1.

FUNFAMENTOS

1.1 INTRODUCCION AL CONCEPTO D/W

Data warehousing es el centro de la arquitectura para los sistemas de informacin en la dcada de
los '90. Soporta el procesamiento informtico al proveer una plataforma slida, a partir de los
datos histricos para hacer el anlisis. Facilita la integracin de sistemas de aplicacin no
integrados. Organiza y almacena los datos que se necesitan para el procesamiento analtico,
informtico sobre una amplia perspectiva de tiempo.
Un Data Warehouse o Depsito de Datos es una coleccin de datos orientado a temas, integrado,
no voltil, de tiempo variante, que se usa para el soporte del proceso de toma de decisiones
gerenciales.
Se puede caracterizar un data warehouse haciendo un contraste de cmo los datos de un negocio
almacenados en un data warehouse, difieren de los datos operacionales usados por las
aplicaciones de produccin.
Base de Datos Operacional
Datos Operacionales
Orientado a la aplicacin
Actual
Detallada
Cambia continuamente

Data Warehouse
Datos del negocio para Informacin
Orientado al sujeto
Actual + histrico
Detallada + ms resumida
Estable

Diferentes tipos de informacin

El ingreso de datos en el data warehouse viene desde el ambiente operacional en casi todos los
casos. El data warehouse es siempre un almacn de datos transformados y separados fsicamente
de la aplicacin donde se encontraron los datos en el ambiente operacional.

Pgina 1

1.2 SISTEMAS DE INFORMACION

Los sistemas de informacin se han dividido de acuerdo al siguiente esquema:

Sistemas Estratgicos, orientados a soportar la toma de decisiones, facilitan la labor de la

direccin, proporcionndole un soporte bsico, en forma de mejor informacin, para la toma de
decisiones. Se caracterizan porque son sistemas sin carga peridica de trabajo, es decir, su
utilizacin no es predecible, al contrario de los casos anteriores, cuya utilizacin es peridica.
Destacan entre estos sistemas: los Sistemas de Informacin Gerencial (MIS), Sistemas de
Informacin Ejecutivos (EIS), Sistemas de Informacin Georeferencial (GIS), Sistemas de
Simulacin de Negocios (BIS y que en la prctica son sistemas expertos o de Inteligencia
Artificial-AI).
Sistemas Tcticos, diseados para soportar las actividades de coordinacin de actividades y
manejo de documentacin, definidos para facilitar consultas sobre informacin almacenada en el
sistema, proporcionar informes y, en resumen, facilitar la gestin independiente de la
informacin por parte de los niveles intermedios de la organizacin.
Destacan entre ellos: los Sistemas Ofimticos (OA), Sistemas de Transmisin de Mensajera (Email y Fax Server), coordinacin y control de tareas (Work Flow) y tratamiento de documentos
(Imagen, Trmite y Bases de Datos Documentarios).
Sistemas Tcnico-Operativos, que cubren el ncleo de operaciones tradicionales de captura
masiva de datos (Data Entry) y servicios bsicos de tratamiento de datos, con tareas predefinidas
Pgina 2

(contabilidad, facturacin, almacn, presupuesto, personal y otros sistemas administrativos).

Estos sistemas estn evolucionando con la irrupcin de censores, autmatas, sistemas
multimedia, bases de datos relacionales ms avanzadas y data warehousing.
Sistemas Interinstitucionales, este ltimo nivel de sistemas de informacin recin est
surgiendo, es consecuencia del desarrollo organizacional orientado a un mercado de carcter
global, el cual obliga a pensar e implementar estructuras de comunicacin ms estrechas entre la
organizacin y el mercado (Empresa Extendida, Organizacin Inteligente e Integracin
Organizacional), todo sto a partir de la generalizacin de las redes informticas de alcance
nacional y global (INTERNET), que se convierten en vehculo de comunicacin entre la
organizacin y el mercado, no importa dnde est la organizacin (INTRANET), el mercado de
la institucin (EXTRANET) y el mercado (Red Global).
Sin embargo, la tecnologa data warehousing basa sus conceptos y diferencias entre dos tipos
fundamentales de sistemas de informacin en todas las organizaciones: los sistemas tcnicooperacionales y los sistemas de soporte de decisiones. Este ltimo es la base de un data
warehouse.

1.2.1 Sistemas tcnico-operacionales

Como indica su nombre, son los sistemas que ayudan a manejar la empresa con sus operaciones
cotidianas. Estos son los sistemas que operan sobre el "backbone" (columna vertebral) de
cualquier empresa o institucin, entre las que se tiene sistemas de ingreso de rdenes, inventario,
fabricacin, planilla y contabilidad, entre otros.
Debido a su volumen e importancia en la organizacin, los sistemas operacionales siempre han
sido las primeras partes de la empresa a ser computarizados. A travs de los aos, estos sistemas
operacionales se han extendido, revisado, mejorado y mantenido al punto que hoy, ellos son
completamente integrados en la organizacin.

Pgina 3

Desde luego, la mayora de las organizaciones grandes de todo el mundo, actualmente no podran
operar sin sus sistemas operacionales y los datos que estos sistemas mantienen.

1.2.2 Sistemas de Soporte de Decisiones

Por otra parte, hay otras funciones dentro de la empresa que tienen que ver con el planeamiento,
previsin y administracin de la organizacin. Estas funciones son tambin crticas para la
supervivencia de la organizacin, especialmente en nuestro mundo de rpidos cambios.
Las funciones como "planificacin de marketing", "planeamiento de ingeniera" y "anlisis
financiero", requieren, adems, de sistemas de informacin que los soporte. Pero estas funciones
son diferentes de las operacionales y los tipos de sistemas y la informacin requerida son
tambin diferentes. Las funciones basadas en el conocimiento son los sistemas de soporte de
decisiones.
Estos sistemas estn relacionados con el anlisis de los datos y la toma de decisiones,
frecuentemente, decisiones importantes sobre cmo operar la empresa, ahora y en el futuro.
Estos sistemas no slo tienen un enfoque diferente al de los operacionales, sino que, por lo
general, tienen un alcance diferente.
Mientras las necesidades de los datos operacionales se enfocan normalmente hacia una sola rea,
los datos para el soporte de decisiones, con frecuencia, toma un nmero de reas diferentes y
necesita cantidades grandes de datos operacionales relacionadas.
Son estos sistemas sobre los se basa la tecnologa data warehousing.

Pgina 4

1.3 CARACTERISTICAS DE UN DATA WAREHOUSE

Entre las principales se tiene:

Orientado al tema

Integrado

De tiempo variante

No voltil

1.3.1 Orientado a Temas

Una primera caracterstica del data warehouse es que la informacin se clasifica en base a los
aspectos que son de inters para la empresa. Siendo as, los datos tomados estn en contraste con
los clsicos procesos orientados a las aplicaciones. En la Figura N 1 se muestra el contraste
entre los dos tipos de orientaciones.
El ambiente operacional se disea alrededor de las aplicaciones y funciones tales como
prstamos, ahorros, tarjeta bancaria y depsitos para una institucin financiera. Por ejemplo, una
aplicacin de ingreso de rdenes puede acceder a los datos sobre clientes, productos y cuentas.
La base de datos combina estos elementos en una estructura que acomoda las necesidades de la
aplicacin.
En el ambiente data warehousing se organiza alrededor de sujetos tales como cliente, vendedor,
producto y actividad. Por ejemplo, para un fabricante, stos pueden ser clientes, productos,
proveedores y vendedores. Para una universidad pueden ser estudiantes, clases y profesores. Para
un hospital pueden ser pacientes, personal mdico, medicamentos, etc.

Pgina 5

La alineacin alrededor de las reas de los temas afecta el diseo y la implementacin de los
datos encontrados en el data warehouse. Las principales reas de los temas influyen en la parte
ms importante de la estructura clave.

Pgina 6

Pgina 7

Las aplicaciones estn relacionadas con el diseo de la base de datos y del proceso. En data
warehousing se enfoca el modelamiento de datos y el diseo de la base de datos. El diseo del
proceso (en su forma clsica) no es separado de este ambiente.
Las diferencias entre la orientacin de procesos y funciones de las aplicaciones y la orientacin a
temas, radican en el contenido de la data a nivel detallado. En el data warehouse se excluye la
Pgina 8

informacin que no ser usada por el proceso de sistemas de soporte de decisiones, mientras que
la informacin de las orientadas a las aplicaciones, contiene datos para satisfacer de inmediato
los requerimientos funcionales y de proceso, que pueden ser usados o no por el analista de
soporte de decisiones.
Otra diferencia importante est en la interrelacin de la informacin. Los datos operacionales
mantienen una relacin continua entre dos o ms tablas basadas en una regla comercial que est
vigente. Las del data warehouse miden un espectro de tiempo y las relaciones encontradas en el
data warehouse son muchas. Muchas de las reglas comerciales (y sus correspondientes relaciones
de datos) se representan en el data warehouse, entre dos o ms tablas.

1.3.2 Integracin

El aspecto ms importante del ambiente data warehousing es que la informacin encontrada al

interior est siempre integrada.
La integracin de datos se muestra de muchas maneras: en convenciones de nombres
consistentes, en la medida uniforme de variables, en la codificacin de estructuras consistentes,
en atributos fsicos de los datos consistentes, fuentes mltiples y otros.
El contraste de la integracin encontrada en el data warehouse con la carencia de integracin del
ambiente de aplicaciones, se muestran en la Figura N 2, con diferencias bien marcadas.
A travs de los aos, los diseadores de las diferentes aplicaciones han tomado sus propias
decisiones sobre cmo se debera construir una aplicacin. Los estilos y diseos personalizados
se muestran de muchas maneras.
Se diferencian en la codificacin, en las estructuras claves, en sus caractersticas fsicas, en las
convenciones de nombramiento y otros. La capacidad colectiva de muchos de los diseadores de
aplicaciones, para crear aplicaciones inconsistentes, es fabulosa. La Figura N 2 mencionada,
muestra algunas de las diferencias ms importantes en las formas en que se disean las
aplicaciones.

Pgina 9

Codificacin. Los diseadores de aplicaciones codifican el campo GENERO en varias formas.

Un diseador representa GENERO como una "M" y una "F", otros como un "1" y un "0", otros
como una "X" y una "Y" e inclusive, como "masculino" y "femenino".
No importa mucho cmo el GENERO llega al data warehouse. Probablemente "M" y "F" sean
tan buenas como cualquier otra representacin. Lo importante es que sea de cualquier fuente de
donde venga, el GENERO debe llegar al data warehouse en un estado integrado uniforme.
Por lo tanto, cuando el GENERO se carga en el data warehouse desde una aplicacin, donde ha
sido representado en formato "M" y "F", los datos deben convertirse al formato del data
warehouse.
Medida de atributos. Los diseadores de aplicaciones miden las unidades de medida de las
tuberas en una variedad de formas. Un diseador almacena los datos de tuberas en centmetros,
otros en pulgadas, otros en millones de pies cbicos por segundo y otros en yardas.
Al dar medidas a los atributos, la transformacin traduce las diversas unidades de medida usadas
en las diferentes bases de datos para transformarlas en una medida estndar comn.
Cualquiera que sea la fuente, cuando la informacin de la tubera llegue al data warehouse
necesitar ser medida de la misma manera.
Convenciones de Nombramiento.- El mismo elemento es frecuentemente referido por nombres
diferentes en las diversas aplicaciones. El proceso de transformacin asegura que se use
preferentemente el nombre de usuario.
Fuentes Mltiples.- El mismo elemento puede derivarse desde fuentes mltiples. En este caso, el
proceso de transformacin debe asegurar que la fuente apropiada sea usada, documentada y
movida al depsito.
Tal como se muestra en la figura, los puntos de integracin afectan casi todos los aspectos de
diseo - las caractersticas fsicas de los datos, la disyuntiva de tener ms de una de fuente de
datos, el problema de estndares de denominacin inconsistentes, formatos de fecha
inconsistentes y otros.

Pgina 10

Cualquiera que sea la forma del diseo, el resultado es el mismo - la informacin necesita ser
almacenada en el data warehouse en un modelo globalmente aceptable y singular, aun cuando los
sistemas operacionales subyacentes almacenen los datos de manera diferente.
Cuando el analista de sistema de soporte de decisiones observe el data warehouse, su enfoque
deber estar en el uso de los datos que se encuentre en el depsito, antes que preguntarse sobre la
confiabilidad o consistencia de los datos.

Pgina 11

Pgina 12

1.3.3 De Tiempo Variante

Toda la informacin del data warehouse es requerida en algn momento. Esta caracterstica
bsica de los datos en un depsito, es muy diferente de la informacin encontrada en el ambiente
operacional. En stos, la informacin se requiere al momento de acceder. En otras palabras, en el
ambiente operacional, cuando usted accesa a una unidad de informacin, usted espera que los
valores requeridos se obtengan a partir del momento de acceso.
Como la informacin en el data warehouse es solicitada en cualquier momento (es decir, no
"ahora mismo"), los datos encontrados en el depsito se llaman de "tiempo variante".
Los datos histricos son de poco uso en el procesamiento operacional. La informacin del
depsito por el contraste, debe incluir los datos histricos para usarse en la identificacin y
evaluacin de tendencias. (Ver Figura N 3).

El tiempo variante se muestra de varias maneras:

1 La ms simple es que la informacin representa los datos sobre un horizonte largo de tiempo desde cinco a diez aos. El horizonte de tiempo representado para el ambiente operacional es
mucho ms corto - desde valores actuales hasta sesenta a noventa das.

Pgina 13

Las aplicaciones que tienen un buen rendimiento y estn disponibles para el procesamiento de
transacciones, deben llevar una cantidad mnima de datos si tienen cualquier grado de
flexibilidad. Por ello, las aplicaciones operacionales tienen un corto horizonte de tiempo, debido
al diseo de aplicaciones rgidas.
2 La segunda manera en la que se muestra el tiempo variante en el data warehouse est en la
estructura clave. Cada estructura clave en el data warehouse contiene, implcita o explcitamente,
un elemento de tiempo como da, semana, mes, etc.
El elemento de tiempo est casi siempre al pie de la clave concatenada, encontrada en el data
warehouse. En ocasiones, el elemento de tiempo existir implcitamente, como el caso en que un
archivo completo se duplica al final del mes, o al cuarto.
3 La tercera manera en que aparece el tiempo variante es cuando la informacin del data
warehouse, una vez registrada correctamente, no puede ser actualizada. La informacin del data
warehouse es, para todos los propsitos prcticos, una serie larga de "snapshots" (vistas
instantneas).
Por supuesto, si los snapshots de los datos se han tomado incorrectamente, entonces pueden ser
cambiados. Asumiendo que los snapshots se han tomado adecuadamente, ellos no son alterados
una vez hechos. En algunos casos puede ser no tico, e incluso ilegal, alterar los snapshots en el
data warehouse. Los datos operacionales, siendo requeridos a partir del momento de acceso,
pueden actualizarse de acuerdo a la necesidad.

1.3.4 No Voltil

La informacin es til slo cuando es estable. Los datos operacionales cambian sobre una base
momento a momento. La perspectiva ms grande, esencial para el anlisis y la toma de
decisiones, requiere una base de datos estable.
En la Figura N 4 se muestra que la actualizacin (insertar, borrar y modificar), se hace
regularmente en el ambiente operacional sobre una base de registro por registro. Pero la
manipulacin bsica de los datos que ocurre en el data warehouse es mucho ms simple. Hay dos
nicos tipos de operaciones: la carga inicial de datos y el acceso a los mismos. No hay
Pgina 14

actualizacin de datos (en el sentido general de actualizacin) en el depsito, como una parte
normal de procesamiento.
Hay algunas consecuencias muy importantes de esta diferencia bsica, entre el procesamiento
operacional y del data warehouse. En el nivel de diseo, la necesidad de ser precavido para
actualizar las anomalas no es un factor en el data warehouse, ya que no se hace la actualizacin
de datos. Esto significa que en el nivel fsico de diseo, se pueden tomar libertades para
optimizar el acceso a los datos, particularmente al usar la normalizacin y denormalizacin
fsica.
Otra consecuencia de la simplicidad de la operacin del data warehouse est en la tecnologa
subyacente, utilizada para correr los datos en el depsito. Teniendo que soportar la actualizacin
de registro por registro en modo on-line (como es frecuente en el caso del procesamiento
operacional) requiere que la tecnologa tenga un fundamento muy complejo debajo de una
fachada de simplicidad.

La tecnologa permite realizar backup y recuperacin, transacciones e integridad de los datos y la

deteccin y solucin al estancamiento que es ms complejo. En el data warehouse no es
necesario el procesamiento.
La fuente de casi toda la informacin del data warehouse es el ambiente operacional. A simple
vista, se puede pensar que hay redundancia masiva de datos entre los dos ambientes. Desde
Pgina 15

luego, la primera impresin de muchas personas se centra en la gran redundancia de datos, entre
el ambiente operacional y el ambiente de data warehouse. Dicho razonamiento es superficial y
demuestra una carencia de entendimiento con respecto a qu ocurre en el data warehouse. De
hecho, hay una mnima redundancia de datos entre ambos ambientes.
Se debe considerar lo siguiente:
Los datos se filtran cuando pasan desde el ambiente operacional al de depsito. Existe mucha
data que nunca sale del ambiente operacional. Slo los datos que realmente se necesitan
ingresarn al ambiente de data warehouse.
El horizonte de tiempo de los datos es muy diferente de un ambiente al otro. La informacin en
el ambiente operacional es ms reciente con respecto a la del data warehouse. Desde la
perspectiva de los horizontes de tiempo nicos, hay poca superposicin entre los ambientes
operacional y de data warehouse.
El data warehouse contiene un resumen de la informacin que no se encuentra en el ambiente
operacional.
Los datos experimentan una transformacin fundamental cuando pasa al data warehouse. La
mayor parte de los datos se alteran significativamente al ser seleccionados y movidos al data
warehouse. Dicho de otra manera, la mayora de los datos se alteran fsica y radicalmente cuando
se mueven al depsito. No es la misma data que reside en el ambiente operacional desde el punto
de vista de integracin.
En vista de estos factores, la redundancia de datos entre los dos ambientes es una ocurrencia rara,
que resulta en menos de 1%.

