usuario final que acceden al DWbrindan:

•

Información a diferentes niveles de agregación(detallados o resumidos)

• Filtrar consultas por distintas variables (“rebanar”y “picar” la información).

• Herramientas como el Data Mining, para encontrarrelaciones ocultas entre los datos.

En consecuencia, la integración de un DW a laempresa representa una ventaja competitiva en el

mundo de los negocios.

5


6/60

El proceso automatizado del negocio usa datosoperacionales, (registros de las transaccionesalmacenados en una base de datos).

Para los directivos (usuarios) del negocio esdifícil tener acceso a los datos operacionalespor limitaciones de rendimiento y tecnología.

Lo que el usuario del negocio necesita paraanálisis son datos informativos. Estos son unacombinación de datos operacionales con datosde fuentes externas, modificados, depurados,transformados, consolidados y organizados.

6


7/60

Los datos operacionales manejados porsistemas operacionales o transaccionales (OnLine Transactional Processing, OLTP), seconcentran en la administración y la mediciónde:

◦

indicadores empresariales (capital einversión),◦ indicadores financieros (márgenes de

utilidades, etc.)◦ indicadores de ventas (identificación de

clientes etc.)

7


8/60

Por su parte, los datos informativos son losque conforman un DW, que comprende,

mide y administra parámetrosempresariales estratégicos, como:

◦ Crecimiento del ingreso◦

Rentabilidad◦ Participación en el mercado◦ Segmentos del cliente.

8


9/60

Datos Operacionales Orientados a una

aplicación Integración limitada Constantemente

actualizados Sólo valores

actuales Soportan

operaciones diarias

Datos Informativos Orientados a un

tema Integrados No volátiles, no

cambian Valores a lo largo

del tiempo Soportan decisiones

de administración

9


10/60

Concepto continuará)

Un Data Warehouse es un conjunto de datos

integrados orientados a temas, de tiempo

variante, no volátil, que se usa en el proceso

de toma de decisiones de una organización.

A esta definición se incluyen herramientaspara la inteligencia empresarial (BI),herramientas para extraer, transformar y

cargar datos en el almacén de datos, yherramientas para gestionar y recuperar losmetadatos.

10


11/60

Dos enfoques: Data Warehouse

Bill Inmon: los Data marts se crearán despuésde haber terminado el data warehousecompleto de la organización.Ralph Kimball: un data warehouse no es más

que: "la unión de todos los Data marts de unaorganización»

11

http://localhost/var/www/apps/conversion/tmp/scratch_7/W-%20Data%20Warehouse%20Almac%C3%A9n%20de%20datos.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_7/W-%20Data%20Warehouse%20Almac%C3%A9n%20de%20datos.docxhttp://localhost/var/www/apps/conversion/tmp/scratch_7/W-%20Data%20Warehouse%20Almac%C3%A9n%20de%20datos.docx


12/60

Integra y asocia información de muchas fuentes .Múltiples bases de datos y otras fuentes.

Está orientado a un tema . Relevante para laorganización. Variante en el tiempo . Datos relativos a un

periodo de tiempo e integrados periodicamente

(como fotos). Gestiona múltiples versiones de un esquema de

base de datos . Controlar información originadaen diversas organizaciones de bases de datos.

Condensa y agrega información . Condensa yagrega información para presentarla en formacomprensible.

12


13/60

13


14/60

DefiniciónUn DSS es un sistema de computación diseñado

para apoyar al proceso de toma de decisiones

de planeamiento, de administración y

operacionales) en un negocio.

Contiene servicios o procesos para elegir,

manipular y analizar datos informativos ypresentar resultados. Brinda acceso transparente a los datos en varias

partes del DW y proveer de interfaces comunes aun grupo de usuarios de la organización“Un DSS es una ventana a los datos informativos”

14


15/60

Definición

La Inteligencia de Negocios Business

Intelligence, BI), es una disciplina que combina

consultas, servicios, aplicaciones y tecnologías

para obtener, administrar, analizar y

transformar datos en información útil para

lograr el entendimiento necesario para tomar

decisiones eficaces.

