DW-II almacenamiento de datos

7/25/2019 DW-II almacenamiento de datos

1/125

PARTE II:ALMACENES DE DATOS

Wilson Andrs Castillo Rojas

Magster en Ciencias de la Ingeniera, Mencin Computacin

Pontificia Universidad Catlica de Chile

[email protected]

rea Computacin e Informtica

Facultad de Ingeniera y Arquitectura

Universidad Arturo Prat


2/125

2

Temario

1. Introduccin1.1. Finalidades y Evolucin de los Sistemas de Informacin.

1.2. Herramientas para la Toma de Decisiones: diferencias e interrelacin.1.3. Almacenes de Datos, OLAP y Minera de Datos: definicin e interrelacin.

2. Almacenes de Datos2.1. Introduccin a los Modelos MM y Almacenes de Datos.

2.2. Arquitectura de un Sistema de Almacn de Datos.2.3. Explotacin de un Almacn de Datos: Herramientas OLAP.

2.4. Sistemas ROLAP y MOLAP.

2.5. Carga y Mantenimiento de un Almacn de Datos.2.6. Diseo de un almacn de Datos.

2.7. Lneas de Investigacin Abiertas.3. Minera de Datos3.1. Introduccin a la Minera de Datos (DM)3.2. El proceso de KDD

3.3. Tcnicas de Minera de Datos

3.4. Web Mining

3.5. Lneas de Investigacin Abiertas


3/125

3

Objetivos Parte II

Conocer las ventajas y casos donde es aconsejablerecopilar informacin interna y externa en un Almacn de

Datos.

Conocer el modelo multidimensional de los almacenes de

datos y los operadores de refinamiento asociados: drill,roll, slice & dice, pivot.

Conocer la arquitectura y diferentes implementaciones(ROLAP, MOLAP) de Almacenes de Datos.

Reconocer pautas para el diseo y mantenimiento de ADs.


4/125

4

Introduccin a los Almacenes de Datos

Generalmente, la informacinque se quiereinvestigar sobre un cierto dominio de la organizacin

se encuentra en bases de datos y otras fuentesmuy diversas, tanto internas como externas.

Muchas de estas fuentes son las que se utilizan

para el trabajo diario (bases de datosoperacionales).

OBJETIVO:Anlisis de Datos para el Soporte en

la Toma de Decisiones.


5/125

5


Sobre estas mismas bases de datos de trabajo ya se puede

extraer conocimiento (visin tradicional).

Uso de la base de datos transaccional para varios cometidos:

Se mantiene el trabajo transaccional diario de los sistemas de

informacin originales (conocido como OLTP, On-LineTransactional Processing).

Se hace anlisis de los datos en tiempo real sobre la misma base dedatos (conocido como OLAP, On-Line Analytical Processing).


6/125

6


Uso de la base de datos transaccional para varios cometidos:

PROBLEMAS:

perturba el trabajo transaccional diario de los sistemas de

informacin originales (killer queries). Se debe hacer

por la noche o en fines de semana.

la base de datos est diseada para el trabajotransaccional, no para el anlisis de los datos.

Generalmente no puede ser en tiempo real (era AP pero

no OLAP).


7/125

7


Se desea operar eficientemente con esos datos...

los costes de almacenamiento masivo y conectividad se han

reducido drsticamente en los ltimos aos,

parece razonable recoger los datos (informacinhistrica) en un sistema separado y especfico.

Data warehouses(Almacenes o Bodegas de Datos)

NACE EL DATA-WAREHOUSING


8/125

8


Almacenes de Datos (AD) (data warehouse)

disponer de Sistemas deInformacin de apoyo a la

toma de decisiones*

disponer debases de datosque permitanextraer conocimientodela informacin histrica almacenada en la organizacin

motivacin

anlisis de laorganizacin

previsiones deevolucin

diseo deestrategias

objetivos

* DSS: Decision Support Systems


9/125

9


Almacenes de datos

Base de Datos diseada con un objetivo deexplotacin distinto que el de las bases de

datos de los sistemas operacionales.

Sistema Operacional

(OLTP)

Sistema de Almacnde Datos

(DW)

BD orientada alproceso

BD orientada alanlisis


10/125

10


Almacenes de Datos

coleccin de datos diseada

para dar apoyo a los procesosde toma de decisiones

orientada haciala informacin*

relevante de laorganizacin

integrada variable en eltiempo no voltil

caractersticas

* subject oriented, not process oriented

definicin


11/125

11


AD: Orientado hacia la

informacin relevante

de la organizacin

se disea para consultar eficientemente

informacin relativa a las actividades

(ventas, compras, produccin, ...) bsicas

de la organizacin, no para soportar los

procesos que se realizan en ella (gestin

de pedidos, facturacin, etc).

InformacinNecesaria

PRODUCTO

...

GAMA...

VENTA

...

PAS...

Base de DatosTransaccional

CURSO

...

REUNION

...PROTOTIPO

...


12/125

12


Base de Datos

Transaccional 1

Fuente deDatos 1

FuentesExternas

Fuentes

Internas

Fuente deDatos 2

Fuente deDatos 3

HTML

Almacnde Datos

texto

Base de Datos

Transaccional 2

AD: Integradointegra datos recogidos de

diferentes sistemas operacionales

de la organizacin (y/o fuentes

externas).


13/125

13


Los datos son almacenados como fotos (snapshots)correspondientes a periodos de tiempo.

DatosTiempo

01/2003

02/2003

03/2003

Datos de Enero

Datos de Febrero

Datos de Marzo

AD: Variable

en el tiempo

los datos son relativos a un periodo detiempo y deben ser incrementados

peridicamente.


14/125

14


READ

Carga

INSERT READ

UPDATE

DELETE

Bases de datos operacionales Almacn de Datos

AD: No voltillos datos almacenados no sonactualizados, slo son incrementados.

El periodo de tiempo cubierto por un AD vara

entre 2 y 10 aos.