Pgina 16

1.4 ESTRUCTURA DEL DATA WAREHOUSE

Los data warehouses tienen una estructura distinta. Hay niveles diferentes de esquematizacin y
detalle que delimitan el data warehouse. La estructura de un data warehouse se muestra en la
Figura N 5.
En la figura, se muestran los diferentes componentes del data warehouse y son:

Detalle de datos actuales

Detalle de datos antiguos

Datos ligeramente resumidos

Datos completamente resumidos

Meta data

Detalle de datos actuales.- En gran parte, el inters ms importante radica en el detalle de los
datos actuales, debido a que:
Refleja las ocurrencias ms recientes, las cuales son de gran inters
Es voluminoso, ya que se almacena al ms bajo nivel de granularidad.
Casi siempre se almacena en disco, el cual es de fcil acceso, aunque su administracin sea
costosa y compleja.
Detalle de datos antiguos.- La data antigua es aquella que se almacena sobre alguna forma de
almacenamiento masivo. No es frecuentemente accesada y se almacena a un nivel de detalle,
consistente con los datos detallados actuales. Mientras no sea prioritario el almacenamiento en
un medio de almacenaje alterno, a causa del gran volumen de datos unido al acceso no frecuente
de los mismos, es poco usual utilizar el disco como medio de almacenamiento.

Pgina 17

Datos ligeramente resumidos.- La data ligeramente resumida es aquella que proviene desde un
bajo nivel de detalle encontrado al nivel de detalle actual. Este nivel del data warehouse casi
siempre se almacena en disco. Los puntos en los que se basa el diseador para construirlo son:
Que la unidad de tiempo se encuentre sobre la esquematizacin hecha.
Qu contenidos (atributos) tendr la data ligeramente resumida.
Datos completamente resumidos.- El siguiente nivel de datos encontrado en el data warehouse
es el de los datos completamente resumidos. Estos datos son compactos y fcilmente accesibles.

Pgina 18

A veces se encuentra en el ambiente de data warehouse y en otros, fuera del lmite de la

tecnologa que ampara al data warehouse. (De todos modos, los datos completamente resumidos
Pgina 19

son parte del data warehouse sin considerar donde se alojan los datos fsicamente.)
Metadata.- El componente final del data warehouse es el de la metadata. De muchas maneras la
metadata se sita en una dimensin diferente al de otros datos del data warehouse, debido a que
su contenido no es tomado directamente desde el ambiente operacional.
La metadata juega un rol especial y muy importante en el data warehouse y es usada como:
Un directorio para ayudar al analista a ubicar los contenidos del data warehouse.
Una gua para el mapping de datos de cmo se transforma, del ambiente operacional al de data
warehouse.
Una gua de los algoritmos usados para la esquematizacin entre el detalle de datos actual, con
los datos ligeramente resumidos y stos, con los datos completamente resumidos, etc.
La metadata juega un papel mucho ms importante en un ambiente data warehousing que en un
operacional clsico.
A fin de recordar los diferentes niveles de los datos encontrados en el data warehouse, considere
el ejemplo mostrado en la Figura N 6.
El detalle de ventas antiguas son las que se encuentran antes de 1992. Todos los detalles de
ventas desde 1982 (o cuando el diseador inici la coleccin de los archivos) son almacenados
en el nivel de detalle de datos ms antiguo.
El detalle actual contiene informacin desde 1992 a 1993 (suponiendo que 1993 es el ao
actual). En general, el detalle de ventas no se ubica en el nivel de detalle actual hasta que haya
pasado, por lo menos, veinticuatro horas desde que la informacin de ventas llegue a estar
disponible en el ambiente operacional.

Pgina 20

Pgina 21

En otras palabras, habra un retraso de tiempo de por lo menos veinticuatro horas, entre el tiempo
en que en el ambiente operacional se haya hecho un nuevo ingreso de la venta y el momento
cuando la informacin de la venta haya ingresado al data warehouse.
El detalle de las ventas son resumidas semanalmente por lnea de subproducto y por regin, para
producir un almacenamiento de datos ligeramente resumidos.
El detalle de ventas semanal es adicionalmente resumido en forma mensual, segn una gama de
lneas, para producir los datos completamente resumidos.
La metadata contiene (al menos):
La estructura de los datos
Los algoritmos usados para la esquematizacin
El mapping desde el ambiente operacional al data warehouse
La informacin adicional que no se esquematiza es almacenada en el data warehouse. En muchas
ocasiones, all se har el anlisis y se producir un tipo u otro de resumen. El nico tipo de
esquematizacin que se almacena permanentemente en el data warehouse, es el de los datos que
son usados frecuentemente. En otras palabras, si un analista produce un resumen que tiene una
probabilidad muy baja de ser usado nuevamente, entonces la esquematizacin no es almacenada
en el data warehouse.

Pgina 22

1.5 ARQUITECTURA DE UN DATA WAREHOUSE

Una de las razones por las que el desarrollo de un data warehouse crece rpidamente, es que
realmente es una tecnologa muy entendible. De hecho, data warehousing puede representar
mejor la estructura amplia de una empresa para administrar los datos informacionales dentro de
la organizacin. A fin de comprender cmo se relacionan todos los componentes involucrados en
una estrategia data warehousing, es esencial tener una Arquitectura Data Warehouse.
ARQUITECTURA DE UN DATA WAREHOUSE

1.5.1 Elementos constituyentes de una Arquitectura Data Warehouse

Una Arquitectura Data Warehouse (Data Warehouse Architecture - DWA) es una forma de
representar la estructura total de datos, comunicacin, procesamiento y presentacin, que existe
para los usuarios finales que disponen de una computadora dentro de la empresa.
La arquitectura se constituye de un nmero de partes interconectadas:
Pgina 23

Base de datos operacional / Nivel de base de datos externo

Nivel de acceso a la informacin

Nivel de acceso a los datos

Nivel de directorio de datos (Metadata)

Nivel de gestin de proceso

Nivel de mensaje de la aplicacin

Nivel de data warehouse

Nivel de organizacin de datos

Base de datos operacional / Nivel de base de datos externo

Los sistemas operacionales procesan datos para apoyar las necesidades operacionales crticas.
Para hacer eso, se han creado las bases de datos operacionales histricas que proveen una
estructura de procesamiento eficiente, para un nmero relativamente pequeo de transacciones
comerciales bien definidas.
Sin embargo, a causa del enfoque limitado de los sistemas operacionales, las bases de datos
diseadas para soportar estos sistemas, tienen dificultad al acceder a los datos para otra gestin o
propsitos informticos.
Esta dificultad en acceder a los datos operacionales es amplificada por el hecho que muchos de
estos sistemas tienen de 10 a 15 aos de antigedad. El tiempo de algunos de estos sistemas
significa que la tecnologa de acceso a los datos disponible para obtener los datos operacionales,
es as mismo antigua.
Ciertamente, la meta del data warehousing es liberar la informacin que es almacenada en bases
de datos operacionales y combinarla con la informacin desde otra fuente de datos, generalmente
externa.
Cada vez ms, las organizaciones grandes adquieren datos adicionales desde bases de datos
externas. Esta informacin incluye tendencias demogrficas, economtricas, adquisitivas y
competitivas (que pueden ser proporcionadas por Instituciones Oficiales - INEI). Internet o
tambin llamada "information superhighway" (supercarretera de la informacin) provee el

Pgina 24

acceso a ms recursos de datos todos los das.

Nivel de acceso a la informacin

El nivel de acceso a la informacin de la arquitectura data warehouse, es el nivel del que el
usuario final se encarga directamente. En particular, representa las herramientas que el usuario
final normalmente usa da a da. Por ejemplo: Excel, Lotus 1-2-3, Focus, Access, SAS, etc.
Este nivel tambin incluye el hardware y software involucrados en mostrar informacin en
pantalla y emitir reportes de impresin, hojas de clculo, grficos y diagramas para el anlisis y
presentacin. Hace dos dcadas que el nivel de acceso a la informacin se ha expandido
enormemente, especialmente a los usuarios finales quienes se han volcado a los PCs
monousuarios y los PCs en redes.
Actualmente, existen herramientas ms y ms sofisticadas para manipular, analizar y presentar
los datos, sin embargo, hay problemas significativos al tratar de convertir los datos tal como han
sido recolectados y que se encuentran contenidos en los sistemas operacionales en informacin
fcil y transparente para las herramientas de los usuarios finales. Una de las claves para esto es
encontrar un lenguaje de datos comn que puede usarse a travs de toda la empresa.
Nivel de acceso a los datos
El nivel de acceso a los datos de la arquitectura data warehouse est involucrado con el nivel de
acceso a la informacin para conversar en el nivel operacional. En la red mundial de hoy, el
lenguaje de datos comn que ha surgido es SQL. Originalmente, SQL fue desarrollado por IBM
como un lenguaje de consulta, pero en los ltimos veinte aos ha llegado a ser el estndar para el
intercambio de datos.
Uno de los adelantos claves de los ltimos aos ha sido el desarrollo de una serie de "filtros" de
acceso a datos, tales como EDA/SQL para acceder a casi todo los Sistemas de Gestin de Base
de Datos (Data Base Management Systems - DBMSs) y sistemas de archivos de datos,
relacionales o no. Estos filtros permiten a las herramientas de acceso a la informacin, acceder
tambin a la data almacenada en sistemas de gestin de base de datos que tienen veinte aos de
antigedad.

Pgina 25

El nivel de acceso a los datos no solamente conecta DBMSs diferentes y sistemas de archivos
sobre el mismo hardware, sino tambin a los fabricantes y protocolos de red. Una de las claves
de una estrategia data warehousing es proveer a los usuarios finales con "acceso a datos
universales".
El acceso a los datos universales significa que, tericamente por lo menos, los usuarios finales
sin tener en cuenta la herramienta de acceso a la informacin o ubicacin, deberan ser capaces
de acceder a cualquier o todos los datos en la empresa que es necesaria para ellos, para hacer su
trabajo.
El nivel de acceso a los datos entonces es responsable de la interfaces entre las herramientas de
acceso a la informacin y las bases de datos operacionales. En algunos casos, esto es todo lo que
un usuario final necesita. Sin embargo, en general, las organizaciones desarrollan un plan mucho
ms sofisticado para el soporte del data warehousing.

Nivel de Directorio de Datos (Metadata)

A fin de proveer el acceso a los datos universales, es absolutamente necesario mantener alguna
forma de directorio de datos o repositorio de la informacin metadata. La metadata es la
informacin alrededor de los datos dentro de la empresa.
Las descripciones de registro en un programa COBOL son metadata. Tambin lo son las
sentencias DIMENSION en un programa FORTRAN o las sentencias a crear en SQL.
A fin de tener un depsito totalmente funcional, es necesario tener una variedad de metadata
disponibles, informacin sobre las vistas de datos de los usuarios finales e informacin sobre las
bases de datos operacionales. Idealmente, los usuarios finales deberan de acceder a los datos
desde el data warehouse (o desde las bases de datos operacionales), sin tener que conocer dnde
residen los datos o la forma en que se han almacenados.
Nivel de Gestin de Procesos
El nivel de gestin de procesos tiene que ver con la programacin de diversas tareas que deben
realizarse para construir y mantener el data warehouse y la informacin del directorio de datos.
Este nivel puede depender del alto nivel de control de trabajo para muchos procesos

Pgina 26

(procedimientos) que deben ocurrir para mantener el data warehouse actualizado.

Nivel de Mensaje de la Aplicacin
El nivel de mensaje de la aplicacin tiene que ver con el transporte de informacin alrededor de
la red de la empresa. El mensaje de aplicacin se refiere tambin como "subproducto", pero
puede involucrar slo protocolos de red. Puede usarse por ejemplo, para aislar aplicaciones
operacionales o estratgicas a partir del formato de datos exacto, recolectar transacciones o los
mensajes y entregarlos a una ubicacin segura en un tiempo seguro.
Nivel Data Warehouse (Fsico)
En el data warehouse (ncleo) es donde ocurre la data actual, usada principalmente para usos
estratgicos. En algunos casos, uno puede pensar del data warehouse simplemente como una
vista lgica o virtual de datos. En muchos ejemplos, el data warehouse puede no involucrar
almacenamiento de datos.
En un data warehouse fsico, copias, en algunos casos, muchas copias de datos operacionales y/o
externos, son almacenados realmente en una forma que es fcil de acceder y es altamente
flexible. Cada vez ms, los data warehouses son almacenados sobre plataformas cliente/servidor,
pero por lo general se almacenan sobre mainframes.
Nivel de Organizacin de Datos
El componente final de la arquitectura data warehouse es la organizacin de los datos. Se llama
tambin gestin de copia o rplica, pero de hecho, incluye todos los procesos necesarios como
seleccionar, editar, resumir, combinar y cargar datos en el depsito y acceder a la informacin
desde bases de datos operacionales y/o externas.
La organizacin de datos involucra con frecuencia una programacin compleja, pero cada vez
ms, estn crendose las herramientas data warehousing para ayudar en este proceso. Involucra
tambin programas de anlisis de calidad de datos y filtros que identifican modelos y estructura
de datos dentro de la data operacional existente.

Pgina 27

1.5.2 Operaciones en un Data Warehouse

En la Figura N 8 se muestra algunos de los tipos de operaciones que se efectan dentro de un

ambiente data warehousing.

a) Sistemas Operacionales
Los datos administrados por los sistemas de aplicacin operacionales son la fuente principal de
datos para el data warehouse.
Las bases de datos operacionales se organizan como archivos indexados (UFAS, VSAM), bases
de datos de redes/jerrquicas (I-D-S/II, IMS, IDMS) o sistemas de base de datos relacionales
(DB2, Oracle, Informix, etc.). Segn las encuestas, aproximadamente del 70% a 80% de las
bases de datos de las empresas se organizan usando DBMSs no relacional.
b) Extraccin, Transformacin y Carga de los Datos
Se requieren herramientas de gestin de datos para extraer datos desde bases de datos y/o
archivos operacionales, luego es necesario manipular o transformar los datos antes de cargar los
resultados en el data warehouse.

Pgina 28

Tomar los datos desde varias bases de datos operacionales y transformarlos en datos requeridos
para el depsito, se refiere a la transformacin o a la integracin de datos. Las bases de datos
operacionales, diseadas para el soporte de varias aplicaciones de produccin, frecuentemente
difieren en el formato.
Los mismos elementos de datos, si son usados por aplicaciones diferentes o administrados por
diferentes software DBMS, pueden definirse al usar nombres de elementos inconsistentes, que
tienen formatos inconsistentes y/o ser codificados de manera diferente. Todas estas
inconsistencias deben resolverse antes que los elementos de datos sean almacenados en el data
warehouse.
c) Metadata
Otro paso necesario es crear la metadata. La metadata (es decir, datos acerca de datos) describe
los contenidos del data warehouse. La metadata consiste de definiciones de los elementos de
datos en el depsito, sistema(s) del (os) elemento(s) fuente. Como la data, se integra y transforma
antes de ser almacenada en informacin similar.
d) Acceso de usuario final
Los usuarios accesan al data warehouse por medio de herramientas de productividad basadas en
GUI (Graphical User Interface - Interfase grfica de usuario). Pueden proveerse a los usuarios
del data warehouse muchos de estos tipos de herramientas.
Estos pueden incluir software de consultas, generadores de reportes, procesamiento analtico en
lnea, herramientas data/visual mining, etc., dependiendo de los tipos de usuarios y sus
requerimientos particulares. Sin embargo, una sola herramienta no satisface todos los
requerimientos, por lo que es necesaria la integracin de una serie de herramientas.
e) Plataforma del data warehouse
La plataforma para el data warehouse es casi siempre un servidor de base de datos relacional.
Cuando se manipulan volmenes muy grandes de datos puede requerirse una configuracin en
bloque de servidores UNIX con multiprocesador simtrico (SMP) o un servidor con procesador
paralelo masivo (MPP) especializado.