Se basa en el concepto de Inteligencia:“Aplicación de la información, habilidades,

experiencias y razonamiento para resolver unproblema de negocios”

15


16/60

Inteligencia de Negocios: Proceso de convertir datos en conocimiento y

conocimiento en acción para el beneficio del

negocio.DW + DSS = BI

16


17/60

17


18/60

Data Mart. Definición

Un Data Mart es una implementación de un DW con

un determinado alcance de información y unsoporte limitado para procesos analíticos.◦ Sirve a un sólo departamento de una

organización o para el análisis de problemas deun tema particular.

◦ Es un subconjunto de información corporativacon formato adicional a la medida de unusuario específico.

◦ Será siempre menor en complejidad y alcance

de los datos.

18


19/60

Problemas en la organización Falta de integración de la

información. Sobrecarga de información. Exceso de información genérica y

despersonalizada. Falta de retroalimentación oportuna

para la mejora de los negocios.

19


20/60

Beneficios del DW Menor costo en la toma de decisiones. Posibilidad de encontrar relaciones

ocultas. Aprendizaje del pasado. Mayor flexibilidad ante el entorno. Ventajas competitivas:Mejor servicio al cliente.

Rediseño de procesos.

20


21/60

Arquitectura Transformar los datos en conocimiento es

un proceso complejo, por tanto serequiere una estructura.

Un Data Warehouse es una arquitectura

que debe servir como infraestructura paraproporcionar una solución completa a losproblemas anteriormente mencionados.

21


22/60

22


23/60

Fuentes de datos

Pueden ser datos de sistemas operacionales

corporativos, sistemas operacionalesdepartamentales y fuentes externas.Extracción, transformación y carga ETL)

Son subsistemas para poblar el Data

Warehouse. Se pueden construir utilizandoherramientas y productos disponibles en elmercado o programas y procesoscodificados desde cero, que permitan elcrecimiento evolutivo del DW (mapeo).

23


24/60

Extracción Extraction)

Capturar y copiar los datos requeridos de uno

o más sistemas operacionales o fuentes dedatos, que luego son colocados en un archivointermedio con un formato definido.

Pueden presentarse errores como ser

violaciones de integridad, claves duplicadas,formatos de datos incorrectos y datos inválidoscomo campos vacíos, fechas futuras e importesnegativos cuando estos no correspondan

24


25/60

Transformación Transformation)

Esta fase consiste en leer los archivosintermedios generados por la extracción,realizar las transformaciones necesarias,construir los registros en el formato del

Data Warehouse y crear un archivo desalida conteniendo todos los registrosnuevos a ser cargados en el DataWarehouse.

25


26/60

Las transformaciones incluyen: Combinar campos múltiples de nombres y

apellidos en un solo campo. Fusionar campos o datos homónimos. Separar un campo de fecha en año, mes día. Cambiar la representación de los datos, como

TRUE a 1, y FALSE a 0, o códigos numéricos aalfanuméricos. Cambiar un dato que tiene múltiples

representaciones a una sola representación,como por ejemplo definir un formato comúnpara números telefónicos etc.

26


27/60

Carga Loading) AQUI

Consiste en tomar los datos de la fase de

transformación y cargarlos en el DW.Estos datos son insertados en el DW y rara vez sonactualizados o eliminados

Ambiente Data Warehouse

Este bloque almacena los datos informativos parausos estratégicos.Algunas herramientas no usan este bloque por loque las consultas las realizan directamente sobrela base operacional (vista lógica)

27


28/60

Herramientas de acceso y uso

Se incluye software y hardware para visualización,reportes, hojas de calculo, graficos y diagramas deanalisis.

28


29/60

Herramientas de acceso y uso

Son sistemas de software basados en técnicas paracapturar datos, analizarlos desde distintos puntos devista y transformarlos en información útil para elnegocio.Se llaman genéricamente Herramientas de Inteligenciade Negocio (Business Inteligence Tools, BIT) Ver video

Consultas SQL Herramientas MDA (Multidimensinal Analysis) OLAP (On-Line Analitical Processing) Data Minning

29

http://localhost/var/www/apps/conversion/tmp/XXI%20Encuentro%20GeneXus%20%20%20%20Info%20conferencia%20%20%20materiales2.avihttp://localhost/var/www/apps/conversion/tmp/XXI%20Encuentro%20GeneXus%20%20%20%20Info%20conferencia%20%20%20materiales2.avi


30/60

Los metadatos

Son datos acerca de los datos que proveen acceso alDW, mediante un componente llamado repositorio.