15/125

15


Almacenes de Datosventajas para las

organizaciones

rentabilidad de las

inversiones

realizadas para sucreacin

aumento de la

competitividad

en el mercado

aumento de la

productividad de

los tcnicos dedireccin


16/125

16


Almacenes de Datos

problemas

infravaloracin de losrecursos necesarios

para la captura, carga

y almacenamiento de

los datos

incremento

continuo de losrequisitos de los

usuarios

privacidad delos datos

infravaloracin delesfuerzo necesario para

su diseo y creacin


17/125

17


Sistema Operacional (OLTP) Almacn de datos (DW)

- almacena datos actuales - almacena datos histricos

- almacena datos de detalle - almacena datos de detalle

y datos agregados a distintos niveles

-bases de datos medianas - bases de datos grandes

(100Mb-1Gb) (100Gb-1Tb)

- los datos son dinmicos (actualizables) - los datos son estticos

- los procesos (transacciones) son repetitivos - los procesos no son previsibles

- el nmero de transacciones es elevado - el nmero de transacciones es

bajo o medio

- tiempo de respuesta pequeo (segundos) - tiempo de respuesta variable

(segundos-horas)

- dedicado al procesamiento de transacciones - dedicado al anlisis de datos

- orientado a los procesos de la organizacin - orientado a la informacin relevante

- soporta decisiones diarias - soporta decisiones estratgicas

- sirve a muchos usuarios (administrativos) - sirve a tcnicos de direccin


18/125

18

Arquitectura de un Almacn de Datos

La Arquitectura de un AD viene determinada por susituacin central como fuente de informacin para

las herramientas de anlisis.

Base de Datos

Transaccional

Fuentes

Internas

Fuentes

Externas

Fuente deDatos

Fuente deDatos 3

HTML

Fuente deDatos 1

texto

Almacn

de Datos

ETL Interfaz yOperadores

Herramientasde consultas e

informes

HerramientasEIS

HerramientasOLAP

Herramientas deMinera de Datos

Copias deSeguridad


19/125

19


Componentes:

Sistema ETL (Extraction, Transformation, Load): realiza las

funciones de extraccinde las fuentes de datos

(transaccionales o externas), transformacin(limpieza,

consolidacin, ...) y la cargadel AD, realizando: extraccin de los datos. filtrado de los datos: limpieza, consolidacin, etc. carga inicial del almacn: ordenacin, agregaciones, etc. refresco del almacn: operacin peridica que propaga los

cambios de las fuentes externas al almacn de datos

Repositorio Propio de Datos: informacin relevante, metadatos.

Interfaces y Gestores de Consulta: permiten acceder a los

datos ys sobre ellos se conectan herramientas ms

sofisticadas (OLAP, EIS, minera de datos).

Sistemas de Integridad y Seguridad: se encargan de un

mantenimiento global, copias de seguridad, ...


20/125

20


Organizacin (Externa) de Los Datos!

Las herramientas de explotacin de los

almacenes de datos han adoptado un

modelo multidimensional de datos.

Se ofrece al usuario una visin multidimensional

de los datos que son objeto de anlisis.


21/125

21


EJEMPLO

Organizacin:Cadena de supermercados.

Actividad objeto de anlisis:ventas de productos.

Informacin registrada sobre una venta:del productoTauritn33cl se han vendido en el almacnAlmacn nro.1 el da17/7/2003, 5unidadespor un importede 103,19 euros.

Para hacer el anlisis no interesa la venta individual (ticket)realizada a un cliente sino las ventas diarias de productos en

los distintos almacenes de la cadena.


22/125

22


importe

unidades

Almacn

Almacn

Ciudad

Regin

Tipo

Pro

ducto

Departamento

Nro_producto

Categora

Marca

Tipo

Descripcin

Tiempo

Da

Mes

Semana

Ao

Trimestre


23/125

23


importe

unidades

Departamento

Nro_producto

Categora

Marca

Tipo

Da

Mes

Semana

Almacn

Ciudad

Regin

Tipo

Ao

Descripcin

Actividad que es objeto deanlisis con los indicadores

que interesa analizar

Dimensiones (puntos devista) desde los que se

puede analizar la actividad.

Pro

ducto

Tiempo

Almacn

Trimestre


24/125

24


Modelo multidimensional:

!

en un esquema multidimensional se representa una actividad

que es objeto de anlisis (hecho)y las dimensiones que

caracterizan la actividad (dimensiones).

!la informacin relevante sobre el hecho(actividad) se

representa por un conjunto de indicadores (medidas o atributos de

hecho).

!

la informacin descriptiva de cada dimensinse representa porun conjunto de atributos (atributos de dimensin).


25/125

25


importe

unidades

Almacn

Almacn

Ciudad

Regin

Tipo

Pr

oducto

Departamento

Nro_producto

Categora

Marca

Tipo

Descripcin

hecho

medidasdimensin

atributos

Tiempo

Da

Mes

Semana

Ao

Trimestre


26/125

26


Entre los atributos de una dimensin se definenjerarquas

departamento

almacn

ciudad regin

tipo

da mes ao

Producto

Almacn

Tiempo

nro. producto categora

trimestre

semana


27/125

27


Este esquema multidimensional recibe varios nombres:

estrella: si la jerarqua de dimensiones es lineal

estrella jerrquica o copo de nieve: si la jerarqua no es lineal.

PERSONAL

VENTAS

tiempo

tiempo

producto

lugar

proyecto

equipo


28/125

28


Zumo Pia 1l.Cola 33cl.

Leche Entera Cabra 1lTauritn 33cl

Cerveza Kiel 20 cl

Jabn Salitre

1 23 4 1 2

TIEMPO:trimestre

MadridBarcelona

ValenciaZaragozaAlicante

Murcia

175793

512

Ventas enmiles de

EurosJerarqua de dimensiones:

Categora

|

Gama Prov.

\ /

Artculo

Pas

|

Ciudad

|

Supermercado

Ao

/ \

Trimestre \

/ \

Mes Semana

\ /

Da

|

Hora

PRODUCTO:artculo

LUGAR:ciudad

PRODUCTO LUGAR TIEMPO

2004 2005

22

Se pueden obtener hechos a diferentes niveles deagregacin:

obtencin de medidassobre los hechosparametrizadas por

atributos de las dimensionesy restringidas por condiciones

impuestas sobre las dimensiones

Un nivel de agregacin para un conjunto de

dimensiones se denomina cubo.

HECHO: El primer

trimestrede 2004 la

empresa vendi enValenciapor un importe

de 22.000 euros del

productotauritn 33 cl.


29/125

29


Se puede recopilar toda la informacin necesaria enun nico esquema estrella o copo de nieve?

NO : necesidad de varios esquemas.

Cada uno de estos esquemas se denomina datamart.

VENTAS

PERSONAL

PRODUCCIN

CAMPAA

tiempo

tiempo

tiempo

producto

producto

lugar

proyectoequipo

productoproveedor

lugar

lugar

tiempo

Almacnformado por

4 datamarts.