Pgina 29

Los extractos de la data integrada/transformada se cargan en el data warehouse. Uno de los ms

populares RDBMSs disponibles para data warehousing sobre la plataforma UNIX (SMP y MPP)
generalmente es Teradata. La eleccin de la plataforma es crtica. El depsito crecer y hay que
comprender los requerimientos despus de 3 o 5 aos.
Muchas de las organizaciones quieran o no escogen una plataforma por diversas razones: el
Sistema X es nuestro sistema elegido o el Sistema Y est ya disponible sobre un sistema UNIX
que nosotros ya tenemos. Uno de los errores ms grandes que las organizaciones cometen al
seleccionar la plataforma, es que ellos presumen que el sistema (hardware y/o DBMS) escalar
con los datos.
El sistema de depsito ejecuta las consultas que se pasa a los datos por el software de acceso a
los datos del usuario. Aunque un usuario visualiza las consultas desde el punto de vista de un
GUI, las consultas tpicamente se formulan como pedidos SQL, porque SQL es un lenguaje
universal y el estndar de hecho para el acceso a datos.
f) Datos Externos
Dependiendo de la aplicacin, el alcance del data warehouse puede extenderse por la capacidad
de acceder a la data externa. Por ejemplo, los datos accesibles por medio de servicios de
computadora en lnea (tales como CompuServe y America On Line) y/o va Internet, pueden
estar disponibles a los usuarios del data warehouse.
Evolucin del Depsito
Construir un data warehouse es una tarea grande. No es recomendable emprender el desarrollo
del data warehouse de la empresa como un proyecto cualquiera. Ms bien, se recomienda que los
requerimientos de una serie de fases se desarrollen e implementen en modelos consecutivos que
permitan un proceso de implementacin ms gradual e iterativo.
No existe ninguna organizacin que haya triunfado en el desarrollo del data warehouse de la
empresa, en un slo paso. Muchas, sin embargo, lo han logrado luego de un desarrollo paso a
paso. Los pasos previos evolucionan conjuntamente con la materia que est siendo agregada.
Los datos en el data warehouse no son voltiles y es un repositorio de datos de slo lectura (en
general). Sin embargo, pueden aadirse nuevos elementos sobre una base regular para que el

Pgina 30

contenido siga la evolucin de los datos en la base de datos fuente, tanto en los contenidos como
en el tiempo.
Uno de los desafos de mantener un data warehouse, es idear mtodos para identificar datos
nuevos o modificados en las bases de datos operacionales. Algunas maneras para identificar estos
datos incluyen insertar fecha/tiempo en los registros de base de datos y entonces crear copias de
registros actualizados y copiar informacin de los registros de transaccin y/o base de datos
diarias.
Estos elementos de datos nuevos y/o modificados son extrados, integrados, transformados y
agregados al data warehouse en pasos peridicos programados. Como se aaden las nuevas
ocurrencias de datos, los datos antiguos son eliminados. Por ejemplo, si los detalles de un sujeto
particular se mantienen por 5 aos, como se agreg la ltima semana, la semana anterior es
eliminada.
1.6 TRANSFORMACION DE DATOS Y METADATA

1.6.1 Transformacin de Datos

Uno de los desafos de cualquier implementacin de data warehouse, es el problema de
transformar los datos. La transformacin se encarga de las inconsistencias en los formatos de
datos y la codificacin, que pueden existir dentro de una base de datos nica y que casi siempre
existen cuando mltiples bases de datos contribuyen al data warehouse.
En la Figura N 9 se ilustra una forma de inconsistencia, en la cual el gnero se codifica de
manera diferente en tres bases de datos diferentes. Los procesos de transformacin de datos se
desarrollan para direccionar estas inconsistencias.

Pgina 31

La transformacin de datos tambin se encarga de las inconsistencias en el contenido de datos.

Una vez que se toma la decisin sobre que reglas de transformacin sern establecidas, deben
crearse e incluirse las definiciones en las rutinas de transformacin.
Se requiere una planificacin cuidadosa y detallada para transformar datos inconsistentes en
conjuntos de datos conciliables y consistentes para cargarlos en el data warehouse.
1.6.2 Metadata

Otro aspecto de la arquitectura de data warehouse es crear soporte a la metadata. Metadata es la

informacin sobre los datos que se alimenta, se transforma y existe en el data warehouse.
Metadata es un concepto genrico, pero cada implementacin de la metadata usa tcnicas y
mtodos especficos.
Estos mtodos y tcnicas son dependientes de los requerimientos de cada organizacin, de las
capacidades existentes y de los requerimientos de interfaces de usuario. Hasta ahora, no hay
normas para la metadata, por lo que la metadata debe definirse desde el punto de vista del
software data warehousing, seleccionado para una implementacin especfica.
Pgina 32

Tpicamente, la metadata incluye los siguientes tems:

Las estructuras de datos que dan una visin de los datos al administrador de datos.

Las definiciones del sistema de registro desde el cual se construye el data warehouse.

Las especificaciones de transformaciones de datos que ocurren tal como la fuente de

datos se replica al data warehouse.

El modelo de datos del data warehouse (es decir, los elementos de datos y sus relaciones).
Un registro de cuando los nuevos elementos de datos se agregan al data warehouse y cuando los
elementos de datos antiguos se eliminan o se resumen.
Los niveles de sumarizacin, el mtodo de sumarizacin y las tablas de registros de su data
warehouse.
Algunas implementaciones de la metadata tambin incluyen definiciones de la(s) vista(s)
presentada(s) a los usuarios del data warehouse. Tpicamente, se definen vistas mltiples para
favorecer las preferencias variadas de diversos grupos de usuarios. En otras implementaciones,
estas descripciones se almacenan en un Catlogo de Informacin.
Los esquemas y subesquemas para bases de datos operacionales, forman una fuente ptima de
entrada cuando se crea la metadata. Hacer uso de la documentacin existente, especialmente
cuando est disponible en forma electrnica, puede acelerar el proceso de definicin de la
metadata del ambiente data warehousing.
La metadata sirve, en un sentido, como el corazn del ambiente data warehousing. Crear
definiciones de metadata completa y efectiva puede ser un proceso que consuma tiempo, pero lo
mejor de las definiciones y si usted usa herramientas de gestin de software integrado, son los
esfuerzos que darn como resultado el mantenimiento del data warehouse.

1.7 FLUJO DE DATOS

Existe un flujo de datos normal y predecible dentro del data warehouse. La Figura N 10 muestra
ese flujo.

Pgina 33

Los datos ingresan al data warehouse desde el ambiente operacional. (Hay pocas excepciones a
esta regla).
Al ingresar al data warehouse, la informacin va al nivel de detalle actual, tal como se muestra.
Se queda all y se usa hasta que ocurra uno de los tres eventos siguientes:

Sea eliminado

Sea resumido

Sea archivado

Con el proceso de desactualizacin en un data warehouse se mueve el detalle de la data actual a

data antigua, basado en el tiempo de los datos. El proceso de esquematizacin usa el detalle de
los datos para calcular los datos en forma ligera y completamente resumidos.
Hay pocas excepciones al flujo mostrado. Sin embargo, en general, para la mayora de datos
encontrados en un data warehouse, el flujo de la informacin es como se ha explicado.

Pgina 34

1.8 MEDIOS DE ALMACENAMIENTO PARA INFORMACION ANTIGUA

El smbolo mostrado en la Figura N 11 para medios de almacenamiento de informacin antigua

es la cinta magntica, que puede usarse para almacenar este tipo de informacin. De hecho hay
una amplia variedad de medios de almacenamiento que deben considerarse para almacenar datos
ms antiguos. En la figura se muestra algunos de esos medios.
Dependiendo del volumen de informacin, la frecuencia de acceso, el costo de los medios y el
tipo de acceso, es probable que otros medios de almacenamiento sirvan a las necesidades del
nivel de detalle ms antiguo en el data warehouse.

1.9 USOS DEL DATA WAREHOUSE

Los datos operacionales y los datos del data warehouse son accesados por usuarios que usan los
datos de maneras diferentes.
Uso de Base de Datos

Uso de

Operacionales
Muchos usuarios concurrentes
Consultas predefinidas y

Data Warehouse
Pocos usuarios concurrentes
Consultas complejas, frecuentemente

actualizables
Cantidades pequeas de datos

no anticipadas.
Cantidades grandes de datos
Pgina 35

detallados
Requerimientos de respuesta

detallados
Requerimientos de respuesta no

inmediata
crticos
Maneras diferentes de uso de datos
Los usuarios de un data warehouse necesitan acceder a los datos complejos, frecuentemente
desde fuentes mltiples y de formas no predecibles.
Los usuarios que accedan a los datos operacionales, comnmente efectan tareas predefinidas
que, generalmente requieren acceso a una sola base de datos de una aplicacin. Por el contrario,
los usuarios que accedan al data warehouse, efectan tareas que requieren acceso a un conjunto
de datos desde fuentes mltiples y frecuentemente no son predecibles. Lo nico que se conoce (si
es modelada correctamente) es el conjunto inicial de datos que se han establecido en el depsito.
Por ejemplo, un especialista en el cuidado de la salud podra necesitar acceder a los datos
actuales e histricos para analizar las tendencias de costos, usando un conjunto de consultas
predefinidas. Por el contrario, un representante de ventas podra necesitar acceder a los datos de
cliente y producto para evaluar la eficacia de una campaa de marketing, creando consultas base
o ad-hoc para encontrar nuevamente necesidades definidas.
Slo pocos usuarios acceden a los datos concurrentemente
En contraste a la produccin de sistemas que pueden manejar cientos o miles de usuarios
concurrentes, al data warehouse acceda un limitado conjunto de usuarios en cualquier tiempo
determinado.
Los usuarios generan un procesamiento no predecible complejo
Los usuarios del data warehouse generan consultas complejas. A veces la respuesta a una
consulta conduce a la formulacin de otras preguntas ms detalladas, en un proceso llamado
drilling down. El data warehouse puede incluir niveles de resmenes mltiples, derivado de un
conjunto principal, nico, de datos detallados, para soportar este tipo de uso.
En efecto, los usuarios frecuentemente comienzan buscando en los datos resumidos y como
identifican reas de inters, comienzan a acceder al conjunto de datos detallado. Los conjuntos
de datos resumidos representan el "Qu" de una situacin y los conjuntos de datos detallados
permiten a los usuarios construir un cuadro sobre "Cmo" se ha derivado esa situacin.
Pgina 36

Las consultas de los usuarios accedan a cantidades grandes de datos

Debido a la necesidad de investigar tendencias y evaluar las relaciones entre muchas clases de
datos, las consultas al data warehouse permiten acceder a volmenes muy grandes tanto de data
detallada como resumida. Debido a los requerimientos de datos histricos, los data warehouses
evolucionan para llegar a un tamao ms grande que sus orgenes operacionales (de 10 a 100
veces ms grande).

Las consultas de los usuarios no tienen tiempos de respuesta crticos

Las transacciones operacionales necesitan una respuesta inmediata porque un cliente puede estar
esperando una respuesta. En el data warehouse, por el contrario, tiene un requerimiento de
respuesta no-crtico porque el resultado frecuentemente se usa en un proceso de anlisis y toma
de decisiones. Aunque los tiempos de respuesta no son crticos, los usuarios esperan una
respuesta

dentro

del

mismo

da

en

que

es

hecha

la

consulta.

Por lo general, los diferentes niveles de datos dentro del data warehouse reciben diferentes usos.
A ms alto nivel de esquematizacin, se tiene mayor uso de los datos.
En la Figura N 12 se muestra que hay mayor uso de los datos completamente resumidos, a
diferencia de la informacin antigua que apenas es usada.
Hay una buena razn para mover una organizacin al paradigma sugerido en la figura, la
utilizacin del recurso. La data ms resumida, permite capturar los datos en forma ms rpida y
eficiente. Si en una tarea se encuentra que se hace mucho procesamiento a niveles de detalle del
data warehouse, entonces se consumir muchos recursos de mquina. Es mejor hacer el
procesamiento a niveles ms altos de esquematizacin como sea posible.
Para muchas tareas, el analista de sistemas de soporte de decisiones usa la informacin a nivel de
detalle en un pre data warehouse. La seguridad de la informacin de detalle se consigue de
muchas maneras, aun cuando estn disponibles otros niveles de esquematizacin. Una de las
actividades del diseador de datos es el de desconectar al usuario del sistema de soporte de
decisiones del uso constante de datos a nivel de detalle ms bajo.

Pgina 37

El diseador de datos tiene dos predisposiciones:

Instalar un sistema chargeback, donde el usuario final pague por los recursos consumidos
Sealar el mejor tiempo de respuesta que puede obtenerse cuando se trabaja con la data a un
nivel alto de esquematizacin, a diferencia de un pobre tiempo de respuesta que resulta de
trabajar con los datos a un nivel bajo de detalle.
Para ilustrar cmo un data warehouse puede ayudar a una organizacin a mejorar sus
operaciones, se muestra un ejemplo de lo que es el desarrollo de actividades sin tener un data
warehouse.

Pgina 38

Ejemplo:
Preparacin de un reporte complejo
Considere un problema bastante tpico en una compaa de fabricacin grande en el que se pide
una informacin (un reporte) que no est disponible.
El informe incluye las finanzas actuales, el inventario y la condicin de personal, acompaado de
comparaciones del mes actual con el anterior y el mismo mes del ao anterior, con una
Pgina 39

comparacin adicional de los 3 aos precedentes. Se debe explicar cada desviacin de la

tendencia que cae fuera de un rango predefinido.
Sin un data warehouse, el informe es preparado de la manera siguiente:
La informacin financiera actual se obtiene desde una base de datos mediante un programa de
extraccin de datos, el inventario actual de otro programa de extraccin de otra base de datos, la
condicin actual de personal de un tercer programa de extraccin y la informacin histrica
desde un backup de cinta magntica o CD-ROM.
Lo ms interesante es que se ha pedido otro informe que contine al primer informe (debido a
que las preguntas se originaron a partir del anterior). El hecho es, que ninguno de los trabajos
realizados hasta aqu (por ejemplo, diversos programas de extraccin) se pueden usar para los
prximos o para cualquier reporte subsiguiente. Imagine el tiempo y el esfuerzo que se ha
desperdiciado por un enfoque anticuado. (Ver Figura N 13).
Las inconsistencias deben identificarse en cada conjunto de datos extrados y resolverse, por lo
general, manualmente. Cuando se completa todo este procesamiento, el reporte puede ser
formateado, impreso, revisado y transmitido.
Nuevamente, el punto importante aqu es que todo el trabajo desempeado para hacer este
informe no afecta a otros reportes que pueden solicitarse es decir, todos ellos son independientes
y caros, desde el punto de vista de recursos y productividad.
Al crear un data warehouse y combinar todos los datos requeridos, se obtienen los siguientes
beneficios:
Las inconsistencias de los datos se resuelven automticamente cuando los elementos de datos se
cargan en el data warehouse, no manualmente, cada vez que se prepara un reporte.
Los errores que ocurrieron durante el proceso complejo de la preparacin del informe, se
minimizan porque el proceso es ahora mucho ms simple.
Los elementos de datos son fcilmente accesibles para otros usos, no slo para un reporte
particular.
Se crea una sola fuente.

Pgina 40

Pgina 41

1.10 CONSIDERACIONES ADICIONALES

Hay algunas consideraciones adicionales que deben tenerse en cuenta al construir y administrar
el data warehouse.
La primera consideracin es respecto al ndice. La informacin de los niveles de
esquematizacin ms altos pueden ser libremente indexados, mientras que las de los niveles ms
bajos de detalle, por ser tan voluminosa, pueden ser indexados moderadamente.
Por lo mismo, los datos en los niveles ms altos de detalle pueden ser reestructurados fcilmente,
mientras que el volumen de datos en los niveles ms inferiores es tan grande, que los datos no
pueden ser fcilmente reestructurados.
Por consiguiente, el modelo de datos y el diseo clsico fundamentan que el data warehouse se
aplique casi exclusivamente al nivel actual de detalle. En otras palabras, las actividades de
modelamiento de datos no se aplican a los niveles de esquematizacin, en casi todos los casos.
Otra consideracin estructural es la particin de la informacin en el data warehouse. El nivel
de detalle actual es casi siempre particionado.
La particin puede hacerse de dos maneras: al nivel de DBMS y al nivel de la aplicacin. En la
particin DBMS, se conoce las particiones y se administra por consiguiente. En el caso de la
particin de las aplicaciones, slo los programadores de las mismas conocen las particiones y la
responsabilidad de su administracin es asignada a ellos.
Al interior de las particiones DBMS, mucho de los trabajos de infraestructura se hacen
automticamente. Pero existe un elevado grado de rigidez asociada con la gestin automtica de
las particiones. En el caso de las particiones de las aplicaciones del data warehouse, la mayor
parte del trabajo recae sobre el programador, pero el resultado final es que la gestin de datos es
ms flexible.

Pgina 42

1.11 EJEMPLO DE UN DATA WAREHOUSE

En la Figura N 14 se muestra un ejemplo hipottico de un data warehouse estructurado para un

centro de produccin industrial.

Pgina 43

Se muestra slo el detalle actual, no as los niveles de esquematizacin ni los archivos de detalle
ms antiguos.
Adems, se observa que hay tablas del mismo tipo divididas a travs del tiempo. Por ejemplo,
para el histrico de la fabricacin de las piezas, hay muchas tablas separadas fsicamente,
Pgina 44

representando cada una un trimestre diferente. La estructura de los datos es consistente con la
tabla de la elaboracin de las piezas, aunque fsicamente hay muchas tablas que lgicamente
incluyen el histrico.
Para los diferentes tipos de tablas hay diferentes unidades de tiempo que fsicamente dividen las
unidades de informacin. El histrico de fabricacin est dividido por trimestres, el histrico de
la orden de piezas est dividido por aos y el histrico de cliente es un archivo nico, no dividido
por el tiempo.
As tambin, las diferentes tablas son vinculadas por medio de un identificador comn, piezas u
rdenes de piezas (la representacin de la interrelacin en el ambiente de depsito toma una
forma muy diferente al de otros ambientes, tal como el ambiente operacional).

1.12 EXCEPCIONES EN EL DATA WAREHOUSE

Mientras que los componentes del data warehouse trabajan de acuerdo al modelo descrito para
casi todos los datos, hay pocas excepciones tiles que necesitan ser discutidas.
Una de ellas es la data resumida pblica, que es la data que ha sido calculada fuera del data
warehouse pero es usada a travs de la corporacin. La data resumida pblica se almacena y
administra en el data warehouse, aunque su clculo se haya hecho fuera de l.
Un ejemplo clsico de data resumida pblica es el archivamiento trimestral hecho por cada
compaa pblica. Los contadores trabajan para producir cantidades como rentas trimestrales,
gastos trimestrales, ganancias trimestrales y otros. El trabajo hecho por los contadores est fuera
del data warehouse. Sin embargo, esas cantidades referenciales producidas por ellos se usan
ampliamente dentro de la corporacin para marketing, ventas, etc. Una vez que se haya hecho el
archivo, los datos se almacenan en el data warehouse.
Otra excepcin no considerada en este documento es la data externa.
Otro excepcional tipo de datos a veces encontrados en un data warehouse es el detalle de los
datos permanentes, que resulta de la necesidad de una corporacin para almacenar la data a un
nivel detallado permanentemente por razones ticas o legales.