Tareas:◦ Catalogar y describir la información disponible.◦ Especificar el propósito de la misma.◦ Indicar las relaciones entre los distintos datos.

◦ Establecer quién es el propietario de la información.◦ Relacionar estructuras técnicas de datos con

información de negocio.◦ Establecer las relaciones con los datos operacionales

y las reglas de transformación.◦ Limitar la validez de la información.

30


31/60

Ejemplo: Metadato para entidad dimensión) Cliente

31

Nombre Cliente

Nombre alterno CuentaDefinición Un cliente es una persona o empresa que

hacomprado a la corporación bienes oservicios por lo menos en una ocasión

Fecha creación 15 de enero de 2000Fecha últimaactualización

01/03/2005

Claves Identificación del cliente

Ciclo deactualizac.

Extraído cada mes

Patrones de acceso Fecha de último acceso 20/03/2013


32/60

Ejemplo: Metadato para atributo campo) Cuenta

32

Nombre Nombre de Cliente

Nombre alterno Nombre de Cuenta

Definición Nombre oficial que usa la persona o empresa cliente

Fecha creación 15 de enero de 2000

Fecha última actualiz. 01/03/2005

Clave N

Fuente de dato Sistema de ingreso de pedidos. El atributo proviene

de la tabla clientes y se denomina nom_cuenta

Inf. de transf/conversión 30 caracteres

Algor. de resum/deriv Ninguno

Valor predeterminado Ninguno

Fuentes oper. múltiples No


33/60

Problemas del modelo Entidad-Relación

Para sistemas transaccionales (OLTP) el modelo ER esadecuado en función de la integridad y de la

redundancia de datos.Para un DW el modelo ER tiene estos problemas: Legibilidad limitada. Los usuarios suelen “navegar” o

“divagar” por el modelo ER en busca de información.

Dificultad para las herramientas de consulta en el acceso aun modelo ER. Estas herramientas poseen prestacionesmediocres cuando trabajan en entornos relacionales degrandes volúmenes de datos.

La utilización de la técnica de modelado ER frustra el

principal atractivo del DW. Con el uso del modelado ERqueda frustrada la recuperación de información intuitiva ycon alto rendimiento.

33


34/60

Modelo dimensional

–

OLAP On Line Analisy Processing)

Técnica de diseño lógico que presenta la informaciónen un marco estándar e intuitivo para un acceso dealto rendimiento.El Procesamiento Analítico en Línea (OLAP) es unatecnología de análisis de datos.Crea nueva informaciónempresarial a partir de los datos existentes.

Basado en el modelo relacional (con restricciones)Resume, organiza y presenta la información parasoportar el análisis.Cubos OLAP

Son estructuras relacionales compuesta por dimensionesseparadas y heterogéneas, cuyos datos que se obtienen devarias fuentes (tablas relacionales, archivos planos).

34


35/60

Modelo dimensional OLAP

35

Características de OLAP:

Presenta una visión multidimensional lógica de los datosdel Data Warehouse, independiente de su forma dealmacenamiento.

Crea resúmenes, adiciones y jerarquías. Comprende consultas interactivas y análisis de los datos.

Permite una profundización hacia niveles más detalladoso un ascenso a niveles superiores de resumen y adición.


36/60

Modelo dimensional OLAP

36

Características: Ofrece opciones de modelado analítico, así

como también provee modelos estadísticosbásicos.

Responde con rapidez a las consultas, de modoque el proceso de análisis no se interrumpe y la

información no se desactualiza. Recupera y exhibe datos tabulares en dos o tres

dimensiones, cuadros o gráficos, con un fácilpivoteo de los ejes.