30/125

30


El almacn de datos puede estar formado por variosdatamarts y, opcionalmente, por tablas adicionales.

Data mart

!

se definen para satisfacer las necesidades

de un departamento o seccin de laorganizacin.

!

contiene menos informacin de detalle y

ms informacin agregada.

subconjunto de un almacn de

datos, generalmente en forma deestrella o copo de nieve.


31/125

31

Herramientas OLAP

!Las herramientas de OLAP presentan al usuario unavisin multidimensional de los datos (esquema

multidimensional) para cada actividad que es objeto

de anlisis.

!El usuario formula consultas a la herramienta OLAP

seleccionando atributos de este esquema

multidimensional sin conocer la estructura interna

(esquema fsico) del almacn de datos.!

La herramienta OLAP genera la correspondiente

consulta y la enva al gestor de consultas delsistema (p.ej. mediante una sentencia SELECT).


32/125

32

Herramientas OLAP

una consulta a un almacn de datos consiste generalmente

en la obtencin de medidassobre los hechosparametrizadas

por atributos de las dimensionesy restringidas por

condicionesimpuestas sobre las dimensiones

Importetotal de las ventasdurante este aode los productosdel departamento Bebidas, por trimestrey por categora ?.

Restricciones: productos del departamento Bebidas, ventas durante este ao

medida hecho

Parmetros de la consulta:por categora de producto y por trimestre


33/125

33

Herramientas OLAP

2002

Bebidas

Producto

Tiempo

Almacn

importe

unidades

Departamento

Nro_producto

Categora

Marca

Tipo

Da

Mes

Da de lasemana

Almacn

Ciudad

Regin

Tipo

Ao

Importe total de ventas en

este ao, del departamento

de Bebidas, por categora y

trimestre

Trimestre


34/125

34

Herramientas OLAP

trimestre categora importe


35/125

35

Herramientas OLAP

Presentacin tabular

(relacional) de los

datos seleccionados

Categora Trimestre Ventas

T4

T2

T3

T1

T3

2000000

3000000

1500000

2400000

8000000

T1 1000000

T4

T2 1000000

Refrescos

Refrescos

Refrescos

Refrescos

Zumos

Zumos

Zumos

Zumos

2000000

Se asumen dos categoras en

el departamento de Bebidas:

Refrescos y Zumos.


36/125

36

Herramientas OLAP

T4T3T2T1

Zumos

Refrescos

categora

trimestre Presentacin matricial

(multidimensional) de los

datos seleccionados

Los parmetros de la consulta (por trimestre y por categora)determinan los criterios de agrupacin de los datos seleccionados

(ventas de productos del departamento Bebidasdurante este ao).

La agrupacin se realiza sobre dos dimensiones (Producto, Tiempo).

2000000 1000000 3000000 2000000

1000000 1500000 8000000 2400000


37/125

37

Herramientas OLAP

Lo interesante no es poder realizar consultas que, encierto modo, se pueden hacer con selecciones,

proyecciones, concatenaciones y agrupamientos

tradicionales.

Lo realmente interesante de las herramientas OLAP

son sus operadores de refinamiento o manipulacinde consultas.

DRILL

ROLL

SLICE & DICE

PIVOT


38/125

38

Herramientas OLAP

El carcter agregado de las consultas en el Anlisisde Datos, aconseja la definicin de nuevos

operadores que faciliten la agregacin (consolidacin)

y la disgregacin (divisin) de los datos:

!

agregacin (roll): permite eliminar un criterio deagrupacin en el anlisis, agregando los grupos

actuales.

! disgregacin (drill): permite introducir un nuevo

criterio de agrupacin en el anlisis, disgregandolos grupos actuales.


39/125

39

Herramientas OLAP

Si se desea introducir la dimensinAlmacnen el anlisis

anterior e incluir un nuevo criterio de agrupacin sobre la

ciudad del almacn:

Importe total de las ventas durante este aode losproductos del departamento Bebidas, por trimestre, porcategorasyporciudad del almacn ?.

Restricciones: productos del departamento Bebidas, ventas durante este ao

Parmetros de la consulta:por categora de producto, por trimestre y porciudad del almacn.


40/125

40

Herramientas OLAP

2002

Bebidas

Producto

Tiempo

Almacn

importe

unidades

Departamento

Nro_producto

Categora

Marca

TipoDa

Mes

Da de lasemana

Almacn

Ciudad

Regin

Tipo

Ao



de Bebidas, por categora,

trimestre y ciudad

Trimestre


41/125

41

Herramientas OLAP

trimestre categoraimporte

la operacin de DRILL

se realiza sobre elinforme original !


42/125

42

Herramientas OLAP

Categora Trimestre VentasCiudad

T2

T1

400000

T2 700000

Refrescos T1

Valencia

drill-acr o

ss


T4

T2

T3

T1

T3

2000000

3000000

1500000

2400000

8000000

T1 1000000

T4

T2 1000000

Refrescos

Refrescos

Refrescos

Refrescos

Zumos

Zumos

Zumos

Zumos

2000000

Len

Refrescos

Refrescos

Refrescos

Valencia

Len

1000000

1000000

* Se asumen dos ciudades: Valencia y Len.

Cada grupo (categora-trimestre) de la

consulta original se disgrega en dos

nuevos grupos (categora-trimestre-ciudad) para las ciudades de Len y

Valencia.


43/125

43

Herramientas OLAP

T1 T2 T3 T4

Valencia

Zumos

Re

fres

cos

1000000

300000

400000

500000

100000

200000

500000

2000000

Presentacin matricial de

los datos seleccionados.


44/125

44

Herramientas OLAP

Si se desea eliminar el criterio de agrupacin sobre la

dimensin Tiempoen la consulta original:

Importe total de las ventas durante este aode losproductos del departamento Bebidas, por categoras ?


45/125

45

Herramientas OLAP

2002

Bebidas

Producto

Tiempo

Almacn

importe

unidades

Departamento

Nro_producto

Categora

Marca

TipoDa

Mes

Da de lasemana

Almacn

Ciudad

Regin

Tipo

Ao



de Bebidas, por categoras

Trimestre


46/125

46

Herramientas OLAP


la operacin de ROLLse realiza sobre el

informe original !