Pgina 45

Si una corporacin expone a sus trabajadores a sustancias peligrosas hay una necesidad de
detalle de datos permanente. Si una corporacin produce un producto que involucra la seguridad
pblica, tal como la construccin de las partes de aviones, hay una necesidad de datos
permanentes. Si una corporacin se compromete con contratos peligrosos, hay una necesidad de
detalle de datos permanentes.
La organizacin simplemente no puede dejar los detalles porque en futuros aos, en el caso de
una demanda, una notificacin, un edificio en disputa, etc., se incrementara la exposicin de la
compaa. Por lo tanto hay un nico tipo de datos en el data warehouse conocido como detalle de
datos permanentes.
El detalle de datos permanentes comparte muchas de las mismas consideraciones como otro data
warehouse, excepto que:
El medio donde se almacena la data debe ser tan seguro como sea posible.
Los datos deben permitir ser restaurados.
Los datos necesitan un tratamiento especial en su indexacin, ya que de otra manera los datos
pueden no ser accesibles aunque se haya almacenado con mucha seguridad.

2. PROYECTO DE ELABORACIN DE UN DATA WAREHOUSE

2.1 FASE: ORGANIZACION

La planificacin es el proceso ms importante que determina la clase de tipo de estrategias data

warehousing que una organizacin iniciar.

2.1.1 FACTORES EN LA PLANIFICACION DE UN DATA WAREHOUSE

No existe una frmula de garanta real para el xito de la construccin de un data warehouse,
pero hay muchos puntos que contribuyen a ese objetivo.
A continuacin, se indican algunos puntos claves que deben considerarse en la planificacin de
un data warehouse:
1. Establecer una asociacin de usuarios, gestin y grupos
Pgina 46

Es esencial involucrar tanto a los usuarios como a la gestin para asegurar que el data warehouse
contenga informacin que satisfaga los requerimientos de la empresa.
La gestin puede ayudar a priorizar la fase de la implementacin del data warehouse, as como
tambin la seleccin de herramientas del usuario. Los usuarios y la gestin justifican los costos
del data warehouse sobre cmo ser "su ambiente" y est basado primero en lo esperado y
segundo, en el valor comercial real.
2. Seleccionar una aplicacin piloto con una alta probabilidad de xito
Una aplicacin piloto de alcance limitado, con un reembolso medible para los usuarios y la
gestin, establecer el data warehouse como una tecnologa clave para la empresa. Estos mismos
criterios (alcance limitado, reembolso medible y beneficios claros para la empresa) se aplican a
cada fase de la implementacin de un data warehouse.
3. Construir prototipos rpida y frecuentemente
La nica manera para asegurar que el data warehouse rena las necesidades de los usuarios, es
hacer el prototipo a lo largo del proceso de implementacin y an ms all, as como agregar los
nuevos datos y/o los modelos en forma permanente. El trabajo continuo con los usuarios y la
gestin es, nuevamente, la clave.
4. Implementacin incremental
La implementacin incremental reduce riesgos y asegura que el tamao del proyecto permanezca
manejable en cada fase.
5. Reportar activamente y publicar los casos exitosos
La retroalimentacin de los usuarios ofrece una excelente oportunidad para publicar los hechos
exitosos dentro de una organizacin. La publicidad interna sobre cmo el data warehouse ha
ayudado a los usuarios a operar ms efectivamente puede apoyar la construccin del data
warehouse a lo largo de una empresa.

Pgina 47

La retroalimentacin del usuario tambin ayuda a comprender cmo evoluciona la

implementacin del data warehouse a travs del tiempo para reunir requerimientos de usuario
nuevamente identificados.

2.1.2 ESTRATEGIAS PARA EL DESARROLLO DE UN DATA WAREHOUSE

Antes de desarrollar un data warehouse, es crtico el desarrollo de una estrategia equilibrada que
sea apropiada para sus necesidades y sus usuarios.
Las preguntas que deben tenerse en cuenta son:
-

Quin es el auditorio?

Cul es el alcance?

Qu tipo de data warehouse debera construirse?

Existe un nmero de estrategias mediante las cuales las organizaciones pueden conseguir sus
data warehouses.
1ra.: Establecer un ambiente "data warehouse virtual", el cual puede ser creado por :
Instalacin de un conjunto de facilidades para acceso a datos, directorio de datos y gestin de
proceso.
Entrenamiento de usuarios finales.
Control de cmo se usan realmente las instalaciones del data warehouse.
Basados en el uso actual, crear un data warehouse fsico para soportar los pedidos de alta
frecuencia.
2da.: Construir una copia de los datos operacionales desde un sistema operacional nico y
posibilitar al data warehouse de una serie de herramientas de acceso a la informacin.
Esta estrategia tiene la ventaja de ser simple y rpida. Desafortunadamente, si los datos
existentes son de mala calidad y/o el acceso a los datos no ha sido previamente evaluado,
entonces se puede crear una serie de problemas.

Pgina 48

3ra.: Finalmente, la estrategia data warehousing ptima es seleccionar el nmero de usuarios

basados en el valor de la empresa y hacer un anlisis de sus puntos, preguntas y necesidades de
acceso a datos.
De acuerdo a estas necesidades, se construyen los prototipos data warehousing y se prueban para
que los usuarios finales puedan experimentar y modificar sus requerimientos.
Una vez se tenga un consenso general sobre las necesidades, entonces se consiguen los datos
provenientes de los sistemas operacionales existentes a travs de la empresa y/o desde fuentes
externas de datos y se cargan al data warehouse.
Si se requieren herramientas de acceso a la informacin, se puede tambin permitir a los usuarios
finales tener acceso a los datos requeridos usando sus herramientas favoritas propias, o facilitar
la creacin de sistemas de acceso a la informacin multidimensional de alta performance, usando
el ncleo del data warehouse como base.
En conclusin, no se tiene un enfoque nico para construir un data warehouse que se adapte a las
necesidades de las empresas, debido a que las necesidades de cada una de ellas son diferentes, al
igual que su contexto.
Adems, como la tecnologa data warehousing va evolucionando, se aprende cada vez ms y ms
sobre el desarrollo de data warehouses, que resulta en que el nico enfoque prctico para al
almacenamiento de datos es la evolucin de uno mismo.

2.1.3 ESTRATEGIAS PARA EL DISEO DE UN DATA WAREHOUSE

El diseo de los data warehouses es muy diferente al diseo de los sistemas operacionales
tradicionales. Se pueden considerar los siguientes puntos:
1ra. : Los usuarios de los data warehouses usualmente no conocen mucho sobre sus
requerimientos y necesidades como los usuarios operacionales.
2da.: El diseo de un data warehouse, con frecuencia involucra lo que se piensa en trminos ms
amplios y con conceptos del negocio ms difciles de definir que en el diseo de un sistema
operacional. Al respecto, un data warehouse est bastante cerca a Reingeniera de los Procesos
Pgina 49

del Negocio (Business Process Reengineering).

3ra.: Finalmente, la estrategia de diseo ideal para un data warehousing es generalmente de
afuera hacia adentro (outside-in) a diferencia de arriba hacia abajo (top-down).
A pesar que el diseo del data warehouse es diferente al usado en los diseos tradicionales, no es
menos importante. El hecho que los usuarios finales tengan dificultad en definir lo que ellos
necesitan, no lo hace menos necesario. En la prctica, los diseadores de data warehouses tienen
que usar muchos "trucos" para ayudar a sus usuarios a "visualizar" sus requerimientos. Por ello,
son esenciales los prototipos de trabajo.

2.1.4 ESTRATEGIAS PARA LA GESTION DE UN DATA WAREHOUSE

Los data warehouses requieren una comercializacin y gestin muy cuidadosa. Debe
considerarse lo siguiente:
1ra.: Un data warehouse es una inversin buena slo si los usuarios finales realmente pueden
conseguir informacin vital ms rpida y ms barata de lo que obtienen con la tecnologa actual.
Como consecuencia, la gestin tiene que pensarse seriamente sobre cmo quieren sus depsitos
para su eficaz desempeo y cmo conseguirn llegar a los usuarios finales.
2da.: La administracin debe reconocer que el mantenimiento de la estructura del data
warehouse es tan crtico como el mantenimiento de cualquier otra aplicacin de misin-crtica.
De hecho, la experiencia ha demostrado que los data warehouses llegarn a ser rpidamente uno
de los sistemas ms usados en cualquier organizacin.
3ra.: La gestin debe comprender tambin que si se embarcan sobre un programa data
warehousing, se crearn nuevas demandas sobre sus sistemas operacionales, que son:
-

Demandas para mejorar datos

Demandas para una data consistente

Demandas para diferentes tipos de datos, etc.

Pgina 50

2.2 FASE: DESARROLLO

2.2.1 PORQUE CONSTRUIR BLOQUES DE DATA WAREHOUSE?

Para ampliar un negocio, se necesita que la informacin sea comprensible. Para muchas
compaas, sto significa un gran data warehouse que muestre, junto a los datos no filtrados y
dispersos, nuevas formas creativas de presentacin.
Las herramientas para capturar y explorar los datos al detalle evolucionan, as como nuestra
capacidad para encontrar las formas de explotar los datos recolectados.
En los ltimos 10 aos se han combinado dos factores para ayudar a la difusin de los data
warehouses. Ellos son:
1 Se ha reconocido los beneficios del procesamiento analtico en lnea (On Line Analytical
Processing - OLAP), ms all de las reas tradicionales de marketing y finanzas.
Las organizaciones saben que los conocimientos inmersos en las masas de datos que
rutinariamente recogen sobre sus clientes, productos, operaciones y actividades comerciales,
contribuyen a reducir los costos de operacin y aumentar las rentas, por no mencionar que es
ms fcil la toma de decisiones estratgicas.
2 El crecimiento de la computacin cliente/servidor, ha creado servidores de hardware y
software ms poderosos y sofisticados que nunca. Los servidores de hoy compiten con las
mainframes de ayer y ofrecen arquitecturas de memoria tecnolgicamente superiores,
procesadores de alta velocidad y capacidades de almacenamiento masivas.
Al mismo tiempo, los Sistemas de Gestin de Base de Datos (Data Base Management Systems DBMS(s)) modernos, proporcionan mayor soporte para las estructuras de datos complejas.
De esta renovacin de hardware y software surgen los data warehouses multiterabyte que ahora
se ve en ambientes de cliente/servidor.

Pgina 51

2.2.2 CONSIDERACIONES PREVIAS AL DESARROLLO DE UN DATA WAREHOUSE

Hay muchas maneras para desarrollar data warehouses como tantas organizaciones existen. Sin
embargo, hay un nmero de dimensiones diferentes que necesitan ser consideradas:
Alcance de un data warehouse
Redundancia de datos
Tipo de usuario final
La Figura N 15 muestra un esquema bidimensional para analizar las opciones bsicas. La
dimensin horizontal indica el alcance del depsito y la vertical muestra la cantidad de datos
redundantes que deben almacenarse y mantenerse.

2.2.2.1 ALCANCE DEL DATA WAREHOUSE

Pgina 52

El alcance de un data warehouse puede ser tan amplio como toda la informacin estratgica de la
empresa desde su inicio, o puede ser tan limitado como un data warehouse personal para un solo
gerente durante un ao.
En la prctica, en la amplitud del alcance, el mayor valor del data warehouse es para la empresa
y lo ms caro y consumidor de tiempo es crear y mantenerlo. Como consecuencia de ello, la
mayora de las organizaciones comienzan con data warehouses funcionales, departamentales o
divisionales y luego los expanden como usuarios que proveen retroalimentacin.

2.2.2.2 REDUNDANCIA DE DATOS

Hay tres niveles esenciales de redundancia de datos que las empresas deberan considerar en sus
opciones de data warehouse:
-

Data warehouses "virtual" o "Point to Point"

Data warehouses "centrales"

Data warehouses "distribuidos"

No se puede pensar en un nico enfoque. Cada opcin adapta un conjunto especfico de

requerimientos y una buena estrategia de almacenamiento de datos, lo constituye la inclusin de
las tres opciones.
Data Warehouses "Virtual" o "Point to Point"
Una estrategia de data warehouses virtual, significa que los usuarios finales pueden acceder a
bases de datos operacionales directamente, usando cualquier herramienta que posibilite "la red de
acceso de datos".
Este enfoque provee flexibilidad as como tambin la cantidad mnima de datos redundantes que
deben cargarse y mantenerse. Adems, se pueden colocar las cargas de consulta no planificadas
ms grandes, sobre sistemas operacionales.
Como se ver, el almacenamiento virtual es, frecuentemente, una estrategia inicial, en
organizaciones donde hay una amplia (pero en su mayor parte indefinida) necesidad de conseguir
la data operacional, desde una clase relativamente grande de usuarios finales y donde la
frecuencia probable de pedidos es baja.
Pgina 53

Los depsitos virtuales de datos proveen un punto de partida para que las organizaciones
determinen qu usuarios finales estn buscando realmente.
2. Data Warehouses "Centrales"
El concepto de data warehouses centrales es el concepto inicial que se tiene del data warehouse.
Es una nica base de datos fsica, que contiene todos los datos para un rea funcional especfica,
departamento, divisin o empresa.
Los data warehouses centrales se seleccionan por lo general donde hay una necesidad comn de
los datos informticos y un nmero grande de usuarios finales ya conectados a una red o
computadora central. Pueden contener datos para cualquier perodo especfico de tiempo.
Comnmente, contienen datos de sistemas operacionales mltiples.
Los data warehouses centrales son reales. Los datos almacenados en el data warehouse son
accesibles desde un lugar y deben cargarse y mantenerse sobre una base regular. Normalmente se
construyen alrededor de RDBMs avanzados o, en alguna forma, de servidor de base de datos
informtico multidimensional.
3. Data Warehouses Distribuidos
Los data warehouses distribuidos son aquellos en los cuales ciertos componentes del depsito se
distribuyen a travs de un nmero de bases de datos fsicas diferentes.
Cada vez ms, las organizaciones grandes estn tomando decisiones a niveles ms inferiores de
la organizacin y a la vez, llevando los datos que se necesitan para la toma de decisiones a la red
de rea local (Local Area Network - LAN) o computadora local que sirve al que toma decisiones.
Los data warehouses distribuidos comnmente involucran la mayora de los datos redundantes y
como consecuencia de ello, se tienen procesos de actualizacin y carga ms complejos.

2.2.2.3 TIPO DE USUARIO FINAL

De la misma forma que hay una gran cantidad de maneras para organizar un data warehouse, es
importante notar que tambin hay una gama cada vez ms amplia de usuarios finales.
En general, se puede considerar tres grandes categoras:
Pgina 54

Ejecutivos y gerentes
"Power users" o "Buzo de Informacin" (analistas financieros y de negocios, ingenieros, etc.)
Usuarios de soporte (de oficina, administrativos, etc.).
Cada una de estas categoras diferentes de usuario tienen su propio conjunto de requerimientos
para los datos, acceso, flexibilidad y facilidad de uso.

2.2.3 ELEMENTOS CLAVES PARA EL DESARROLLO DE UN DATA WAREHOUSE

Los data warehouses exitosos comienzan cuando se escogen e integran satisfactoriamente tres
elementos claves.
Un data warehouse est integrado por un servidor de hardware y los DBMS que conforman el
depsito. Del lado del hardware, se debe combinar la configuracin de plataformas de los
servidores, mientras se decide cmo aprovechar los saltos casi constantes de la potencia del
procesador. Del lado del software, la complejidad y el alto costo de los DBMSes fuerzan a tomar
decisiones drsticas y balances comparativos inevitables, con respecto a la integracin,
requerimientos de soporte, desempeo, eficiencia y confiabilidad.
Si se escoge incorrectamente, el data warehouse se convierte en una gran empresa con problemas
difciles de trabajar en su entorno, costoso para arreglar y difcil de justificar.
Para conseguir que la implementacin del depsito tenga un inicio exitoso, se necesita enfocar
hacia tres bloques claves de construccin:
-

Arquitectura total del depsito

Arquitecturas del servidor

Sistemas de Gestin de Base de Datos

A continuacin se presentan algunas recomendaciones para tomar las correctas elecciones para
su empresa.
2.2.3.1 DISEO DE LA ARQUITECTURA
a) Arquitectura del Depsito

Pgina 55

El desarrollo del data warehouse comienza con la estructura lgica y fsica de la base de datos
del depsito ms los servicios requeridos para operar y mantenerlo. Esta eleccin conduce a la
seleccin de otros dos tems fundamentales: el servidor de hardware y el DBMS.
La plataforma fsica puede centralizarse en una sola ubicacin o distribuirse regional, nacional o
internacionalmente. A continuacin se dan las siguientes alternativas de arquitectura:
1 Un plan para almacenar los datos de su compaa, que podra obtenerse desde fuentes
mltiples internas y externas, es consolidar la base de datos en un data warehouse integrado. El
enfoque consolidado proporciona eficiencia tanto en la potencia de procesamiento como en los
costos de soporte. (Ver Figura N 16).