OLAP OLTP


37/60

Usuario

Gerente, Ejecutivo Empleado, Prof. de Sistemas

Función Soporte a las Decisiones Operación diaria Diseño de la Base

de Datos

Orientado a una materia Orientado a una aplicación

Datos

Históricos, resumidos,multidimensionales,integrados,consolidados, detallados

Actuales, detallados,relacionales, aislados

Uso

Ad-hoc, requerimientos delmomento

Repetitivo

Acceso Exploración Lectura/Escritura,Índices/Algoritmos dedispersión

Unidad de Trabajo

Consultas complejas Transacciones simples

Cantidad registros

accedidos

Millones Decenas

Cantidad usuarios Cientos Miles

Volumen Base de

Datos

Mayor Menor 37


38/60

38

Elementos fundamentales de OLAP:

* Áreas temas

* Indicadores

* Dimensiones

* Hechos


39/60

Area tema

Un área tema es una cuestión de interés de una funciónempresarial. Por ejemplo, el departamento decomercialización puede estar interesado en las áreas tema:

Pedidos, Promociones, Mercados y Ventas.Medidas indicadores)

Son cuantificadores del desempeño de un ítem o unaactividad del negocio. Esta información es usada en

consultas para evaluar el desempeño de un área temaPara el área tema “llamadas”, los indicadores serían:

duración de las llamadas y cantidad de llamadas.En un “banco”, los indicadores pueden ser:

creditos, comisiones, cant. clientes, % particip. mercado

39


40/60

Dimensiones

Son atributos usados por los analistas paraidentificar el contexto de las medidas con las que

trabajan. Vienen expresadas en forma de cualidades de las medidas y que no cambian en el tiempo.En una telefónica:

Tipo de Llamada, Duración, Organización Telefónica

En un banco se tendrán:Cuentas, Clientes, Tiempo, Productos, Agencias,

Regiones, etc.Las dimensiones están compuestas por «miembros»,

que pueden tener jerarquías. Por ejemplo, el mesdentro de un trimestre. (otro ej. areas o deptos.,dentro de empresa)

40


41/60

41

Medida: Duración deLlamadas.

Dimensiones:

Tiempo, Tipode Llamada yOrganización

Telefónica(secciones)


42/60

42

Técnicas para navegar por distintos niveles de detalle de una jerarquía de datos, desde los de mayor nivel de agregación hasta

los más detallados y viceversa. Drill Down explora los hechoshacia los niveles más detallados de la jerarquía de dimensiones,mientras que Roll Up explora los hechos iterativamente hacia elnivel más alto de agregación.

DrillDown yRoll Up

*


43/60

43

Los datos multidimensionales pueden ser mostrados aplicandodiferentes filtros a los cubos.

Slice (Rebanar) a un subconjunto de datos de un cubo se aplica unaúnica restricción a una sola dimensión, mediante la elección de unmiembro en particular. Cuando se combinan varios Slice la acciónefectuada es llamada Dice (Picar).

Slice y Dice

*Navegación en OLAP


44/60

Ventas productos farmaceuticos

en miles de Bs.)

Enero

44

Agencia 1 Agencia 2 Agencia 3

Refrianex 558 553 644

Optigen 323 290 307Amoxicilina 922 452 455

Risperidon

a

457 691 821


45/60


Refrianex 428 523 301Optigen 33 91 33

Amoxicilina 769 821 502

Risperidona 688 500 680



Optigen 33 91 33

Amoxicilina 769 821 502Risperidon

a

688 500 680

Ventas productos farmaceuticos

en miles de Bs.)

Abril

Marzo

Febrero

Enero

45


Refrianex 244 663 533Optigen 64 66 17


Risperidon

a

544 876 558



Optigen 323 290 307


Risperidon

a

457 691 821


46/60

Tipos de implementación

El esquema multidimensional puede ser

implementado por dos tipos de esquemas omodelos relacionales:Modelo estrella – el más utilizado-(starschema)

Modelo copo de nieve (snowflake schema)

46


47/60

Elementos del modelo estrella

Tablas dimensión - Tabla de hechosLas tablas periféricas dimensión guardan lainformación descriptiva acerca de sus miembros ysus relaciones, mientras que la tabla central dehechos con una clave primaria almacena datos denegocios.

Indicadores o medidas

Son medidas candidatas los atributos numéricos devalor continuo. Pero no cada atributo numérico esuna medida.

Están involucradas en «queries de usuario» quecalculan resúmenes. Ejemplos:

Cantidades, tamaños, montos, duración, etc.

