You are on page 1of 14

Universidad de Oriente

Núcleo de Anzoátegui
Maestría en Informática Gerencial
Sistema de Base de Datos

DATA WAREHOUSE (ALMACEN DE DATOS)


Integrantes:
González, Betty. CI: 17.418.112
González Edinson C.I: 17.539.586
Guaiquirian, Rodolfo. CI: 16.479.166
Profesor.: Aquiles Torrealba Hernández Cesar C.I: 15.43.032
Rodríguez, Eyomar. CI: 15.875.042
3. IMPLEMENTACIÓN. METODOLOGÍAS DE DISEÑO CESAR HERNÁNDEZ

CRISP-DM (Cross Industry StandardProcessfor DataMining) “Proceso estándar de la


industria cruzada para la minería de datos“
CESAR HERNÁNDEZ

3.1 Comprensión del negocio


 Definición de los objetivos del negocio y criterios de éxitos del negocio.
 Evaluación de la situación (inventario de recursos, requisitos supuestos y requerimientos,
riesgos y Definición de los objetivos del Data WhareHouse(Objetivos y Criterio de éxitos).
 Realización del Plan de Proyecto (Plan del Proyecto y valoración inicial de las herramientas y
técnicas).

3.2 Compresión de los Datos.


 Informe de recolección inicial de datos.
 Informe descriptivo de los datos.
 Exploración de los datos.
 Verificación de la calidad de los datos.
CESAR HERNÁNDEZ

3.3 Preparación de los Datos.


 Selección de los datos(Motivos para incluirlos o excluirlos).
 Depuración de los datos. (Reporte de depuración).
 Estructuración de los datos(Generación de los atributos y registros).
 Integración de los datos(agrupar los datos).
 Formateo de datos (Calidad de los datos).

3.2 Modelado.
 Selección de técnicas de modelado y sus supuestos.
 Generar el plan de pruebas.
 Construcción del modelado.
CESAR HERNÁNDEZ

3.3 Evaluación.
 Evaluar resultados.
 Revisar el proceso.
 Determinación de los pasos siguientes.

3.2 Despliegue o Divulgación.


 Plan de divulgación o implementación.
 Plan de monitoreo o mantenimiento.
 Presentación del informe final.
4. APLICACIONES EXTENDIDAS. EYOMAR. RODRÍGUEZ

Data Warehouse y Sistemas de Marketing:


Las áreas en las que se puede aplicar las tecnologías de Data Warehouse al Marketing son:

Investigación Comercial.
Segmentación de mercados.
Identificación de necesidades no cubiertas y generación de nuevos productos, o modificación de productos
existentes.
Fijación de precios y descuentos.
Definición de la estrategia de canales de comercialización y distribución.
Definición de la estrategia de promoción y atención al cliente.
Relación con el cliente.
Programación, realización y seguimiento de acciones comerciales.
Lanzamiento de nuevos productos.
Campañas de venta cruzada, vinculación, fidelización, etc.
Apoyo al canal de venta con información cualificada.
4. APLICACIONES EXTENDIDAS. EYOMAR. RODRÍGUEZ

Data Warehouse y Análisis de Riesgo Financiero:


A través del Data Warehouse aplicado al análisis de riesgos financieros se puede usar para llevar a cabo las
siguientes funcionalidades :

Para la gestión de la posición:


Determinación de la posición, Cálculo de sensibilidades, Análisis what/if, Simulaciones, Monitorización riesgos
contra límites, etc.

Para la medición del riesgo:


Soporte metodología RiskMetrics (Metodología registrada de J.P. Morgan / Reuters), Simulación de
escenarios históricos, Modelos de covarianzas, Simulación de Montecarlo, Modelos de valoración, Calibración
modelos valoración, Análisis de rentabilidad, Establecimiento y seguimiento. de límites,
Desarrollo/modificación modelos, Stress testing, etc.
4. APLICACIONES EXTENDIDAS. EYOMAR. RODRÍGUEZ

Data Warehouse y Análisis de Riesgo de Crédito:


Los avances en la tecnología de Data Warehouse hacen posible la optimización de los sistemas de Análisis
de Riesgo de Crédito. Para la gestión del riesgo de crédito los sistemas operacionales han ofrecido:
Sistemas de Información para Gerencia (MIS) e informes de Soporte a la Decisión de Problemas (DSS)
estáticos y no abiertos a nuevas relaciones y orígenes de datos, situación en la que la incorporación de
nuevas fuentes de información ha sido un problema en lugar de una ventaja.

Exploraciones de datos e informes cerrados y estáticos.

Análisis sin inclusión de consideraciones temporales lo que imposibilita el análisis del pasado y la previsión
del futuro.

Herramientas de credit-scoring no flexibles, construidas sobre algoritmos difícilmente modificables, no


adaptados al entorno de la empresa, o exclusivamente basados en la experiencia personal no contrastada,
con lo que los sistemas han ayudado a repetir los errores en vez de a corregirlos.

Pero estos sistemas tradicionales se enfrentan a una problemática difícil de resolver para acomodarse a
las necesidades analíticas de los Sistemas de Análisis del Riesgo, necesidades que se pueden cubrir
mediante el uso de tecnologías de Data Warehouse
4. APLICACIONES EXTENDIDAS. EYOMAR. RODRÍGUEZ

Data Warehouse: Otras áreas de aplicación:


Otras áreas del mundo empresarial han aplicado las soluciones que proporciona la tecnología Data
Warehouse para mejorar gran parte de sus procesos actuales. Entre ellas destacamos: :
Control de Gestión:
Sistemas de Presupuesto, Análisis de Desviaciones, Reporting (EIS, MIS, etc.)

Logística:
Mejora de la relación con proveedores, Racionalización de los procesos de control de inventarios,
Optimización de los niveles de producción, Previsión de la demanda en infraestructura.

Recursos Humanos:
Planificación de incorporaciones, Gestión de carreras profesionales, Asignación de recursos a proyectos
alternativos, etc.
5. DATAMART EDINSON GONZALEZ

Es una base de datos departamental, especializada


en el almacenamiento de los datos de un área de
negocio específica

Se caracteriza por disponer la estructura óptima de


datos para analizar la información al detalle desde
todas las perspectivas que afecten a los procesos de
dicho departamento.

Un datamart puede ser alimentado desde los datos


de un datawarehouse, o integrar por si mismo un
compendio de distintas fuentes de información.
5. DATAMART: TIPOS EDINSON GONZALEZ

Datamart OLAP
Se basan en los populares cubos OLAP, que se construyen
agregando, según los requisitos de cada área o
departamento, las dimensiones y los indicadores necesarios
de cada cubo relacional

Datamart OLTP
Pueden basarse en un simple extracto del datawarehouse,
no obstante, lo común es introducir mejoras en su
rendimiento (las agregaciones y los filtrados suelen ser las
operaciones más usuales) aprovechando las características
particulares de cada área de la empresa.
5. DATA WAREHOUSE VS. DATA MART EDINSON GONZALEZ

"un Data Mart es una aplicación de Data Warehouse, construida rápidamente para soportar
una línea de negocio simple". Los Data Marts, tienen las mismas características de
integración, no volatilidad, orientación temática y no volatilidad que el Data Warehouse.

Representan una estrategia de "divide y vencerás" para ámbitos muy genéricos de un Data
Warehouse.
5. DATA MART: ARQUITECTURA EDINSON GONZALEZ

" Top-Down: primero se define el DW y luego Bottom-Up: se definen previamente los Data
se desarrollan, construyen y cargan los Data Marts y luego se integran en un DW
Marts. centralizado.