Pgina 56

2 La arquitectura global distribuye informacin por funcin, con datos financieros sobre un
servidor en un sitio, los datos de comercializacin en otro y los datos de fabricacin en un tercer
lugar. (Ver Figura N 17)

3 Una arquitectura por niveles almacena datos altamente resumidos sobre una estacin de
trabajo del usuario, con resmenes ms detallados en un segundo servidor y la informacin ms
detallada en un tercero.
La estacin de trabajo del primer nivel maneja la mayora de los pedidos para los datos, con
pocos pedidos que pasan sucesivamente a los niveles 2 y 3 para la resolucin.
Pgina 57

Las computadoras en el primer nivel pueden optimizarse para usuarios de carga pesada y
volumen bajo de datos, mientras que los servidores de los otros niveles son ms adecuados para
procesar los volmenes pesados de datos, pero cargas ms livianas de usuario. (Ver figura N
18).

b) Arquitectura del servidor

Al decidir sobre una estructura de depsito distribuida o centralizada, tambin se necesita
considerar los servidores que retendrn y entregarn los datos. El tamao de su implementacin
(y las necesidades de su empresa para escalabilidad, disponibilidad y gestin de sistemas)
influir en la eleccin de la arquitectura del servidor.
1 Servidores de un solo procesador

Pgina 58

Los servidores de un slo procesador son los ms fciles de administrar, pero ofrecen limitada
potencia de procesamiento y escalabilidad. Adems, un servidor slo presenta un nico punto de
falla, limitando la disponibilidad garantizada del depsito.
Se puede ampliar un solo servidor de redes mediante arquitecturas distribuidas que hacen uso de
subproductos, tales como Ambientes de Computacin Distribuida (Distributed Computing
Environment - DCE) o Arquitectura Broker de Objeto Comn (Common Objects Request Broker
Architecture - CORBA), para distribuir el trfico a travs de servidores mltiples.
Estas arquitecturas aumentan tambin la disponibilidad, debido a que las operaciones pueden
cambiarse al servidor de backup si un servidor falla, pero la gestin de sistemas es ms compleja.
2 Multiprocesamiento simtrico
Las mquinas de multiprocesamiento simtrico (Symmetric MultiProcessing - SMP) aumentan
mediante la adicin de procesadores que comparten la memoria interna de los servidores y los
dispositivos de almacenamiento de disco.
Se puede adquirir la mayora de SMP en configuraciones mnimas (es decir, con dos
procesadores) y levantar cuando es necesario, justificando el crecimiento con las necesidades de
procesamiento. La escalabilidad de una mquina SMP alcanza su lmite en el nmero mximo de
procesadores soportados por los mecanismos de conexin (es decir, el backplane y bus
compartido).
3 Procesamiento en paralelo masivo
Una mquina de procesamiento en paralelo masivo (Massively Parallel Processing - MPP),
conecta un conjunto de procesadores por medio de un enlace de banda ancha y de alta velocidad.
Cada nodo es un servidor, completo con su propio procesador (posiblemente SMP) y memoria
interna. Para optimizar una arquitectura MPP, las aplicaciones deben ser "paralelizadas" es decir,
diseadas para operar por separado, en partes paralelas.
Esta arquitectura es ideal para la bsqueda de grandes bases de datos. Sin embargo, el DBMS
que se selecciona debe ser uno que ofrezca una versin paralela. Y an entonces, se requiere un
diseo y afinamiento esenciales para obtener una ptima distribucin de los datos y prevenir "hot
spots" o "data skew" (donde una cantidad desproporcionada del procesamiento es cambiada a un
nodo de procesamiento, debido a la particin de los datos bajo su control).
4 Acceso de memoria no uniforme
Pgina 59

La dificultad de mover aplicaciones y los DBMS a agrupaciones o ambientes realmente paralelos

ha conducido a nuevas y recientes arquitecturas, tales como el acceso de memoria no uniforme
(Non Uniform Memory Access - NUMA).
NUMA crea una sola gran mquina SMP al conectar mltiples nodos SMP en un solo (aunque
fsicamente distribuida) banco de memoria y un ejemplo nico de OS. NUMA facilita el enfoque
SMP para obtener los beneficios de performance de las grandes mquinas MPP (con 32 o ms
procesadores), mientras se mantiene las ventajas de gestin y simplicidad de un ambiente SMP
estndar.
Lo ms importante de todo, es que existen DBMS y aplicaciones que pueden moverse desde un
solo procesador o plataforma SMP a NUMA, sin modificaciones.
2.2.3.2 SISTEMAS DE GESTION DE BASES DE DATOS
Los data warehouses (conjuntamente con los sistemas de soporte de decisin [Decision Support
Systems - DSS] y las aplicaciones cliente/servidor), fueron los primeros xitos para el DBMS
relacional (Relational Data Base Management Systems - RDBMS).
Mientras la gran parte de los sistemas operacionales fueron resultados de aplicaciones basadas en
antiguas estructuras de datos, los depsitos y sistemas de soporte de decisiones aprovecharon el
RDBMS por su flexibilidad y capacidad para efectuar consultas con un nico objetivo concreto.
Los RDBMS son muy flexibles cuando se usan con una estructura de datos normalizada. En una
base de datos normalizada, las estructuras de datos son no redundantes y representan las
entidades bsicas y las relaciones descritas por los datos (por ejemplo productos, comercio y
transaccin de ventas). Pero un procesamiento analtico en lnea (OLAP) tpico de consultas que
involucra varias estructuras, requiere varias operaciones de unin para colocar los datos juntos.
La performance de los RDBMS tradicionales es mejor para consultas basadas en claves
("Encuentre cuenta de cliente #2014") que para consultas basadas en el contenido ("Encuentre a
todos los clientes con un ingreso sobre $ 10,000 que hayan comprado un automvil en los
ltimos seis meses").
Para el soporte de depsitos a gran escala y para mejorar el inters hacia las aplicaciones OLAP,
los proveedores han aadido nuevas caractersticas al RDBMS tradicional. Estas, tambin

Pgina 60

llamadas caractersticas super relacionales, incluyen el soporte para hardware de base de datos
especializada, tales como la mquina de base de datos Teradata.
Los modelos super relacionales tambin soportan extensiones para almacenar formatos y
operaciones relacionales (ofrecidas por proveedores como RedBrick) y diagramas de indexacin
especializados, tales como aquellos usados por Sybase IQ. Estas tcnicas pueden mejorar el
rendimiento para las recuperaciones basadas en el contenido, al pre juntar tablas usando ndices o
mediante el uso de listas de ndice totalmente invertidos.
Muchas de las herramientas de acceso a los data warehouses explotan la naturaleza
multidimensional del data warehouse. Por ejemplo, los analistas de marketing necesitan buscar
en los volmenes de ventas por producto, por mercado, por perodo de tiempo, por promociones
y niveles anunciados y por combinaciones de estos diferentes aspectos.
La estructura de los datos en una base de datos relacional tradicional, facilita consultas y anlisis
a lo largo de dimensiones diferentes que han llegado a ser comunes. Estos esquemas podran usar
tablas mltiples e indicadores para simular una estructura multidimensional. Algunos productos
DBMS, tales como Essbase y Gentium, implementan tcnicas de almacenamiento y operadores
que soportan estructuras de datos multidimensionales.
Mientras las bases de datos multidimensionales (MultiDimensional Databases - MDDBs) ayudan
directamente a manipular los objetos de datos multidimensionales (por ejemplo, la rotacin fcil
de los datos para verlos entre dimensiones diferentes, o las operaciones de drill down que
sucesivamente exponen los niveles de datos ms detallados), se debe identificar estas
dimensiones cuando se construya la estructura de la base de datos. As, agregar una nueva
dimensin o cambiar las vistas deseadas, puede ser engorroso y costoso. Algunos MDDBs
requieren un recargue completo de la base de datos cuando ocurre una reestructuracin.
2.2.3.3 NUEVAS DIMENSIONES

Una limitacin de un RDBMS y un MDDB, es la carencia de soporte para tipos de datos no

tradicionales como imgenes, documentos y clips de video/ audio. Si usted necesita estos tipos
de objetos en su data warehouse, busque un DBMS relacional-objeto (Ejemplo: Illustra de
Informix).

Pgina 61

Por su enfoque en los valores de datos codificados, la mayor parte de los sistemas de base de
datos pueden acomodar estos tipos de datos, slo con extensiones basadas en cierta referencias,
tales como indicadores de archivos que contienen los objetos. Muchos RDBMS almacenan los
datos complejos como objetos grandes binarios (Binary Large Objects - BLOBs). En este
formato, los objetos no pueden ser indexados, clasificados, o buscados por el servidor.
Los DBMS relacional-objeto, de otro lado, almacenan los datos complejos como objetos nativos
y pueden soportar las grandes estructuras de datos encontradas en un ambiente orientado a
objetos. Estos sistemas de base de datos naturalmente acomodan no slo tipos de datos
especiales sino tambin los mtodos de procesamiento que son nicos para cada uno de ellos.
Pero una desventaja del enfoque relacional-objeto, es que la encapsulacin de los datos dentro de
los tipos especiales de datos (una serie de precios de stock a travs del tiempo en cada registro de
una tabla de stock, por ejemplo), requiere de operadores especializados para que hagan
bsquedas simples previamente (por ejemplo, "Encontrar todas las existencias que han mostrado
una disminucin en el precio de Abril a Mayo 1996").
La seleccin del DBMS est tambin sujeta al servidor de hardware que se usa. Algunos
RDBMS, como el DB2 Paralelo, Informix XPS y el Oracle Paralelo, ofrecen versiones que
soportan operaciones paralelas. El software paralelo divide consultas, uniones a travs de
procesadores mltiples y corre estas operaciones simultneamente para mejorar la performance.
Se requiere el paralelismo para el mejor desempeo en los servidores MPP grandes y SMP
agrupados. No es an una opcin con MDDBS o DBMS relacional-objeto.
En la tabla "Cmo comparar DBMS" se resume los pro y los contra de los diferentes tipos de
DBMS para operaciones de data warehouse.
La tabla "Matriz de Decisin del Data Warehouse" contiene algunos ejemplos de cmo afectan
estos criterios de decisin en la eleccin de una arquitectura de servidor/ data warehouse.
Cmo comparar DBMSes?
Caractersticas/Funcin

Relacional

Super-Relacional

Multidimensional

Multidimensional

(Lgico)

(Fsico)

Objeto-Relacional

Estructuras Normalizadas
Tipos de datos abstractos
Paralelismo
Estructuras Multidimensionales
Drill-Down

Pgina 62

Rotacin
Operaciones dependientes de
datos
=si

Matriz de Decisin para el Data Warehouse

Para estos ambientes
Requerimientos
comerciales
Alcance: departamental

Elija
Usuarios

Soporte de Sistemas Arquitectura

Servidor

DBMS
MDDB

Pequea -

Local mnimo -

Consolidado -

Procesador nico

Usos: anlisis de datos

ubicacin nica

central promedio

paquete

o SMP

Alcance: departamental
Usos: anlisis ms

Grande-analistas en Local mnimo una sola ubicacin; central promedio

informtica

usuarios informticos

Seccionado Grupos de SMP

detalle en central- para central;
SP o SMP para
resumen en local
local

RDBMS para
central - MDDB
para local

dispersos
Alcance: empresa

Grande; geogrfica- Central fuerte

Usos: anlisis ms

mente disperso

Centralizado

Grupos de SMP

Objetorelacionalsoporte Web

informtica
Alcance: departamental

Pequea - pocas

Usos: investigacin

ubicaciones

Central fuerte

Centralizado

MPP

RDBMS con
soporte paralelo

2.2.3.4 COMBINACION DE LA ARQUITECTURA CON EL SISTEMA DE GESTION DE

BASE DE DATOS

Para seleccionar la combinacin correcta de la arquitectura del servidor y el DBMS, primero es

necesario comprender los requerimientos comerciales de su compaa, su poblacin de usuarios
y las habilidades del personal de soporte.
Las implementaciones de los data warehouses varan apreciablemente de acuerdo al rea.
Algunos son diseados para soportar las necesidades de anlisis especfico para un solo
departamento o rea funcional de una organizacin, tales como finanzas, ventas o marketing. Las
otras implementaciones renen datos a travs de toda la empresa para soportar una variedad de

Pgina 63

grupos de usuarios y funciones. Por regla general, a mayor rea del depsito, se requiere mayor
potencia y funcionalidad del servidor y el DBMS.
Los modelos de uso de los data warehouses son tambin un factor. Las consultas y vistas de
reportes preestructuradas frecuentemente satisfacen a los usuarios informticos, mientras que hay
menos demandas sobre el DBMS y la potencia de procesamiento del servidor. El anlisis
complejo, que es tpico de los ambientes de decisin-soporte, requiere ms poder y flexibilidad
de todos los componentes del servidor. Las bsquedas masivas de grandes data warehouses
favorecen el paralelismo en el DBMS y el servidor.
Los ambientes dinmicos, con sus requerimientos siempre cambiantes, se adaptan mejor a una
arquitectura de datos simple, fcilmente cambiable (por ejemplo, una estructura relacional
altamente normalizada), antes que una estructura intrincada que requiere una reconstruccin
despus de cada cambio (por ejemplo, una estructura multidimensional).
El valor de la data fresca requerida indica cun importante es para el data warehouse renovar y
cambiar los datos. Los grandes volmenes de datos que se refrescan a intervalos frecuentes,
favorecen una arquitectura fsicamente centralizada para soportar una captura de datos eficiente y
minimizar el tiempo de transporte de los datos.
Un perfil de usuario debera identificar quines son los usuarios de su data warehouse, dnde se
ubican y cuntos necesita soportar. La informacin sobre cmo cada grupo espera usar los data
warehouses, ayudar a analizar los diversos estilos de uso.
Conocer la ubicacin fsica de sus usuarios ayudar a determinar cmo y a qu rea necesita
distribuir el data warehouse. Una arquitectura por niveles podra usar servidores en el lugar de
las redes de rea local. O puede necesitar un enfoque centralizado para soportar a los
trabajadores que se movilizan y que trabajan en el depsito desde sus laptops.
El nmero total de usuarios y sus modelos de conexin determinan el tamao de sus servidores
de depsito. Los tamaos de memoria y los canales de I/O deben soportar el nmero previsto de
usuarios concurrentes bajo condiciones normales, as como tambin en las horas punta de su
organizacin.
Finalmente, se debe factorizar la sofisticacin del personal de soporte. Los recursos de los
sistemas de informacin (Information System - IS) que estn disponibles dentro de su
organizacin, pueden limitar la complejidad o sofisticacin de la arquitectura del servidor. Sin el
personal especializado interno o consultores externos, es difcil de crear y mantener
Pgina 64

satisfactoriamente una arquitectura que requiere paralelismo en la plataforma del servidor (MPP
o SMP agrupado, por ejemplo).

2.2.3.5 PLANES DE EXPANSION

Como su depsito evoluciona y los datos que contiene llegan a ser ms accesible, los empleados
externos al depsito podran descubrir tambin el valor de sus datos. Al enlazar su data
warehouse a otros sistemas (tanto internos como externos a la organizacin), se puede compartir
informacin con otras entidades comerciales con poco o sin desarrollo. Los mensajes E-mail,
servidores Web y conexiones Intranet/Internet, pueden entregar listas por niveles a sus
proveedores o segn su condicin, a sus socios de negocio.
Como los data warehouses continan creciendo en sofisticacin y uso, los datos acumulados
dentro de una empresa llegarn a ser ms organizados, ms interconectados, ms accesibles y, en
general, ms disponibles a ms empleados.
El resultado ser la obtencin de mejores decisiones en el negocio, ms oportunidades y ms
claridad de trabajo.

2.2.4 CONFIABILIDAD DE LOS DATOS

La data "sucia" es peligrosa. Las herramientas de limpieza especializadas y las formas de

programar de los clientes proporcionan redes de seguridad.
No importa cmo est diseado un programa o cun hbilmente se use. Si se alimenta mala
informacin, se obtendr resultados incorrectos o falsos. Desafortunadamente, los datos que se
usan satisfactoriamente en las aplicaciones de lnea comercial operacionales pueden ser basura
en

lo

que

concierne

la

aplicacin

data

warehousing.

Pgina 65

Los datos "sucios" pueden presentarse al ingresar informacin en una entrada de datos (por
ejemplo, "Sitsemas S. A." en lugar de "Sistemas S. A." ) o de otras causas. Cualquiera que sea, la
data sucia daa la credibilidad de la implementacin del depsito completo. A continuacin, en la
Figura N 23 se muestra un ejemplo de formato de ventas en el que se pueden presentar errores.

Pgina 66

Afortunadamente, las herramientas de limpieza de datos pueden ser de gran ayuda. En algunos
casos, puede crearse un programa de limpieza efectivo. En el caso de bases de datos grandes,
imprecisas e inconsistentes, el uso de las herramientas comerciales puede ser casi obligatorio.
Decidir qu herramienta usar es importante y no solamente para la integridad de los datos. Si se
equivoca, se podra malgastar semanas en recursos de programacin o cientos de miles de
dlares en costos de herramientas.