47


48/60

Tablas de dimensión

Cada tabla dimensión tiene su clave primaria que

corresponde exactamente con uno de loscomponentes de la clave compuesta de la tabla dehechos.Las tablas de dimensiones contienen informacióntextual descriptiva, sus atributos se emplean comofuente de las restricciones en las consultas al DW.Las dimensiones son referenciadas por las llaves dedimension. Contienen:

Entidades de dimensión

Atributos de dimensión Jerarquías de dimensión Niveles de agregación

48


49/60

Tabla de hechos

La tablas de hechos, además de sus campos clave,contiene uno o más indicadores o “hechos”. Los

indicadores más útiles en una tabla de hechos sonnuméricos y aditivos.Puede representar un objeto de negocio, unatransacción o un evento que es utilizado por el

analista de información. Contienen:◦ Un identificador de hechos◦ Llaves de dimensión (que los enlaza con las dimensiones)◦ Medidas◦

Varios tipos de atributos (se derivan de otros datos delmodelo)

49


50/60

50


51/60

Modelo copo de nieve

En este modelado se normalizan algunas lasdimensiones reflejando las jerarquías en las mismasy conservando lo esencial del modelo en estrella: lastablas de hechos.La ventaja del modelo copo de nieve es eliminar laredundancia de datos y por lo tanto ocupar menos

espacio en discoCuando no es posible recopilar toda la informaciónnecesaria en un único esquema estrella o copo nenuieve, se puede utilizar varios esquemas. Cada uno

de estos esquemas se denomina Datamart.

51


52/60

1. En que nivel de trabajo de una empresa se aplica el

Data Warehouse y por que?

2. Con un DW se pueden lograr en esencia dos

aspectos. Cuales son?

3. Cuales son las principales tareas de un DW?

4. Indique las aplicaciones de usuario final que bridan

los DW.

5. Que son los datos informativos para un usuario del

negocio?

6. A que se refieren y que miden los sistemas OLTP?

7. Que miden los datos informativos de un DW?

52


53/60

53


54/60

54


55/60

PLANIFICACIÓN DEL PROYECTO.

La planificación busca identificar la definición y el alcance del proyecto dedatawarehouse, incluyendo justificaciones del negocio y evaluaciones defactibilidad. La planificación del proyecto se focaliza sobre recursos, perfiles,tareas, duraciones y secuencialidad. El plan de proyecto resultante identifica

todas las tareas asociadas con el BDL e identifica las partes involucradas. Estaetapa se concentra sobre la definición del proyecto (identificación del escenariodel proyecto para saber de dónde surge la necesidad del data warehouse).

DEFINICIÓN DE LOS REQUERIMIENTOS DE NEGOCIOS

Un factor determinante en el éxito de un proceso de Data Warehousing es lainterpretación correcta de los diferentes niveles de requerimientos expresados

por los diferentes niveles de usuarios. La técnica utilizada para relevar losrequerimientos de los analistas del negocio difiere de los enfoquestradicionales guiados por los datos [Inm92] [Gol99]. Los diseñadores de losdata warehouses deben entender los factores claves que guían al negocio paradeterminar efectivamente los requerimientos y traducirlos en consideracionesde diseño apropiadas.

55


56/60

56


57/60

•DISEÑO DE LA ARQUITECTURA TÉCNICA.

Los ambientes de data warehousing requieren la integración de numerosas

tecnologías. Se debe saber tres factores: los requerimientos del negocio, losactuales ambientes técnicos y las directrices técnicas estratégicas futurasplanificadas para de esta forma poder establecer el diseño de la arquitecturatécnica del ambiente de data warehousing .

•MODELO DIMENSIONAL.

La definición de los requerimientos del negocio determina los datos necesarios

para cumplir los requerimientos analíticos de los usuarios. Diseñar los modelosde datos para soportar estos análisis requiere un enfoque diferente al usado enlos sistemas operacionales. Básicamente se comienza con una matriz donde sedetermina la dimensionalidad de cada indicador y luego se especifican losdiferentes grados de detalle (atributos) dentro de cada concepto del negocio(dimensión), como así también la granularidad de cada indicador (variable o

métrica) y las diferentes jerarquías que dan forma al modelo dimensional delnegocio (BDM) o mapa dimensional.