47/125

47

Herramientas OLAP

Categora Ventas

Refrescos 8000000

Zumos 12900000

r o

l l- a

cross


T4

T2

T3

T1

T3

2000000

3000000

1500000

2400000

8000000

T11000000

T4

T2 1000000

Refrescos

Refrescos

Refrescos

Refrescos

Zumos

Zumos

Zumos

Zumos

2000000


48/125

48

Herramientas OLAP

Las operaciones de agregacin (DRILL) y disgregacin (ROLL)

se pueden hacer sobre:

!

atributos de una dimensin sobre los que se ha definido

una jerarqua: DRILL-DOWN, ROLL-UP

departamento categora - producto (Producto)

ao - trimestre mes - da (Tiempo)

!

sobre dimensiones independientes: DRILL-ACROSS,

ROLL-ACROSS

Producto Almacn -Tiempo


49/125

49

Herramientas OLAP


la operacin de DRILL

se realiza sobre el

informe original !


50/125

50

Herramientas OLAP

Categora Trimestre VentasMes

T1

T1

500000

Refrescos T1

Enero

dr il l- d

ow

n


T4

T2

T3

T1

T3

2000000

3000000

1500000

2400000

8000000

T1 1000000

T4

T2 1000000

Refrescos

Refrescos

Refrescos

Refrescos

Zumos

Zumos

Zumos

Zumos

2000000

Febrero

Refrescos

Refrescos Marzo

1000000

500000

Cada grupo (categora-trimestre) de la

consulta original se disgrega en dos

nuevos grupos (categora-trimestre-mes).


51/125

51

Herramientas OLAP

Otras operaciones de OLAP:

!SLICE & DICE: seleccionar y proyectar

datos en el informe.

!PIVOT: reorientacin de las dimensiones

en el informe.


52/125

52

Herramientas OLAP

Ventas

ElectronicsToys

ClothingCosmetics

Q1

$5,2$1,9

$2,3$1,1

ElectronicsToys

ClothingCosmetics

Q

2

$8,9$0,75

$4,6$1,5

Productos Store1 Store2

$5,6$1,4

$2,6$1,1

$7,2$0,4

$4,6$0,5

Ventas

ElectronicsToys

ClothingCosmetics

Store1 $5,2

$1,9

$2,3$1,1

ElectronicsToys

ClothingCosmetics

Store2

$5,6$1,4

$2,6$1,1

Productos Q1 Q2

$8,9$0,75

$4,6$1,5

$7,2$0,4

$4,6$0,5

PIVOT


53/125

53

Herramientas OLAP

Ventas

ElectronicsToys

ClothingCosmetics

Q1

$5,2$1,9

$2,3$1,1

ElectronicsToys

ClothingCosmetics

Q

2

$8,9$0,75

$4,6$1,5

Productos Store1 Store2

$5,6$1,4

$2,6$1,1

$7,2$0,4

$4,6$0,5

Ventas

ElectronicsToysQ

1 $5,2$1,9

Productos Store1

Electronics

ToysQ2 $8,9

$0,75

SLICE& DICE


54/125

54

Herramientas OLAP

Las herramientas de OLAP se caracterizan* por:

! ofrecer una visin multidimensional de los datos (matricial).

! no imponer restricciones sobre el nmero de dimensiones.

! ofrecer simetra para las dimensiones.

! permitir definir de forma flexible (sin limitaciones) sobre las

dimensiones: restricciones, agregaciones y jerarquas entre

ellas.

! ofrecer operadores intuitivos de manipulacin: drill-down, roll-

up, slice-and-dice, pivot.

! ser transparentes al tipo de tecnologa que soporta el almacn

de datos (ROLAP o MOLAP).

*Subconjunto de las 12 reglas propuestas por E.F. Codd para A.D.


55/125

55

ROLAP y MOLAP

El Almacn de Datos y las herramientas OLAP sepueden basar fsicamenteen varias organizaciones:

Sistemas MOLAP

!

disponen de estructuras de almacenamiento especficas(arrays) y tcnicas de compactacin de datos quefavorecen el rendimiento del almacn.

Sistemas ROLAP

!

se implementan sobre tecnologa relacional, pero

disponen de algunas facilidades para mejorar elrendimiento (ndices de mapas de bits, ndices de JOIN).

Sistemas HOLAP

!sistemas hbridos entre ambos.


56/125

56

ROLAP y MOLAP

Sistemas ROLAP:

! El almacn de datos se construye sobre un

SGBD Relacional.

! Los fabricantes de SGBD relacionales

ofrecen extensiones y herramientas para

poder utilizar el SGBDR como un Sistema

Gestor de Almacenes de Datos.


57/125

57

ROLAP y MOLAP

Sistemas ROLAP:

Extensiones de los SGBD relacionales:

!

ndices de mapa de bits

!ndices de JOIN

!tcnicas de particionamiento de los datos

!

optimizadores de consultas

!

extensiones del SQL (operador CUBE, roll-up)


58/125

58

ROLAP y MOLAP

Sistemas MOLAP.

Sistema de propsito especfico:

!

estructuras de datos (arrays)

! tcnicas de compactacin.

El objetivo de los sistemas MOLAP es almacenar fsicamentelos datos en estructuras multidimensionales de forma que la

representacin externa y la representacin interna coincidan.


59/125

59

ROLAP y MOLAP

Warehouse

ServidorMOLAP

El servidor MOLAP

construye y almacena datos

en estructuras

multidimensionales.

La herramienta de OLAP

presenta estas estructuras

multidimensionales.

Herramienta

OLAP

Estructurasmultidimensionales


60/125

60

ROLAP y MOLAP

MOLAP:

Datos

Arrays

Extrados del almacn de datos

almacenamiento y procesos

eficientes

la complejidad de la BD se

oculta a los usuarios

el anlisis se hace sobre datos

agregados y mtricas o

indicadores precalculados.

Warehouse

ServidorMOLAP

Herramienta

OLAP

Estructuras

multidimensionales


61/125

61

ROLAP y MOLAP

HerramientaOLAP

HerramientaOLAP

ServidorRelacional

Desktop

ServidorMultidimensional

Warehouse

MOLAPROLAP

C l i

en te

S e

rvid

or


62/125

62

ROLAP y MOLAP

ROLAP/MOLAP: Ventajas e Inconvenientes:

ROLAP

!

pueden aprovechar la tecnologa relacional.

!pueden utilizarse sistemas relacionales genricos (msbaratos o incluso gratuitos).

!

el diseo lgico corresponde al fsico si se utiliza el

diseo de Kimball.