2.2.4.1 LIMPIEZA DE LOS DATOS

La limpieza de una data "sucia" es un proceso multifactico y complejo. Los pasos a seguir son
los siguientes:
1 Analizar sus datos corporativos para descubrir inexactitudes, anomalas y otros problemas.
2 Transformar los datos para asegurar que sean precisos y coherentes.
3 Asegurar la integridad referencial, que es la capacidad del data warehouse, para identificar
correctamente al instante cada objeto del negocio, tales como un producto, un cliente o un
empleado.
4 Validar los datos que usa la aplicacin del data warehouse para realizar las consultas de
prueba.
5 Producir la metadata, una descripcin del tipo de datos, formato y el significado relacionado
al negocio de cada campo.
6 Finalmente, viene el paso crucial de la documentacin del proceso completo para que se
pueda ampliar, modificar y arreglar los datos en el futuro con ms facilidad.
En la prctica, se tendra que realizar mltiples pasos como parte de una operacin nica o
cuando use una sola herramienta. En particular, limpiar la data y asegurar la integridad
referencial son procesos interdependientes.
Las herramientas comerciales pueden ayudar en cada uno de estos pasos. Sin embargo, es posible
escribir sus propios programas para hacer el mismo trabajo.
Los programas de limpieza de datos no proporcionan mucho razonamiento, por lo que las
compaas necesitan tomar sus decisiones en forma manual, basados en informacin importante
y reportes de auditora de datos.
Pgina 67

Cada vez que se carga un nuevo conjunto de datos, la limpieza de datos comnmente constituye
cerca del 25 por ciento de lo que puede ser un proceso de cuatro semanas.
A continuacin, se darn algunos ejemplos de las experiencias de las empresas que han realizado
limpieza de datos para un ambiente data warehousing.
Ejemplo 1:
CompuCom Systems, un gran integrador de sistemas basados en Dallas, implement un registro
de 12 millones, en un depsito de 10 Gb para el soporte de decisiones internas y de los clientes,
segn el orden y la condicin y producir informacin por medio del Web.
CompuCom implement algunas rutinas de mejoramiento de datos en lenguajes de cuarta
generacin (4GL), asociado con su base de datos Progress, la cual corre sobre un HP 9000. El
incremento incluye desciframiento de valores de columnas en descripciones inglesas cortas o
mnemotecnia. El cdigo de limpieza de datos, tales como las conversiones de fecha y datos,
estn escritas en lenguaje C.
La ventaja de sto es que CompuCom ahora posee estas rutinas y puede usarlas en otras
aplicaciones.
Los usuarios ayudaron a definir los requerimientos de limpieza de datos, ya que son ellos los
que mejor conocen los datos y pueden informar sobre qu tipo de datos sucios deben salir y
cmo limpiarlos.
La compaa no usa una herramienta de limpieza comercial porque gran parte de sus datos est
en la misma forma bsica. As, la compaa puede fcilmente usar de nuevo las rutinas escritas.
La desventaja principal ha sido la cantidad de tiempo de desarrollo (alrededor de una semana)
que se necesit para crear las rutinas. Aunque tienen cierta dificultad de tiempo para
mantenerse al da con la demanda y han buscado paquetes de software [comercial], no han
encontrado an, en el mercado, algo que se ajuste mejor a sus requerimientos.
Ejemplo 2:
Ohio Casualty Insurance (Hamilton, OH) experiment por dos aos con la limpieza in-house,
usando programas COBOL, antes de usar la herramienta comercial, Integrity Data
Reengineering Tool de Vality Technology.

Pgina 68

El data warehouse de Ohio Casualty combina registros asociados con alrededor de 1 milln de
plizas de seguro personales, incluyendo auto y plizas de casa propia. Como una prueba, la
compaa comenz con 3,500 plizas de sus empleados.
Sin embargo, es difcil tratar de programar para todas las situaciones en que se puede caer.
Despus de tomar un ao en desarrollar programas genricos de extraer/ transformar/cargar, se
necesit otro ao, para programar en Cobol y editar el manual, para conseguir los datos de las
plizas correctos para el depsito.
La herramienta Vality Integrity Data Reengineering ayuda a atacar el primer conjunto de datos
de los clientes - alrededor de 15, 000 plizas en el centro comercial Denver de la compaa.
Aunque el personal de Ohio Casualty todava necesita investigar las anomalas que ha
descubierto el producto Vality, no se ha requerido ninguna programacin o redaccin del
manual de los datos. Los datos estuvieron listos para el depsito en alrededor de seis semanas.
Ejemplo 3:
Intel (Hillsboro) es un ejemplo de compaa que ha realizado exitosamente una limpieza de
datos in-house, aunque con ciertos problemas. Inicialmente pretendi encargar su limpieza de
datos a una agencia de servicios, para un depsito de aproximadamente 1 milln de registros
tomados desde cinco sistemas operacionales.
La agencia de servicios prometi identificar las relaciones entre los diversos grupos dentro de
las compaas clientes. Adems, la agencia proveera informacin industrial para las
organizaciones de clientes, tales como el nmero de empleados, las rentas y el crecimiento, las
cuales seran valiosas para las ventas de Intel. Desafortunadamente, la agencia de servicio no
hizo un buen trabajo de identificar las relaciones entre los clientes, lo que dio como resultado el
hecho de que algunas personas estuvieron asociadas con compaas equivocadas.
Intel tom la cinta de la agencia de servicio y luego corri los datos con el paquete de anlisis
estadstico SAS, del Instituto SAS, para identificar y corregir los problemas con las relaciones
con un tope de 10 agrupaciones (es decir, las primeras compaas en una relacin jerrquica
nica).
La compaa luego us las herramientas de base de datos Oracle para propiciar el anlisis y la
limpieza. Ya que la nueva data llegaba todo el tiempo, algunas de las rutinas de limpieza de

Pgina 69

Oracle fueron implementadas como procedimientos almacenados para que puedan correr
automticamente contra la nueva data.
Intel an persiste en encargar las tareas de la limpieza de los datos. Sin embargo, la compaa
planea mantener la limpieza in-house hasta que encuentre una agencia de servicio aceptable.
Ejemplo 4:
CrediCard (So Paulo, Brasil), un gran emisor de tarjetas de crdito en Sudamrica, consigui
herramientas de limpieza y mejora de datos como parte de la implementacin de un data
warehouse por Market Knowledge, una filial de Equifax.
El personal de comercializacin de CrediCard usa aproximadamente 200 rutinas para efectuar
operaciones de limpieza, tales como la eliminacin de datos malos o sin uso, correccin de
valores equivocados y estandarizacin de formatos diversos.
Adems, ellos pueden mejorar los datos al realizar operaciones como correccin de cantidades
monetarias por la inflacin y la devaluacin, creando un campo de edad virtual basado en la
fecha de nacimiento de una persona y aadiendo datos de censos a los registros entrantes. Estas
rutinas (por ejemplo, correccin de inflacin) favorecen particularmente a los requerimientos
brasileos.
Ellos adems estn diseados para el uso del personal de comercializacin no-tcnico. Las
rutinas de limpieza de los datos, las cuales son programadas como comandos SQL, emple slo
alrededor de tres personas por semana para crearlas - una porcin mnima de un proyecto de 2
aos y medio.
Las herramientas para mejorar los datos, ms automatizadas y ms inteligentes, representan
alrededor de $ 120,000 del total del proyecto de $ 840,000.

2.2.4.2 Tipos de Limpieza de Datos

a) Limpieza de datos moderada

Si decide no programar funciones de limpieza de datos o contratar un consultor para hacer el
trabajo, puede inhibirse tambin de la compra de una herramienta especfica para esa tarea. El

Pgina 70

software de gestin del data warehouse puede ser suficiente para limpiar y validar segn sus
propsitos.
Muchos proyectos de data warehouse usan productos como Warehouse Manager de Prism
Solutions o Passport de Carleton, para una gama de tareas de gestin de data warehouse, que
incluyen:
Extraccin de los datos desde las bases de datos operacionales
Preparacin de los datos para cargarlos en una base de datos del depsito,
Administracin de la metadata.
Estos productos cuestan desde $ 75,000 a ms de $ 200,000, dependiendo del tamao y la
complejidad del proyecto y pueden tambin limpiar, transformar y validar.
Ejemplo 5:
La Universidad Emory (Atlanta) hace la limpieza de toda la data para su depsito de 6 Gb con
programas en Cobol generados por Prism Warehouse Manager. Adems de tener problemas
tpicos, tales como formatos mltiples de fecha, la data con frecuencia contiene campos no
inicializados que retienen valores arbitrarios. Dos miembros del personal utilizan como 4 horas
de un da de trabajo en las tareas de limpieza de datos.
Emory ha considerado usar herramientas de limpieza de datos especializados, pero la escuela
est eliminando la data sucia hasta ahora, lo suficientemente bien, que no ve el valor adicional
en otros productos comerciales para justificar la compra.
Sin embargo, tienen una buena oportunidad de que las herramientas mencionadas
anteriormente de Prism y Carleton no limpien todo lo que se necesite. Ellos pueden encontrar
anomalas comunes que pueden manejarse mediante simples tablas de bsqueda de informacin
(por ejemplo, reconocer que Avenida y Av. representan la misma informacin), pero podran no
salir exitosos con irregularidades ms importantes e impredecibles, porque estas herramientas
no estn diseadas para hacer tipos de limpieza de gran intensidad.
Si los datos que requieren limpieza consisten predominantemente de nombres (incluyendo
nombres de compaa) y direcciones, las compaas tales como Harte-Hanks Communications e
Innovative Systems proveen no solamente herramientas de software, sino que actualizan
peridicamente los archivos de datos para ayudar a combinar las variantes de los nombres de las

Pgina 71

compaas, detectar cdigos postales que no corresponden a las direcciones proporcionadas y

encontrar anomalas similares.
Estas herramientas pueden ser apropiadas en otros campos (aparte de nombres y direcciones) que
sean conocidos para ser corregidos (por ejemplo, cantidades de dlar devaluados que han sido
validados por las cuentas) o contengan informacin independiente que no ser usada como una
llave o ndice (por ejemplo, las anotaciones de contacto de los vendedores).
Las soluciones orientadas al nombre y la direccin pueden costar en cualquier parte desde $
30,000 a ms de $ 200,000, dependiendo del tamao del data warehouse en cuestin. Adems se
necesita, una herramienta de extraer/ transformar/cargar (Extract, Transform, Load - ETL), tales
como el Warehouse Manager o Passport.
Lamentablemente, en el pas no existen empresas que se especialicen en estas actividades. Slo
corporaciones internacionales como las de Arthur Andersen han efectuado limpieza de datos en
nuestro medio en bancos privados y muy pocos organismos pblicos.
b) Limpieza de datos intensa
Para trabajos de limpieza intensos, se deben considerar herramientas que se han desarrollado
para esas tareas. Existen dos grandes competidores: Enterprise/Integrator de Apertus
Technologies y la herramienta Integrity Data Reengineering de Vality.
Enfoque Top-Down
La empresa Enterprise/Integrator toma un enfoque top-down, en la que usted propone las reglas
para limpiar los datos. Esta es una estrategia directa, donde usted impone sus conocimientos
sobre su negocio en los datos.
Por ejemplo:
Desea usted tratar una serie de concesiones de Martha's Fried Chicken como un cliente nico
con direcciones mltiples?
Para los propsitos del data warehouse, tiene sentido sustituir una direccin central nica
para las diferentes direcciones de las concesiones?
O, le gustara tratar las ubicaciones de las concesiones como clientes completamente
diferentes?
Esta decisin determina cmo se agrega o consolida estos registros y si se trata las diferentes
direcciones de Martha's Fried Chicken como excepciones.

Pgina 72

La empresa Enterprise/Integrator ofrece no solamente limpieza de datos, sino tambin

extraccin, transformacin, carga de datos, repeticin, sincronizacin y administracin de la
metadata. Es bastante caro (de $130,000 a $250,000), pero se puede ahorrar dinero si elimina la
necesidad de otras herramientas de gestin de data warehouse.
La desventaja principal del enfoque top-down de Enterprise/Integrator es que usted tiene que
conocer, o ser capaz de deducir las reglas del negocio y de la limpieza de datos.
Apertus provee ejemplos para trabajar con muchas estructuras comerciales y excepciones
comunes. An as, crear reglas es consumo de tiempo y est seguro de encontrar algunas
excepciones no esperadas. Estos pueden manejarse manualmente mediante un sistema de excepto
- manipulacin, pero es un proceso que consume tiempo.
Enfoque Bottom-Up:
La herramienta Integrity Data Reengineering de Vality tiene un enfoque bottom-up. Analiza los
datos caracter por caracter y automticamente emergen los modelos y las reglas del negocio.
Integrity proporciona un diseo de la data para ayudar a normalizar, condicionar y consolidar los
datos. Este enfoque tiende a dejar pocas excepciones para manejarse manualmente y el proceso
tiende a consumir menos tiempo.
Al igual que Enterprise/Integrator, Integrity puede tomar en cuenta las relaciones comerciales
que no son obvias a partir de los datos, tales como fusiones y adquisiciones que han tenido lugar
desde que fueron creados los datos. Pero con cualquier herramienta, estas reglas deben
imponerse con un modelo top-down.
Integrity incide exclusivamente sobre la limpieza de los datos, comenzando desde los archivos
bsicos. No extrae los datos desde bases de datos operacionales, carga los datos en la base de
datos del depsito, duplica y sincroniza los datos o administra la metadata.
Por ello, adems de costar $ 250,000, Integrity podra requerir tambin una herramienta como
Warehouse Manager o Passport. Sin embargo, pueden ser suficientes los utilitarios disponibles
con la base de datos para una simple extraccin/carga.

2.2.5 FACTORES DECISIVOS PARA DECIDIR EL DESARROLLO DE UN DATA

WAREHOUSE

Pgina 73

La data sucia es un serio peligro para el xito de un proyecto de data warehouse. Dependiendo
del alcance del problema, simplemente podra no ser posible dirigirlo rpidamente y abaratarlo.
Los principales factores son:
El tiempo que toma la programacin interna
El costo de las herramientas
Los gerentes de proyectos de Data Warehouse necesitan evaluar el problema con realismo, los
recursos internos disponibles para distribuirlos y seleccionar la solucin que se adapte a la
planilla y presupuesto del proyecto, o modificar la planilla y el presupuesto para solucionar el
problema.

Pgina 74

Pgina 75

2.3 FASE: IMPLEMENTACION

En esta fase, el proyecto de data warehouse debe tener asignado el liderazgo adecuado, as como,
los recursos humanos, recursos tecnolgicos y el presupuesto apropiado.
Sin embargo, deben evaluarse otros aspectos, como desarrollar un proyecto en su totalidad o por
fases y adems, diferenciar el tipo de proyecto a realizar.

2.3.1 ELEMENTOS A CONSIDERAR EN LA IMPLEMENTACION

a) Proyecto Total o Proyecto en Fases

Es ms viable el desarrollo de un proyecto en fases que produzcan resultados a corto plazo que el
desarrollo de un proyecto que entregue resultados al trmino de varios aos. Por ello, el proyecto
debe estar centrado en un rea o un proceso.
b) Modelo lgico de datos
El modelo lgico de datos debe tener un alcance ms alto y cubrir todas las reas de inters, as
como los procesos ms estratgicos de cada una de ellas.
Ejemplo: Puede cubrir las reas de mercadeo, crdito y comercializacin y los procesos de
segmentacin, scoring para retencin, scoring para crdito y gestin de clientes, productos y
canales de ventas.
c) Proyecto Especializado o Proyecto Base
Decidir sobre qu tipo de proyecto, es algo complicado. Un proyecto especializado soporta
directamente un proceso especfico, por ejemplo: retencin de clientes.
Un proyecto base entrega capacidad genrica de anlisis a todos los usuarios que tengan acceso
al data warehouse, pero no tiene, entre sus funcionalidades, la solucin de un problema
especfico o el soporte especializado de un proceso especfico.
Un proyecto base es ms econmico y fcil de acabar que uno especializado, ms costoso y
difcil de terminar.
Pgina 76

2.3.2 ESTRATEGIAS PARA EL PROCESO DE IMPLEMENTACION

Deben definirse las siguientes:

1 Identificar el problema en el cual el uso estratgico de la informacin detallada, permita
conseguir una solucin para generar una ventaja competitiva o un ahorro de costos.
Ejemplo: Un problema puede ser la ausencia de un modelo para estudios de retencin de clientes.
2 Definir el modelo lgico de datos a implementar para resolver el problema planteado.
Ejemplo: Se puede dar un modelo lgico cuando se presenta al usuario la informacin en
trminos de dimensiones (clientes, productos, canales de ventas, promociones, adquirientes, etc)
bsicas del modelo de datos y hechos que se registrarn para estas dimensiones (medidas de
ventas, de costos, de produccin, de facturacin, de cartera, de calidad, de servicio, etc.).
3 Reunir los datos para poblar ese modelo lgico de datos.
4 Tomar iniciativas de complementacin de informacin para asegurar la calidad de los datos
requeridos para poblar el modelo de datos.
Estas definiciones deben estar acompaadas de un servidor apropiado para el data warehouse, as
como elementos de comunicaciones, nodos cliente, el manejador de la base de datos del data
warehouse y otros hardware y software requeridos para la implementacin del proyecto.

2.3.3 ESTRATEGIAS EN LA IMPLEMENTACION

Deben plantearse las siguientes:

1 Definir el mejor diseo fsico para el modelo de datos. El diseo fsico debe estar orientado a
generar buen rendimiento en el procesamiento de consultas, a diferencia del modelo lgico que
est orientado al usuario y a la facilidad de consulta.
2 Definir los procesos de extraccin, filtro, transformacin de informacin y carga de datos que
se deben implementar para poblar ese modelo de datos.
Pgina 77

3 Definir los procesos de administracin de la informacin que permanece en el data warehouse

4 Definir las formas de consultas a la informacin del data warehouse que se le proporcionar al
usuario. Para sto, debe considerarse la necesidad de resolver un problema y la potencia de
consulta.
5 Completar el modelo de consulta base, relativo al rea seleccionada.
6 Implementar los procesos estratgicos del rea de trabajo, es decir, implementar herramientas
especializadas de scoring, herramientas especializadas para induccin de conocimiento (Data
Mining), etc.
7 Completar las reas de inters, en forma similar a lo descrito anteriormente.