57


58/60

•ESPECIFICACIÓN DE IMPLEMENTACIÓN PARA USUARIOS FINALES

No todos los usuarios del warehouse necesitan el mismo nivel deanálisis. Es por ello que en esta etapa se identifican los diferentes roles o

perfiles de usuarios para determinar los diferentes tipos de aplicacionesnecesarias en base al alcance de los diferentes perfiles (gerencial,analista del negocio, vendedor, etc.) Kimball se concentra sobre elproceso de creación de aplicaciones “templates”. Comienza definiendo elconcepto de la aplicación para usuario final y su rol en el acceso a lainformación del negocio. Brinda un marco metodológico bastanteestándard en lo que ha desarrollo de aplicaciones (como piezas desoftware) se refiere.•SELECCIÓN DEL PRODUCTO E INSTALACIÓN

Utilizando el diseño de arquitectura técnica como marco, es necesarioevaluar y seleccionar componentes específicos de la arquitectura comoser la plataforma de hardware, el motor de base de datos, la herramientade ETL o el desarrollo pertinente, herramientas de acceso, etc. Una vez

evaluados y seleccionados los componentes determinados se procedecon la instalación y prueba de los mismos en un ambiente integrado dedata warehousing.

58


59/60

•DISEÑO FÍSICO.

El diseño físico de las base de datos se focaliza sobre la selección de las estructurasnecesarias para soportar el diseño lógico. Algunos de los elementos principales de esteproceso son la definición de convenciones estándares de nombres y seteos específicosdel ambiente de la base de datos. La indexación y las estrategias de particionamiento sontambién determinadas en esta etapa.

•DISEÑO Y DESARROLLO DE PRESENTACION DE DATOS.

Esta etapa es típicamente la más subestimada de las tareas en un proyecto de datawarehouse. Las principales subetapas de esta zona del ciclo de vida son: la extracción, latransformación y la carga (ETL process). Se definen como procesos de extracción aaquellos requeridos para obtener los datos que permitirán efectuar la carga del ModeloFísico acordado. Asimismo, se definen como procesos de transformación los procesospara convertir o recodificar los datos fuente a fin poder efectuar la carga efectiva delModelo Físico.

•DESARROLLO DE APLICACIÓN PARA USUARIOS FINALES.

Siguiendo a la especificación de las aplicaciones para usuarios finales, el desarrollo de lasaplicaciones de los usuarios finales involucra configuraciones del metadata y

construcción de reportes específicos. Una vez que se ha cumplido con todos los pasos dela especificación y se tiene la posibilidad de trabajar con algunos datos de prueba,comienza el desarrollo de la aplicación.

Selección de un enfoque de implementación, Desarrollo de la aplicación y Prueba yverificación de datos

59


60/60

•IMPLEMENTACION

La IMPLEMENTACIÓN representa la convergencia de la tecnología, los datosy las aplicaciones de usuarios finales accesible desde el escritorio del

usuario del negocio. Hay varios factores extras que aseguran el correctofuncionamiento de todas estas piezas, entre ellos se encuentran lacapacitación, el soporte técnico, la comunicación, las estrategias defeedback. Todas estas tareas deben ser tenidas en cuenta antes de quecualquier usuario pueda tener acceso al data warehouse.

•MANTENIMIENTO Y CRECIMIENTO

Como se remarca siempre, Data Warehousing es un proceso (de etapas biendefinidas, con comienzo y fin, pero de naturaleza espiral) pues acompaña ala evolución de la organización durante toda su historia. Se necesitacontinuar con los relevamientos de forma constante para poder seguir laevolución de las metas por conseguir. Según afirma Kimball. Al contrario delos sistemas tradicionales, los cambios en el desarrollo deben ser vistoscomo signos de éxito y no de falla. Es importante establecer las prioridades

para poder manejar los nuevos requerimientos de los usuarios y de esaforma poder evolucionar y crecer.

+ + + SISTEMAS DE SOPORTE A LAS DECISIONES--- Cap. 3.pdf

Documents

Transcript of + + + SISTEMAS DE SOPORTE A LAS DECISIONES--- Cap. 3.pdf