MOLAP:! generalmente ms eficientes que los ROLAP.

!

el coste de los cambios en la visin de los datos.

! la construccin de las estructuras multidimensionales.


63/125

Algunas Herramientas OLAP

63


64/125

64

Carga y Mantenimiento de un A.D.

El sistema encargado del mantenimiento del almacn de datos eselSistema E.T.T*(Extraccin - Transformacin -Transporte)

La construccin del Sistema E.T.T es responsabilidad del equipo

de desarrollo del almacn de datos.

El Sistema E.T.T es construido especficamente para cada

almacn de datos. Aproximadamente 50% del esfuerzo.

En la construccin del E.T.T se pueden utilizar herramientas delmercado o programas diseados especficamente.

Funciones del Sistema E.T.T:

Carga inicial. (initial load)

Mantenimiento o refrescoperidico: inmediato, diario, semanal,mensual,... (refreshment)

* Conocido tambin por E.T.L: Extraccin Transformacin Load (carga)


65/125

65


Correspondencia

Bases de datosoperacionales

Almacenamientointermedio

Almacn dedatos

Transformacin

Extraccin Transporte

El Almacenamiento intermedio permite:

Realizar transformaciones sin paralizar las bases dedatos operacionales y el almacn de datos.

Almacenar metadatos.

Facilitar la integracin de fuentes externas.

FuentesExternas

E.T.T.


66/125

66


E.T.T. Correspondencia

Transformacin

Extraccin Transporte

!Identificacin de losdatos que han cambiado

!Extraccin (lectura) de

datos.

!Obtencin de agregados

!Mantenimiento de

metadata

!Limpieza y transformacinde datos

!

Integracin de datos

(clculo de datos derivados)

!Creacin de claves

!Obtencin de agregados

!Mantenimiento de

metadata

!Carga

! Indizacin

!Obtencin de datos

agregados.

! Realizacin de pruebas

de calidad de la carga.

!Gestin de errores.

!Mantenimiento de

metadata


67/125

67


Definir una estrategia de calidad:

actuacin sobre los sistemas operacionales: modificarlas reglas de integridad, los disparadores y las

aplicaciones de los sistemas operacionales.

documentacin de las fuentes de datos.

definicin de un proceso de transformacin.

nombramiento de un responsable de calidad del sistema(Data Quality Manager).

La calidad de los datos es la clave del

xito de un almacn de datos.


68/125

68


Extraccin.

Programas diseados para extraer los datos de las fuentes.

Herramientas: data migration tools, wrappers, ...

Correspondencia

Bases de datosoperacionales


Almacn dedatos

Extraccin


69/125

69


Ejecucin de la extraccin:

a) si los datos operacionales estn mantenidos en un SGBDR, la

extraccinde datos se puede reducir a consultas en SQLo

rutinas programadas.

b) si los datos operacionales estn en un sistema propietario(no se conoce el formato de los datos) oen fuentes externas

textuales, hipertextuales u hojas de clculo, la extraccin puede

ser muy difcily puede tener que realizarse a partir de informes

o volcados de datos proporcionados por los propietarios que

debern ser procesados posteriormente.

Extraccin:lectura de datos del sistema operacional.

a) durante la carga inicial .

b) mantenimiento del AD


70/125

70


Identificacin de Cambios.

Identificar los datos operacionales (relevantes) que han sufrido

una modificacin desde la fecha del ltimo mantenimiento.

Mtodos

Carga total: cada vez se empieza de cero.

Comparacin de instancias de la base de datos operacional.

Uso de marcas de tiempo (time stamping) en los registros delsistema operacional.

Uso de disparadores en el sistema operacional.

Uso del fichero de log(gestin de transacciones) del sistema

operacional.

Uso de tcnicas mixtas.

Extraccin:en el mantenimiento/refresco del AD. Antes derealizar la extraccin es preciso Identificar los Cambios.


71/125

71


Transformacin.

-

Transformar los datos extrados de las fuentes operacionales:

limpieza, estandarizacin. (cleansing)

-

Calcular los datos derivados: aplicar las leyes de derivacin.

(integration)

Correspondencia

Bases de datos

operacionales

Almacenamiento

intermedio

Almacn de

datos

Transformacin


72/125

72


Transformacin.

En los datos operacionales existen anomalas: desarrollos

independientes a lo largo del tiempo, fuentes heterogneas, ..

Eliminar anomalas:

Limpieza de datos: eliminar datos, corregir y completar datos,

eliminar duplicados, ...

Estandarizacin: codificacin, formatos, unidades de medida, ...

12M65431

12-m-65421

12m65421

12m65421

12M65431

12M65431

12-m-65421

12m65421

12m65421

12M65431

12

12

12

M

m

m

65431

65421

65421

12

12

M

M

65431

65421


73/125

73


Transformacin.

Claves con estructura:descomponer en valores atmicos

cdigodel pas

zona deventas

nmero deproducto

cdigo devendedor

Cdigo de producto = 12M65431345


74/125

74


Transformacin.

Unificar codificaciones: existencia de codificaciones mltiples.

Deben detectarse los valores errneos.

v , h

1 , 0

varn, hembra

v, h


75/125

75


Transformacin.

Unificar estndares:unidades de medida, unidades de

tiempo,moneda,...

cm

inches

cm

DD/MM/YY

MM/DD/YYDD-Mon-YY

1,000 GBP

FF 9,990

USD 600


76/125

76


Transformacin.

Valores duplicados: deben ser eliminados.

SQL

restricciones en el SGBDR

ACME Inc

ACME Inc

ACME Inc ACME Inc


77/125

77


Transformacin.

Integridad referencial: debe reconstruirse.

Departamento1020

3040

Emp Nombre Departamento1099 Smith 101289 Jones 20

1234 Doe 506786 Harris 60


78/125

78


Transformacin.Creacin de claves.

#1 Venta 1/2/98 12:00:01 Ham Pizza $10.00

#2 Venta 1/2/98 12:00:02 Cheese Pizza $15.00

#3 Venta 1/2/98 12:00:02 Anchovy Pizza $12.00

#5 Venta 1/2/98 12:00:04 Sausage Pizza $11.00

#4 Devolucin 1/2/98 12:00:03 Anchovy Pizza - $12.00

#dw1 Venta 1/2/98 12:00:01 Ham Pizza $10.00

#dw2 Venta 1/2/98 12:00:02 Cheese Pizza $15.00

#dw3 Venta 1/2/98 12:00:04 Sausage Pizza $11.00

Claves sin significado


79/125

79


Transporte. (carga)

La fase de Transporteconsiste en mover los datos desde las

fuentes operacionales o el almacenamiento intermedio hasta el

almacn de datos y cargar los datos en las correspondientesestructuras de datos.