Pgina 78

2.4 FASE: EVALUACIN

2.4.1 EVALUACION DE RENDIMIENTO DE LA INVERSION

Cuando se evalan los costos, el usuario del data warehouse puede no tener el contenido de los
costos en mente, pero las preguntas mnimas que puede comenzar a hacerse son las siguientes:
Qu clases de costos excedieron el presupuesto en ms del 10% en cada uno de los 12 meses
pasados?
Se aumentaron los presupuestos en ms de 5% para cualquier rea dentro de los ltimos 18
meses?
Cmo especificar las clases de gasto entre diferentes departamentos? Entre divisiones? A
travs de las regiones geogrficas?
Cmo tener mrgenes de operacin sobre los dos ltimos aos en cada rea de negocio? Donde
han disminuido los mrgenes, se han incrementado los costos?
Con frecuencia, los aspectos realmente importantes identificados por una gestin mayor, tienen
un valor agregado, en el que ellos saben si tuvieron la informacin que estaban buscando, lo que
significara una mejora de (por ejemplo) las ventas en 0.5% a 1% - que, si su operacin estuvo
por los billones de dlares en un ao, puede resultar en cientos de millones de dlares. En
algunos casos, el costo del depsito inicial se ha recobrado en un perodo de 6 a 8 meses.
Al hacerse preguntas de este tipo, los usuarios comienzan a identificar las reas en la que los
costos han aumentado o disminuido significativamente y pueden evaluar cada una de estas reas
con ms detalle.
Caso prctico:
En un estudio encargado por 20 vendedores y consultores, se encontr un Retorno Promedio
Total de la inversin (Return On Investment-ROI) de 401%. Se encontr una compaa que
genera cerca de 16,000% en su estudio sobre 62 organizaciones. Tambin, se excluyeron los
proyectos fracasados, as como los ejecutados excepcionalmente (tantos buenos como malos).
Pgina 79

Dicho estudio puede resumirse en el siguiente cuadro:

Cambios en el Valor
ROI promedio total
401%
ROI promedio del proyecto ms grande
322%
ROI promedio del modelo complementario de
533%
datos
ROI mediano
160%
Perodo de reembolso promedio
2.3 Aos
Costo promedio
2.2 Millones

2.4.1.1 COSTOS Y BENEFICIOS

Se han identificado diversos costos y beneficios en la elaboracin de un proyecto de construccin

de un data warehouse, tales como:
a) Costos
Costos preliminares
Planificacin
Diseo
Modelamiento/Ingeniera de Informacin
Costos iniciales
Plataforma de hardware
Software de base de datos
Herramientas de transferencia y limpieza de datos
Costos en procesamiento
Mantenimiento de datos
Desarrollo de aplicaciones
Capacitacin y soporte
Pgina 80

b) Beneficios
Beneficios Tcticos
Impresin y emisin de reporte reducido
Demanda reducida para consultas de clientes
Entrega ms rpida de informacin a los usuarios
Beneficios Estratgicos (Potencialidad)
Aplicaciones y herramientas de acceso para los usuarios finales
Decisiones con mayor informacin
Toma de decisiones ms rpida
Capacidad de soporte a la informacin organizacional

2.4.2 BENEFICIOS A OBTENER

a) Para la Empresa
El data warehouse hace lo posible por aprovechar el valor potencial enorme de los recursos de
informacin de la empresa y volver ese valor potencial en valor verdadero.
b) Para los Usuarios
El data warehouse extiende el alcance de la informacin para que puedan acceder directamente
en lnea, lo que a la vez contribuye en su capacidad para operar con mayor efectividad las tareas
rutinarias o no.
Los usuarios del data warehouse pueden acceder a una riqueza de informacin multidimensional,
presentado coherentemente como una fuente nica confiable y disponible a ellos por medio de
sus estaciones de trabajo.
Los usuarios pueden usar sus herramientas familiares, hojas de clculo, procesadores de textos y
software de anlisis de datos y anlisis estadstico para manipular y evaluar la informacin
obtenida desde el data warehouse.
c) Para la Organizacin en Tecnologas de Informacin
El data warehouse enriquece las capacidades del usuario autosuficiente y hace lo factible para
ofrecer nuevos servicios a los usuarios, sin interferir con las aplicaciones cotidianas de
produccin.
Pgina 81

La pugna constante por resolver las necesidades de usuarios que piden acceso a los datos
operacionales, finaliza con la implementacin de un data warehouse. La mayora de los usuarios
no necesita acceder ms a los datos actuales, porque ellos tienen informacin ms til disponible
desde el data warehouse.
Un data warehouse aumenta el valor de las inversiones en tecnologas de informacin, en
aplicaciones y bases de datos operacionales. Como estas bases de datos alimentan informacin,
al evolucionar el data warehouse, llegan a ser imprescindibles no solamente para las operaciones
diarias, sino adems como la fuente de informacin del negocio de amplio rango.

Pgina 82

3. SOFTWARE EN UN DATA WAREHOUSE

La informacin estratgica sobre clientes importantes o un exitoso lanzamiento de producto, se

almacena en gigabytes de datos de marketing o ndice de transacciones de venta. Esa
informacin debe ser extrada de alguna forma para la toma de decisiones.
En este caso se necesita software especializado que permita capturar los datos relevantes en
forma rpida y pueda verse a travs de diferentes dimensiones de los datos. El software no
debera limitarse nicamente al acceso a los datos, si no tambin, al anlisis significativo de los
datos. En efecto, transformar los datos de la informacin cruda o no procesada, en informacin
til para la empresa.
Los softwares o herramientas de negocios inteligentes se colocan sobre la plataforma data
warehousing y proveen este servicio. Debido a que son el punto principal de contacto entre la
aplicacin del depsito y la gente que lo usa, estas herramientas pueden constituir la diferencia
entre el xito o fracaso de un depsito.
Las herramientas de negocio inteligentes se han convertido en los sucesores de los sistemas de
soporte de decisin, pero tienen un alcance ms amplio. No solamente ayudan en las decisiones
de soporte sino, en muchos casos, estas herramientas soportan muchas funciones operacionales y
de misin-crtica de la compaa. Sin embargo, estos productos no son infalibles ya que slo se
consigue el mximo provecho del data warehouse, si elige las herramientas adecuadas a las
necesidades de cada usuario final.
Los software usados en un data warehouse se clasifican en Herramientas de Consulta y Reporte,
Herramientas de Base de Datos Multidimensionales/ Olap (On Line Analytical Processing),
Sistemas de Informacin Ejecutivos, Herramientas Data Mining y los Sistemas de Gestin de
Bases de Datos propiamente.
En el Anexo N 1, se muestra una lista de los softwares existentes en la tecnologa Data
warehousing.

Pgina 83

3.1 HERRAMIENTAS DE CONSULTA Y REPORTE

Existe una gran cantidad de poderosas herramientas de consulta y reporte en el mercado (Ver
Anexo 1-A). Algunos proveedores ofrecen productos que permiten tener ms control sobre qu
procesamiento de consulta es hecho en el cliente y qu procesamiento en el servidor.
Las ms simples de estas herramientas son productos de reporte y consultas bsicas. Ellos
proporcionan desde pantallas grficas a generadores SQL (o ms preciso, generadores de accesollamada a base de datos).
Ms que aprender SQL o escribir un programa para acceder a la informacin de una base de
datos, las herramientas de consulta al igual que la mayora de herramientas visuales, le permiten
apuntar y dar un click a los mens y botones para especificar los elementos de datos,
condiciones, criterios de agrupacin y otros atributos de una solicitud de informacin.
La herramienta de consulta genera entonces un llamado a una base de datos, extrae los datos
pertinentes, efecta clculos adicionales, manipula los datos si es necesario y presenta los
resultados en un formato claro.
Se puede almacenar las consultas y los pedidos de reporte para trabajos subsiguientes, como est
o con modificaciones. El procesamiento estadstico se limita comnmente a promedios, sumas,
desviaciones estndar y otras funciones de anlisis bsicas. Aunque las capacidades varan de un
producto a otro, las herramientas de consulta y reporte son ms apropiadas cuando se necesita
responder a la pregunta "Qu sucedi"? (Ejemplo: "Cmo comparar las ventas de los
productos X,Y y Z del mes pasado con las ventas del presente mes y las ventas del mismo mes
del ao pasado?").
Para hacer consultas ms accesibles a usuarios no-tcnicos, los productos tales como Crystal
Reports de Seagate, Impromptu de Cognos, Reportsmith de Borland, Intelligent Query de IQ
Software, Esperant de Software AG y GQL de Andyne, ofrecen interfases grficas para
seleccionar, arrastrar y pegar.
Lo ms avanzado de estos productos lo orientar hasta las consultas que tienen sintaxis mala o
que devuelven resultados imprevistos. El acceso a los datos han mejorado tambin con las

Pgina 84

nuevas versiones de estos productos y los vendedores ya instalan drivers estndares tales como
ODBC y 32-bit nativo, hasta fuentes de datos comerciales.
En general, los administradores de data warehouses que usen estos tipos de productos, deben
estar dispuestos a ocupar su tiempo para resolver las tareas de estructuracin, como administrar
bibliotecas y directorios, instalar software de conectividad, establecer nombres similares en
Ingls y precalcular "campos de datos virtuales".
Una vez que se han creado las pantallas SQL, puede necesitar desarrollar un conjunto de
consultas y reportes estndares, aunque algunos productos ofrecen libreras de plantillas
prediseadas y reportes predefinidos que se pueden modificar rpidamente.

Pgina 85

3.2 HERRAMIENTAS DE BASE DE DATOS MULTIDIMENSIONALES / OLAP

Los generadores de reporte tienen sus limitaciones cuando los usuarios finales necesitan ms que
una sola, una vista esttica de los datos, que no sean sujeto de otras manipulaciones. Para estos
usuarios, las herramientas del procesamiento analtico en lnea (OLAP - On Line Analytical
Processing), proveen capacidades "Slide y Dice" que contestara "qu sucedi?" al analizar por
qu los resultados estn como estn.
Las primeras soluciones OLAP estuvieron basadas en bases de datos multidimensionales
(MDDBS). Un cubo estructural (dos veces un hipercubo o un arreglo multidimensional)
almacenaba los datos para que se puedan manipular intuitivamente y claramente ver las
asociaciones a travs de dimensiones mltiples. Los productos pioneros tal como Essbase de
Arbor Software soportan directamente las diferentes vistas y las manipulaciones dimensionales
requeridas por OLAP.
Limitaciones del enfoque de bases de datos multidimensionales:
1ra.: Las nuevas estructuras de almacenamiento de datos requieren bases de datos propietarias.
No hay realmente estndares disponibles para acceder a los datos multidimensionales.
Los proveedores como Arbor, vieron sto como una oportunidad para crear de facto normas para
editar MDDB APIs, propiciando herramientas terceristas y estableciendo asociaciones
estratgicas.
Muchas de estas herramientas de consulta y de soluciones data-mining soportan directamente
Essbase, Oracle Express y otros formatos MDDB comunes. El Commander OLAP, herramienta
cliente/servidor de Comshare, se sita sobre la parte superior de un data warehouse
multidimensional Essbase y soporta el acceso dinmico y la manipulacin de los datos.
2da.: La segunda limitacin de un MDDB concierne al desarrollo de una estructura de datos. Las
compaas generalmente almacenan los datos de la empresa en bases de datos relacionales, lo
que significa que alguien tiene que extraer, transformar y cargar estos datos en el hipercubo.
Pgina 86

Este proceso puede ser complejo y consumidor de tiempo pero, nuevamente, los proveedores
estn investigando la forma de solucionarlos. Las herramientas de extraccin de datos y otras
automatizan el proceso, trazando campos relacionales en la estructura multidimensional y
desarrollando el MDDB sobre la marcha.
Algunos proveedores ofrecen ahora la tcnica OLAP relacional (Relational On Line Analytical
Processing - ROLAP), que explora y opera en el data warehouse directamente usando llamadas
SQL estndares. Las herramientas de pantallas permiten retener los pedidos multidimensionales,
pero el motor ROLAP transforma las consultas en rutinas SQL. Entonces se recibe los resultados
tabulados como una hoja de clculos multidimensional o en alguna otra forma que soporte
rotacin, drilling down y reduccin.
As como la extraccin de los datos, el desarrollo y evolucin de la estructura MDDB puede
cambiarse. Los administradores ROLAP deben afrontar algunas veces las tareas (agobiantes) de
desarrollar las rutinas SQL para agregar e indexar los datos ROLAP, as como, asegurar la
traduccin correcta de los pedidos multidimensionales en la ventana de comandos SQL.
Los defensores de ROLAP argumentan que se usan estndares abiertos (SQL) y que se
esquematiza (nivel de detalle) los datos para hacerlos ms fcilmente accesibles. Por otra parte,
argumentan que una estructura multidimensional nativa logra mejor performance y flexibilidad,
una vez que se desarrolla el almacn de los datos.
Lo bueno es que estas tecnologas evolucionan rpidamente y/o pueden proveer una pronta
solucin OLAP. Algunos productos ejemplos son PowerPlay de Cognos, Business Objects con el
software del mismo nombre, Brio Query de Brio Technology y una serie de DSS Agent/DSS
Server de MicroStrategy.
Los retos administrativos y de desarrollo de OLAP, a diferencia de las encontradas con las
herramientas de consulta y reporte, son generalmente ms complejos. Definiendo el OLAP y el
software de acceso a los datos, se requiere un claro entendimiento de los modelos de datos de la
corporacin y las funciones analticas requeridas por ejecutivos, gerentes y otros analistas de
datos.
El desarrollo de productos comerciales pueden aminorar los problemas, pero OLAP es raramente
una solucin clave. La arquitectura debe permitir el soporte a su fuente de datos y
requerimientos. Pero una vez que se ha establecido un sistema OLAP, el soporte al usuario final
ser mnimo.
Pgina 87

Los usuarios de estos productos deben decidir sobre si los datos del procesamiento analtico en
lnea, deberan almacenarse en bases de datos multidimensionales especialmente diseadas o en
bases de datos relacionales. Esto depende de las necesidades de la organizacin. En el Anexo 1B, se indica si un producto almacena datos en bases de datos relacionales o en una base de datos
multidimensional (MDDB).
3.3 SISTEMAS DE INFORMACION EJECUTIVOS

Las herramientas de sistemas de informacin ejecutivos (Executive Information Systems - EIS),

proporcionan medios sumamente fciles de usar para consulta y anlisis de la informacin
confiable. Generalmente se disean para el usuario que necesita conseguir los datos rpidamente,
pero quiere utilizar el menor tiempo posible para comprender el uso de la herramienta.
Tambin, permiten a los desarrolladores de sistemas colocar el contexto del negocio alrededor de
informacin diversa. Un uso tpico de un EIS es facilitar al usuario la recuperacin y anlisis de
la mtricas, de performance de la organizacin.
El precio de esta facilidad de uso es que por lo general existen algunas limitaciones sobre las
capacidades analticas disponibles con el sistema de informacin ejecutivo. Adems, muchas de
las herramientas de consulta/reporte y OLAP/multidimensional, pueden usarse para desarrollar
sistemas de informacin ejecutivos.
El concepto de sistema de informacin ejecutivo es simple: los ejecutivos no tienen mucho
tiempo, ni la habilidad en muchos casos, para efectuar el anlisis de grandes volmenes de datos.
El EIS presenta vistas de los datos simplificados, altamente consolidados y mayormente
estticas.
Categoras de Ambientes EIS:
1. El libro electrnico es una versin en lnea, electrnica, contraparte del papel que muchos
ejecutivos usan en reuniones con el personal. Las diapositivas electrnicas presentan una visin
concreta de una iniciativa organizacional o quizs los datos para dar a conocer la situacin actual
de un proyecto importante.

Pgina 88

2. El centro de comando es bsicamente una coleccin de puertos en un amplio conjunto de

reportes, el newsgroup recupera desde Internet y otros materiales que proveen conocimientos en
la organizacin.
Los reportes del centro de comando pueden ser accesados diariamente o con ms frecuencia, si la
informacin cambia constantemente o slo cuando se garantiza las excepciones. Algunos
productos generan alarmas cuando ocurren las excepciones especificadas.
Cuando sea apropiado, cada diapositiva del libro electrnico o pantalla del centro de comando,
debera permitir al ejecutivo recibir informacin adicional si lo desea (y si est disponible). A
diferencia del modelo OLAP, donde el incremento de niveles de informacin se dan a conocer tal
como el analista manipula los datos, un ejecutivo espera una descripcin global. No deberan
escudriar para obtener respuestas.
Por ello, cuando los ejecutivos piden ms informacin desde las diapositivas del libro electrnico
o de las pantallas del centro de comandos, la presentacin debera ser cuidadosamente elaborada
para presentar principalmente informacin adicional amplificada. El ejecutivo debe ser capaz de
pasar cada punto para "ms informacin", sin perder alguna informacin crtica.
Los ejecutivos pueden administrar su propio libro electrnico y centro de comandos o los
administradores pueden mantener y modificar el EIS de acuerdo a las especificaciones del
ejecutivo. Los sistemas de informacin ejecutivos, generalmente tienen una programacin que
variar en complejidad de un producto a otro. Los pioneros en el mercado de EIS incluyen
Comshare, creadores del Commander EIS y Pilot Software, desarrolladores del Pilot Command
Center.
En el Anexo 1-C, se incluye una relacin de productos y empresas que brindan herramientas de
Sistemas de Informacin Ejecutivos.

Pgina 89

3.4 HERRAMIENTAS DATA MINING

Data mining es una categora de herramientas de anlisis open-end. En lugar de hacer preguntas,
se toma estas herramientas y se pregunta algo "interesante", una tendencia o una agrupacin
peculiar, por ejemplo. El proceso de data mining extrae los conocimientos guardados o
informacin predictiva desde el data warehouse sin requerir pedidos o preguntas especficas.
Las herramientas Mining usan algunas de las tcnicas de computacin ms avanzadas como:
-

redes neurales

deteccin de desviacin

modelamiento predictivo y

programacin gentica

para generar modelos y asociaciones. Mining es un dato-conducido, no una aplicacinconducida.

El Intelligent Miner de IBM para AIX soporta sofisticadas tcnicas mining, as como las
funciones de preparacin de los datos para extraer informacin desde bases de datos Oracle o
Sybase y cargarlos en DB2 para mining. Con su opcin Data Mine para el motor Red Brick
Warehouse 5.0, Red Brick integra la funcionalidad de un data mining y la arquitectura de
almacenamiento.
Otros ejemplos de herramientas data mining comerciales incluyen Darwin de Thinking
Machines, herramientas de visualizacin de datos en MDDB de SAS Institute, SGI MineSet y
Focus 6 Serie de Visualizacin y Anlisis de Information Builders.
Pgina 90

3.5 SISTEMAS DE GESTION DE BASES DE DATOS

Estos software proporcionan procesamiento en paralelo y/o algo fuera de los aspectos ordinarios,
que puedan ser especialmente interesantes para la gente de desarrollo de data warehouse y de
sistemas de soporte de decisiones.
Se incluye el Anexo 1-D con una relacin de Bases de Datos usados para Data Warehouse.