La carga puede consumir mucho tiempo.

En la carga inicial del AD se mueven grandes volmenes de

datos.

En los mantenimientos peridicos del AD se mueven pequeosvolmenes de datos.

La frecuencia del mantenimiento peridico est determinada

por el grnulo del AD y los requisitos de los usuarios.


80/125

80


Transporte.Creacin y mantenimiento de un AD.

Crear el AD (base de datos)

En intervalos de tiempo fijos aadir cambios al AD. Sedeben determinar las ventanas de carga ms convenientes

para no saturar la base de datos operacional.

Ocasionalmente archivar o eliminar datos obsoletos que ya

no interesan para el anlisis.

T1 T2 T3

Base de datosoperacional


81/125

81


Procesos posteriores a la carga: indizacin.

Durante la carga:

"

carga con el ndice habilitado

" proceso tupla a tupla. (lento)

Despus de la carga:"

carga con el ndice deshabilitado

" creacin del ndice (total o parcial). (rpido)

Index

Almacn

de datos

Base de datos

operacional


82/125

82


Procesos posteriores a la carga: obtencin de agregados.

Durante la extraccin.

Despus de la carga (transporte).

Base de datosoperacional


Almacn dedatos

TransporteExtraccin


83/125

Herramientas ETL?

83


84/125

84

Diseo de un Almacn de Datos

Diseo fsico

Diseo lgico especfico

Implementacin

Diseo conceptual

Recogida y anlisis derequisitos


85/125

85


Diseo fsico

Diseo lgico

Implementacin

Diseo conceptual

Recogida y anlisis derequisitos Anlisis

Discernimiento de lasfuentes necesarias

del sistema de

informacin de la

organizacin (OLTP)

y externas

Requisitos deusuario

(consultas deanlisis

necesarias,nivel de

agregacin,!

)

p.ej. Entidad-Relacin

DiseoConceptual


86/125

86


Diseo fsico

Diseo lgico

Implementacin

Diseo conceptual

Recogida y anlisis derequisitos Diseo

Lgico

Modeladomultidimensional (MR)

Esquemas

estrella


87/125

87


Diseo fsico

Diseo lgico

Implementacin

Diseo conceptual


Definicin del esquemaROLAP o MOLAP

DiseoFsico

Diseo del ETL


88/125

88


Diseo fsico

Diseo lgico

Implementacin

Diseo conceptual


Implementacin

Carga del AD (ETL)

Preparacin de lasvistas de usuario

(herramienta OLAP)


89/125

89


Detallemos ms ahora el Diseo Lgico...

La visin multidimensionalseguida por

las herramientas de explotacin de

almacenes de datos (OLAP) ha

inspirado los modelos y metodologasde diseo de este tipo de sistemas.

En la literatura se habla de Bases de Datos

Multidimensionalesy de Diseo Multidimensional

Diseo fsico

Diseo lgico

Implementacin

Diseo conceptual



90/125

90


Modelado multidimensional:

!

en un esquema multidimensional se representa una

actividad que es objeto de anlisis (hecho)y las

dimensiones que caracterizan la actividad

(dimensiones).

! la informacin relevante sobre el hecho(actividad)

se representa por un conjunto de indicadores

(medidas o atributos de hecho).

!

la informacin descriptiva de cada dimensinse

representa por un conjunto de atributos (atributosde dimensin).


91/125

91


Modelado multidimensional:

! el modelado multidimensional se puede aplicar

utilizando distintos modelos de datos(conceptuales o lgicos).

! la representacin grfica del esquema

multidimensional depender del modelo de datos

utilizado (relacional, ER, UML, OO, ...).


92/125

92


El desarrollo de la tecnologa de almacenes dedatos se ha caracterizado por:

- un temprano desarrollo industrial provocado por

las demandas de los usuarios.

- el uso de metodologas de diseocentradas

principalmente en los niveles lgico e interno. (laatencin se ha centrado en mejorar la eficiencia en la ejecucin deconsultas)

Metodologa de diseo basada en el modelo

relacional: Modelo multidimensional de Kimball

No es muy congruente usar modelos

para diseo conceptual!.


93/125

93


Pasos en el diseo del almacn de datos:

Paso 1. Elegir un proceso de la organizacin para

modelar.

Paso 2. Decidir el grnulo (nivel de detalle) de

representacin del proceso.

Paso 3. Identificar las dimensiones que

caracterizan el proceso.

Paso 4. Decidir la informacin a almacenar sobre elproceso.

i A


94/125

94


Paso 1. Elegir un procesode la organizacin paramodelar.

Proceso: actividad de la organizacin soportada por un

OLTP del cual se puede extraer informacin con el

propsito de construir el almacn de datos.

Pedidos (de clientes)

Compras (a suministradores)

Facturacin

EnvosVentas

Inventario

!

Di d Al d D


95/125

95


Ejemplo: Cadena de supermercados.

Cadena de supermercados con 300 almacenes en la

que se expenden unos 30.000 productos distintos.

Actividad:Ventas.

La actividad a modelar son las ventas de productos

en los almacenes de la cadena.

Di d Al d D t


96/125

96


Paso 2. Decidir el grnulo (nivel de detalle) derepresentacin.

Grnulo: es el nivel de detalle al que se desea almacenar

informacin sobre la actividad a modelar.

!El grnulodefine el nivel atmico de datos en el almacnde datos.

!El grnulodetermina el significado de las tuplas de la tabla

de hechos.

!El grnulodetermina las dimensiones bsicasdel esquema

transaccin en el OLTP

informacin diaria

informacin semanal

informacin mensual. ....

Di d Al d D t


97/125

97


id_dim1

id_dim2

id_dim3

...

id_dim n

....

(hechos)

tabla de

hechostabla

Dimensin 3

tabla

Dimensin 1

tabla

Dimensin 2 tabla

Dimensin n

Di d Al d D t


98/125

98



Grnulo: se desea almacenar informacin sobre las ventas

diariasde cadaproducto en cada almacnde la cadena.