Pgina 91

3.6 ELECCION DE HERRAMIENTAS

Hay algunas reglas obvias a seguir cuando se eligen herramientas de anlisis. Las herramientas
se combinan segn las necesidades de los usuarios finales, capacidad tcnica empresarial y la
fuente de datos existente.
1 Si se elige un proveedor de depsito que adems ofrece herramientas integradas,
probablemente se ahorrar un tiempo de desarrollo significativo al elegir un conjunto de
herramientas compatibles.
De otro modo, seleccione un conjunto de herramientas que soporte su fuente de datos original.
Sin ese soporte, se debera optar por una solucin OLAP relacional debido a que provee una
arquitectura abierta.
2 Despus que se ha seleccionado un conjunto de herramientas compatible con su fuente de
datos, determine cunto anlisis necesita realmente.
Si usted simplemente necesita saber "cunto" o "cuntos", ser suficiente una herramienta bsica
de consultas y reportes.
Si usted requiere un anlisis ms avanzado que explique la causa y los efectos de las ocurrencias
y las tendencias, busque una solucin OLAP.

Pgina 92

Las herramientas data mining sofisticadas requieren expertos en tcnicas de anlisis de datos y se
necesitan para pronsticos avanzados, clasificacin y creacin del modelo.
3 Como con cualquier tecnologa, para el mejor desempeo de su compaa, se puede optar por
una solucin nica o un conjunto de soluciones. Su personal debe comprender los requerimientos
de tecnologa, desarrollar soluciones que renan esos requerimientos y mantener y mejorar
efectivamente los sistemas.
Los softwares de negocio inteligentes son slo herramientas. Todava se necesita gerentes y
ejecutivos que capten los conocimientos derivados y tomen decisiones intuitivamente. En otras
palabras, estos softwares requieren todava inteligencia comercial propia.
En la siguiente tabla se definen los parmetros a tener en cuenta para la eleccin de las
herramientas adecuadas.

Elija la Herramienta adecuada

Tipo de Herramienta

Pregunta bsica

Consulta y Reporte

Qu sucedi?

Procesamiento analtico

Qu sucedi y

Ventas mensuales vs. Cambios

en lnea (OLAP)

por qu?

de precio de los competidores

Sistema de Informacin

Qu necesito

Libros electrnicos;

Ejecutiva (SIE)

conocer ahora?

Centros de comandos

Data mining

Qu es interesante?
Qu podra pasar?

Modelo de Salida
Reportes de ventas mensuales;

Usuario tpico
Necesita data histrica puede tener

histrico de inventario

aptitud tcnica limitada

Necesita ir de una visin esttica

Modelos predictivos

de los datos a "slicing and dicing"

tcnicamente astuto
Necesita informacin resumida o
de alto nivel puede no ser
tcnicamente astuto
Necesita extraer la relacin y
tendencias de la data ininteligible
tcnicamente astuto.

Pgina 93

GLOSARIO DE TERMINOS
BACKBONE
Red principal de una red de comunicaciones.
BASE DE DATOS (DATA BASE)
Conjunto de datos no redundantes, almacenados en un soporte informtico, organizados de forma
independiente de su utilizacin y accesibles simultneamente por distintos usuarios y
aplicaciones. La diferencia de una BD respecto a otro sistema de almacenamiento de datos es que
stos se almacenan en la BD de forma que cumplen tres requisitos bsicos: no redundancia,
independencia y concurrencia.
BLOB (Binary Large Object)
Objeto binario grande. Entre los tipos de datos que contienen los campos BLOB estn: binarios,
memo, memo con formato, de imagen, de sonido y OLE.
CLIENTE/SERVIDOR

Pgina 94

Arquitectura de sistemas de informacin en la que los procesos de una aplicacin se dividen en

componentes que se pueden ejecutar en mquinas diferentes. Modo de funcionamiento de una
aplicacin en la que se diferencian dos tipos de procesos y su soporte se asigna a plataformas
diferentes.
CODIFICACION
a) Transformacin de un mensaje en forma codificada, es decir, especificacin para la asignacin
unvoca de los caracteres de un repertorio (alfabeto, juego de caracteres) a los de otro repertorio.
b) Conversin de un valor analgico en una seal digital segn un cdigo prefijado.
DETECCION DE DESVIACION
Normalmente, para la deteccin de desviacin en bases de datos grandes se usa la informacin
explcita externa a los datos, as como las limitaciones de integridad o modelos predefinidos. En
un mtodo lineal por contraste, se enfoca el problema desde el interior de los datos, usando la
redundancia implcita de los datos. Aqu se simula un mecanismo familiar a los seres humanos:
despus de ver una serie de datos similares, un elemento que perturba la serie se considera una
excepcin.
DICCIONARIO DE DATOS
Descripcin lgica de los datos para el usuario. Rene la informacin sobre los datos
almacenados en la BD (descripciones, significado, estructuras, consideraciones de seguridad,
edicin y uso de las aplicaciones, etc.).
DIRECTORIO DE DATOS
Es un subsistema del sistema de gestin de base de datos que describe dnde y cmo se
almacenan los datos en la BD (modo de acceso y caractersticas fsicas de los mismos).
DRILL-DOWN
Obtencin de informacin ms detallada sobre un conjunto de informacin en el cual se est
trabajando. Ejemplo: Si se est mirando el Activo, obtener todas las cuentas del activo.

Pgina 95

EXTRANET
Constituye un servicio de comunicacin orientado a un pblico focalizado sobre el formato de
los sistemas Web, operando sobre la red Internet. Ejemplo: Una casa de ventas de productos
varios, implementa un sistema de Ofertas, Consulta a Catlogos, Bancos de Datos y Compras a
sus clientes preferenciales.
IN-HOUSE
Aplicable a la realizacin de un servicio de outsourcing en las instalaciones de la organizacin
que contrata el servicio.
INCONSISTENCIA
El contenido de una base de datos es inconsistente si dos datos que deberan ser iguales no lo
son. Por ejemplo, un empleado aparece en una tabla como activo y en otra como jubilado.
INTEGRIDAD
Condicin de seguridad que garantiza que la informacin es modificada, incluyendo su creacin
y borrado, slo por el personal autorizado.
INTERNET
Trmino usado para referirse a la red ms grande del mundo, que conecta miles de redes con
alcance mundial. Est creando una cultura que basndose en la simplicidad, investigacin y
estandarizacin fundamentado en usos de la vida real, est cambiando la forma de ver y hacer
muchas de las tareas actuales. Mucha de la tecnologa de punta en redes est proviniendo de la
comunidad Internet.
INTRANET
Constituye un servicio de comunicacin de los sistemas de informacin corporativos orientados a
su personal, sobre el formato de los sistemas Web, operando sobre la red Internet. Ejemplo: El
sistema contable de una empresa de ventas de productos de ferretera, tipo Home Center.
LIBRO ELECTRONICO

Pgina 96

Gua electrnica. Documento realizado en un sistema informtico, normalmente con

caractersticas hipertexto y multimedia.
MAP
a) Conjunto de datos
b) Lista de datos u objetos, tal como actualmente estn almacenados en memoria o en disco.
c) Transferir un conjunto de objetos de un lugar a otro. Por ejemplo, los mdulos de programas
en el disco son proyectados ("mapeados") en la memoria. Una imagen grfica en memoria es
proyectada en la pantalla.
d) Relacionar un conjunto de objetos con otro. Por ejemplo, una estructura de base de datos
lgica se proyecta sobre la base de datos fsica.
Mapping.- Proyeccin, correspondencia, transformacin.

MODELAMIENTO PREDICTIVO (Inteligencia Artificial)

Las herramientas de modelamiento predictivo permiten realizar relaciones complejas o modelos
desde un archivo de datos.
Una de las principales diferencias entre los modelos estadsticos y los modelos de inteligencia
artificial, es cmo miden su error. Los primeros miden el error relativo tal como el modelo
"adapta" los datos, mientras que los segundos, miden el error relativo a los datos an invisibles
(Error predictivo).
Segundo, los modelos estadsticos tienen dificultades al dar datos contradictorios o
desordenados, es decir, los datos deben estar limpios y deben existir las correlaciones
consistentes. Viceversa, las herramientas de inteligencia artificial buscan "generalizar" relaciones
para proporcionar el resultado ms probable.
El modelamiento abductivo (argumento en que la premisa mayor es evidente y la menor
probable, pero mas creible que la conclusin) usa funciones polinmicas para describir las
relaciones al interior de los datos. Esta metodologa facilita una variable de entrada para ser
ponderado ms de una vez. Adicional, slo se incluyen los trminos que significativamente
contribuyen al rendimiento.

Pgina 97

Los modelos predictivos pueden usarse para el soporte de decisin o presentando sub-rutinas
para desarrollar aplicaciones predictivas a clientes. Las capacidades de los modelos predictivos
pueden mejorarse si los archivos de datos se mejoran con tantas variables de entrada como sea
posible.
PROGRAMACION GENETICA (PG)
El paradigma de Programacin Gentica, propuesto por John Koza, es una extensin de los
algoritmos genticos que difiere de stos en la forma en que representa a los individuos de la
poblacin, pues utiliza programas de computadora en lugar de cadenas de longitud fija.
La meta de la PG es lograr que las computadoras aprendan a resolver problemas sin ser
explcitamente programadas, generando soluciones a problemas a partir de la induccin de
programas. El programador no especifica el tamao, forma y complejidad estructural de los
programas-solucin, sino que los programas evolucionan hasta generar soluciones satisfactorias.
Dentro del espacio de posibles programas de computadora, la induccin de programas involucra
el descubrimiento inductivo de un programa que produzca alguna salida deseada, cuando se le
presenta alguna entrada en particular. Y sto es precisamente lo que la metodologa de PG realiza
de una manera sistematizada.
Con base en este planteamiento, un programa puede ser llamado una frmula, un plan, una
estrategia de control, un procedimiento computacional, etc. Similarmente, las entradas del
programa pueden ser llamadas variables independientes, variables de estado, valores de sensores,
argumentos de una funcin, etc. A su vez las salidas del programa pueden denominarse variables
dependientes, un movimiento, un actuador, el valor regresado por una funcin, etc.
En programacin gentica, poblaciones de cientos, miles y decenas de miles de programas o
ms, se desarrollan genticamente. Este desarrollo se hace usando el principio darwiniano de
supervivencia del ms apto y las operaciones genticas primarias de Reproduccin y Cruce (o
recombinacin sexual) .
Caractersticas.
a) La forma de rbol de los programas de computadora. Para evitar el crecimiento descontrolado
de un programa, en muchos casos pueden encapsularse subrboles en hojas individuales.
b) En cada etapa de este proceso altamente paralelo, descentralizado y localmente controlado, el
estado consiste nicamente de la poblacin actual de individuos.
Pgina 98

c) La variabilidad dinmica de los programas en la bsqueda de la solucin. A menudo, es difcil

y no natural tratar de especificar o restringir el tamao y forma de una solucin eventual de
antemano. Ms an, el hacerlo reduce el tamao de la ventana por la cual el sistema ve al mundo,
pudiendo evitar encontrar la solucin final o, peor an, encontrar una solucin predeterminada.
d) Ausencia o un menor pre-procesamiento de entradas y post-procesamiento de salidas.
Tpicamente, las entradas, los resultados intermedios y las salidas son expresados de manera
directa en la terminologa natural del dominio del problema. Los programas producidos por la
PG consisten de funciones que son naturales al dominio del problema.
e) En la PG las estructuras que sobreviven a la adaptacin son activas. Estas no son cdigos
pasivos (cromosomas) de la solucin de un problema. Las estructuras de PG son estructuras
activas capaces de ser ejecutadas en su forma actual.
En conclusin, la programacin gentica sistematiza el problema de induccin de programas, es
decir, la generacin automtica de un programa que solucione un problema dado. La importancia
de la induccin de programas se hace evidente al observar que todos los problemas se pueden
reformular como un programa de computadora.
La metodologa de PG proporciona caractersticas muy importantes para el diseo, de manera
robusta, de sistemas que acten sobre condiciones inestables en ambientes cambiantes.
RED NEURONAL ARTIFICIAL
Son abstracciones ms o menos complejas que tratan de emular el funcionamiento de las redes
neuronales del cerebro humano. La mayora de las veces son modelos tericos que se plasman en
programas de ordenador y unas pocas modelos sobre silicio para aprovechar la velocidad de
proceso paralelo de estas arquitecturas.
Las neuronas individuales se conectan con otros para formar una "Red" de conexiones. La
conexin individual entre dos neuronas se pondera para proveer su contribucin al pronstico del
rendimiento deseado.

Pgina 99

REDUNDANCIA
Repeticin de los mismos datos en varios lugares.
REPOSITORIO
Base de datos central en herramientas de ayuda al desarrollo. El repositorio ampla el concepto
de diccionario de datos para incluir toda la informacin que se va generando a lo largo del ciclo
de vida del sistema, como por ejemplo:
componentes de anlisis y diseo (diagramas de flujo de datos, diagramas entidad-relacin,
esquemas de bases de datos, diseos de pantallas, etc.), estructuras de programas, algoritmos, etc.
En algunas referencias se le denomina Diccionario de recursos de informacin.
SCORING
Calificacin que se le da a un grupo de clientes/productos que mide la propensin a compras,
ventas, retiro, llegadas, etc.
SISTEMA DE GESTION DE BASE DE DATOS
Software que controla la organizacin, almacenamiento, recuperacin, seguridad e integridad de
los datos en una base de datos. Acepta pedidos de datos desde un programa de aplicacin y le
ordena al sistema operativo transferir los datos apropiados.
Cuando se usa un sistema de gestin de base de datos, SGDB, (en ingls DBMS), los sistemas de
informacin pueden ser cambiados ms fcilmente a medida que cambien los requerimientos de
Pgina 100

la organizacin. Nuevas categoras de datos pueden agregarse a la base de datos sin daar el
sistema existente.
SISTEMA DE INFORMACION (SI)
Conjunto de elementos fsicos, lgicos, de comunicacin, datos y personal que,
interrelacionados, permiten el almacenamiento, transmisin y proceso de la informacin.
SQL (Structured Query Language)
Lenguaje de interrogacin normalizado para bases de datos relacionales. El SQL es un lenguaje
de alto nivel, no procedural, normalizado, que permite la consulta y actualizacin de los datos de
BD relacionales. Se ha convertido en el estndar para acceder a BD relacionales. La primera
versin se aprob como norma ISO en 1987 y la segunda, conocida como SQL2 y vigente
actualmente, en 1992.
Actualmente se trabaja en la norma SQL3 que soportar bases de datos orientadas a objeto y
bases de datos activas. El SQL facilita un lenguaje de definicin de datos y un lenguaje de
manipulacin de datos. Adems, incluye una interfase que permite el acceso y manipulacin de
la BD a usuarios finales.
TERABYTE (TB)
Unidad de medida que equivale a 1024 GB.
TERADATA
El Sistema de Gestin de Base de Datos Relacional (RDBMS) Teradata de NCR, es una base de
datos relacional paralela de soporte de decisiones muy poderosa para data warehousing. Con el
servidor basado en el soporte para UNIX SVR4 y Microsoft Windows NT, Teradata ofrece
soporte a las empresas para la escalabilidad desde gigabytes a terabytes, petabytes y ms.
Teradata tambin proporciona conectividad open client a virtualmente todos los sistemas
operativos, incluyendo Microsoft DOS, Windows, Windows 95, Windows NT, IBM OS/2 y
Apple Macintosh. Adems, soporta conectividad a cliente desde las aplicaciones basadas en el
host que corre sobre sistemas UNIX y en mainframes. De hecho, ofrece una conectividad de

Pgina 101

mainframes muy resistente con canal paralelo bidireccional de alta velocidad para mainframes de
IBM, Unisys, Hitachi, Amdahl, Bull y otros.
Historia. El producto inicial de la Corporacin Teradata NCR se dise especficamente para
descargar el procesamiento reiterativo a gran escala de las mainframes IBM, permitindoles
enfocar hacia sus tareas operacionales principalmente.
En 1984, sac el primer sistema de procesamiento paralelo masivo (MPP) del mundo para
computacin comercial, el Data Base Computer Modelo 1, ms conocido como el DBC 1012. El
nombre (especficamente "1012") personific la filosofa de la corporacin al soportar la
accesibilidad de Terabytes (10^12 Bytes) de datos por miles de usuarios concurrentes corriendo
consultas de negocios complejas.
En 1991, la Corporacin NCR compr la Corporacin Teradata NCR adquiriendo su avanzada y
nica tecnologa de procesamiento en paralelo comercial. La arquitectura de hardware del DBC
1012 original evolucion en la actual familia WorldMark Server y el software de base de datos se
ha convertido en NCR Teradata RDBMS.
Hoy, el NCR Teradata RDBMS corre sobre plataformas Intel basado en UNIX y Windows NT.
Es an el nico producto de base de datos capaz de soportar data warehouses por sobre los 500
Gigabytes de datos de usuario real.
UNIX
Sistema operativo multiproceso, multiprograma y multiusuario. Software diseado por AT&T
para ingeniera de telecomunicacin. Ha sido el primer sistema operativo concebido con
independencia de los fabricantes. Posee una gran facilidad para adaptarse a ordenadores con
diferentes arquitecturas, siendo ampliamente autnomo respecto del hardware. Est escrito en
lenguaje de alto nivel C.

Pgina 102