Grnulo:

!

define el significado de las tuplas de la tabla de hechos.!

determina las dimensiones bsicas del esquema.

producto

da

almacn

ventas

Di d Al d D t


99/125

99


Grnulo inferior:no se almacena informacin a nivel de

lnea de ticketporque no se puede identificar siempre al

cliente de la venta lo que permitira hacer anlisis del

comportamiento (hbitos de compra) del cliente.

Grnulo superior:no se almacena informacin a nivel

semanalo mensualporque se perderan opciones de

anlisis interesantes: ventas en das previos a vacaciones,

ventas en fin de semana, ventas en fin de mes, ....

En un almacn de datos se almacena informacin

a un nivel de detalle (grnulo) fino no porque se

vaya a interrogar el almacn a ese nivel sino

porque ello permite clasificar y estudiar (analizar)

la informacin desde muchos puntos de vista.

Di d Al d D t


100/125

100


producto

da

almacn

ventas

id_producto

id_fecha

id_almacn.....

.....

......

tabla dehechos

la clave primaria* estformada por los

identificadores de las

dimensiones bsicas.

datos (medidas) sobre lasventas diarias de un

producto en un almacn.

* pueden existir excepciones a esta regla general

Di d Al d D t


101/125

101


Paso 3. Identificar las dimensiones que caracterizan elproceso.

!

Dimensiones: dimensiones que caracterizan la actividad al

nivel de detalle (grnulo) que se ha elegido.

Tiempo (dimensin temporal: cundo se produce la actividad?)

Producto (dimensin cul es el objeto de la actividad?)

Almacn (dimensin geogrfica: dnde se produce la actividad?)

Cliente (dimensin quin es el destinatario de la actividad?)

!

De cada dimensinse debe decidir los atributos(propiedades) relevantes para el anlisis de la actividad.

!

Entre los atributos de una dimensin existen jerarquas

naturales que deben ser identificadas (da-mes-ao)

Di d Al d D t


102/125

102


id_dim1

....

tabla

Dimensin 1

Di d Al d D t


103/125

103



definicin degrnulo

dimensionesbsicas

tiempo

producto

establecimiento

Nota: En las aplicaciones reales el nmero de dimensionessuele variar entre 3 y 15 dimensiones.



104/125

104


Dimensin Tiempo:

! dimensin presente en todo AD porque el AD contieneinformacin histrica sobre la organizacin.

! aunque el lenguaje SQL ofrece funciones de tipo DATE, una

dimensin Tiempo permite representar otros atributostemporales no calculables en SQL.

! se puede calcular de antemano

! atributos frecuentes:

nro. de da, nro. de semana, nro. de ao: valores absolutos del

calendario juliano que permiten hacer ciertos clculos aritmticos.

da de la semana (lunes, martes, mircoles,...): permite hacer

anlisis sobre das de la semana concretos (ej. ventas en sbado,

ventas en lunes,..).



105/125

105


Dimensin Tiempo:! atributos frecuentes:

- da del mes (1..31): permite hacer comparaciones sobre el mismo

da en meses distintos (ventas el 1 de mes).

- marca de fin de mes, marca de fin de semana : permite hacer

comparaciones sobre el ltimo da del mes o das de fin de semanaen distintos meses.

- trimestre del ao (1..4): permite hacer anlisis sobre un trimestre

concreto en distintos aos.

- marca de da festivo: permite hacer anlisis sobre los das contiguos

a un da festivo.

-

estacin (primavera, verano..)

- evento especial: permite marcar das de eventos especiales (final defutbol, elecciones...)

!jerarqua natural:

da - mes - trimestre -ao



106/125

106


Dimensin Producto:

! la dimensin Producto se define a partir del fichero maestro deproductos del sistema OLTP.

! las actualizaciones del fichero maestro de productos deben

reflejarse en la dimensin Producto (cmo?).

! la dimensin Producto debe contener el mayor nmero posible

de atributos descriptivos que permitan un anlisis flexible. Un

nmero frecuente es de 50 atributos.

! atributos frecuentes: identificador (cdigo estndar),

descripcin, tamao del envase, marca, categora,departamento, tipo de envase, producto diettico, peso,

unidades de peso, unidades por envase, frmula, ...

! jerarquas: producto-categora-departamento



107/125

107


Dimensin Establecimiento (store) :

! la dimensin Almacn representa la informacin geogrfica bsica.

! esta dimensin suele ser creada explcitamente recopilando

informacin externaque slo tiene sentido en el A.D y que no latiene en un OLTP (nmero de habitantes de la ciudad del

establecimiento, caracterizacin del tipo de poblacin del distrito, ...)! atributos frecuentes: identificador (cdigo interno), nombre,

direccin, distrito, regin, ciudad, pas, director, telfono, fax, tipo dealmacn, superficie, fecha de apertura, fecha de la ltima

remodelacin, superficie para congelados, superficie para productos

frescos, datos de la poblacin del distrito, zona de ventas, ...

!jerarquas:

establecimiento - distrito - ciudad - regin - pas (jerarqua

geogrfica)

establecimiento - zona_ventas - regin_ventas (jerarqua de

ventas)



108/125

108


id_establec

nro_establec

nombre

direccin

distritociudad

pas

tlfno

fax

superficietipo_almacn

...

Establecimientoid_fecha

da

semana

mes

aoda_semana

da_mes

trimestre

festivo

....

Tiempoid_producto

nro_producto

descripcin

marca

subcategora

categora

departamento

peso

unidades_peso

tipo_envase

diettico

...

Producto



109/125

109


id_fecha

id_producto

id_establec

...

...

...

Ventas

id_establec

nro_establec

nombre

direccin

distritociudad

pas

tlfno

fax

superficietipo_almacn

...

id_producto

nro_productodescripcin

marca

subcategora

categora

departamentopeso

unidades_peso

tipo_envase

diettico

...

Establecimiento

Producto

id_fecha

da

semana

mes

ao

da_semana

da_mes

trimestre

festivo

....

Tiempo



110/125

110


Paso 4. Decidir la informacin a almacenar sobre elproceso.

Hechos: informacin (sobre la actividad) que se desea almacenar

en cada tupla de la tabla de hechos y que ser el objeto del

anlisis.Precio

Unidades

Importe

....

Nota: algunos datos que en el OLTP coincidiran con valores deatributos de dimensiones, en el almacn de datos pueden

representar hechos. (Ejemplo: el precio de venta de un producto).



111/125

111



Grnulo: se desea almacenar informacin sobre las ventas

diariasde cadaproductoen cada establecimientode la cadena.

importe total de las ventas del producto en el da

nmero total de unidades vendidas del producto en el da

nmero total de clientes distintos que han comprado elproducto en el da.



112/125

112


id_fecha

id_producto

id_establec

importe

unidades

nro_clientes

Ventas

id_establec

nro_establec

nombre

direccin

distrito

ciudad

pas

tlfno

fax

superficie

tipo_almacn

...

id_producto

nro_producto

descripcin

marca

subcategora

categora

departamento

peso

unidades_peso

tipo_envase

diettico

...

Establecimiento

Producto

id_fecha

da

semana

mes

ao

da_semana

da_mes

trimestre

festivo

....

Tiempo



113/125

113


Otras orientaciones de diseo:

!

usar claves sin significado:

! evitar normalizar.

!

incluir la dimensin Tiempo.

! dimensiones que cambian.

!

definicin de agregados.



114/125

114


Otras orientaciones de diseo:!

uso de claves sin significado.

en un almacn de datos debe evitarse el uso de las clavesdel sistema operacional.

las claves de las dimensiones deben ser generadasartificialmente: claves de tipo entero (4 bytes) son suficiente

para dimensiones de cualquier tamao (232valores distintos).

la dimensin TIEMPO debe tener tambin una clave artificial.

Inconvenientes del uso de las claves del sistema operacional:

! en el OLTP se puede decidir reutilizar valores de la clave no

utilizados actualmente.

! en el OLTP se puede decidir cambiar la codificacin de las

claves.



115/125

115


Otras Orientaciones de diseo:

!

evitar normalizar.

Si se define una tabla de dimensin para cada dimensin

identificada en el anlisis, es frecuente que entre el conjunto de

atributos de la tabla aparezcan dependencias funcionales que

hacen que la tabla no est en 3 F.N.

Evitar normalizar:

! el ahorro de espacio no es significativo

!se multiplican los JOIN durante las consultas.



116/125

116


En un almacn de Datos muchas consultas son

restringidas y parametrizadas por criterios relativos a

periodos de tiempo (ltimo mes, este ao, ...).

Otras Orientaciones de diseo:

!

siempre introducir la dimensin Tiempo.



117/125

117



!

dimensiones que cambian.

Ejemplo:En un A.D existe la dimensin CLIENTE. En la tabla correspondiente

un registro representa la informacin sobre el cliente Mara Garca cuyo

estado civil cambia el 15-01-1994 de solteraa casada. El estado civil del

cliente es utilizado con frecuencia en el anlisis de la informacin.

Se considera relevante el caso en que, en el mundo real, para unvalor de una dimensin, cambia el valor de un atributo que es

significativo para el anlisis sin cambiar el valor de su clave.

Existen tres estrategias para el tratamiento de los cambios enlas dimensiones:

Tipo 1: Realizar la modificacin.

Tipo 2: Crear un nuevo registro.

Tipo 3: Crear un nuevo atributo.



118/125

118



!

definicin de agregados.

En un almacn de datos es usual consultarinformacin agregada!

El almacenamiento de datos agregados por distintos criterios deagregacin en la tabla de hechos mejora la eficiencia del AD.

Estrategias de almacenamiento de datos agregados:

!Estrategia 1:definir nuevas tablas de hechos (resp. dedimensiones) para almacenar la informacin agregada (resp. ladescripcin de los niveles de agregacin).

! Estrategia 2:insertar en la tabla de hechos (resp. dimensiones)

tuplas que representan la informacin agregada (resp. losniveles de agregacin).

Lneas de Investigacin Abiertas


119/125

119


Resmenes:! Widom, J. Research problems in data warehousing

Actas de la International Conference on Information and Knowledge

Management (CIKM95), ACM Press. 1995

! Chaudhuri, S., Dayal, U.An overview of data warehousing and OLAP

technology.

SIGMOD Records. 26(1), pp. 65-74, 1997.

! Wu, Ch., Buchmann, P. Research issues in data warehousing

Datebanksysteme in Bro, Technik und Wissenchaft (BTW),

Informatik Aktuell, pp. 61-62. Springer, 1997



120/125

120


Resmenes:! Samtani, S., Kumar, V., Kambayashi, Y.

Recent advances and research problems in data warehousing.

Actas de la International Conference on Conceptual Modeling (ER)

LNCS 1507,Springer, 1998

! Gardner, S.R.

Building the data warehouse.

Communications of the ACM 41(9), pp. 52-60, 1998.

! Dinter, B., Sapia, C. Hlfing, G., Blaschka, M.

OLAP market and research: initiating the cooperation.

Journal of Computer Science and Information Management, 2(3), 1999



121/125

121


Conferencias especializadas en DW:

! International Worshop on Data Warehousing and OLAP. (DOLAP)

!

International Workshop on Data Warehouse and Data Mining. (DWDM)

! Interantional Workshop on Design and Management of Data

Warehouses. (DMDW)

! International Conference on Data Warehousing and Knowledege

Discovery. (DaWaK)



122/125

122


Conferencias especializadas en BD:

! International Conference of Very Large Databases. (VLDB)

!

International Conference on Data Engineering. (ICDE)

! Interantional Conference on Conceptual Modeling. (ER)

! International Conference on Extending Database Technology (EDBT).

! International Conference on Database Theory (ICDT).



123/125

123


Direcciones de inters:

http://www.cs.toronto.edu/~mendel/dwbib.html

http://www.olapcouncil.org/research/

http://www.ceur-ws.org/

http://www.cis.drexel.edu/faculty/song/dolap.html

http://www-db.stanford.edu/warehousing/



124/125

124


!

Diseo de Almacenes de Datos: modelos conceptuales,metodogas de diseo.

! Carga y ETL: recuperacin de fallos durante la carga.

Planificacin de cargas y refrescos.

!

Limpieza y Transformacin! Mantenimiento de Almacenes de Datos: mantenimiento de

vistas materializadas.

!

Implementacin de Almacenes de Datos.

!

Diseo Fsico, optimizaciones para ROLAP, estructuraspara MOLAP.

! Reparticin de tareas OLAP entre el cliente y el servidor.


125/125

PARTE II:ALMACENES DE DATOS

Wilson Andrs Castillo RojasMagster en Ciencias de la Ingeniera, Mencin Computacin

Pontificia Universidad Catlica de Chile

[email protected]

rea Computacin e Informtica

DW-II almacenamiento de datos

Documents

Transcript of DW-II almacenamiento de datos