Embed Size (px)
Citation preview
DESARROLLO DE DESARROLLO DE CUBOS OLAPCUBOS OLAP
Expositores:Expositores:Cabrel Vargas, Luis Daniel (Seminar Microsoft)Cabrel Vargas, Luis Daniel (Seminar Microsoft)
Trujillo Vargas, Cesar EduardoTrujillo Vargas, Cesar Eduardo
Agenda:Agenda:
Conceptos BasicosConceptos Basicos Modelo Modelo MultidimensionalMultidimensional Cubos OLAPCubos OLAP EjemplosEjemplos
Conceptos BásicosConceptos Básicos DataWareHouse:DataWareHouse:
““El DWH es una colección de datos El DWH es una colección de datos integrada en una Base de Datos, orientada integrada en una Base de Datos, orientada según un tema, diseñadas para soportar según un tema, diseñadas para soportar un Sistema de Soporte a las Decisiones un Sistema de Soporte a las Decisiones (DSS), donde cada unidad de dato es (DSS), donde cada unidad de dato es relevante en algún momento del tiempo.”relevante en algún momento del tiempo.”
““Un DWH es una copia de Data Un DWH es una copia de Data Transaccional, específicamente diseñada Transaccional, específicamente diseñada para realizar quieres y análisispara realizar quieres y análisis.”.”
Conceptos BasicosConceptos BasicosVentajas de DataWareHouse:Ventajas de DataWareHouse:
- No duplica esfuerzos.- No duplica esfuerzos.
- No necesita el soporte a muchas - No necesita el soporte a muchas herramientas y tecnologías.herramientas y tecnologías.
- No hay diferencia en el significado y - No hay diferencia en el significado y la representación de los datos.la representación de los datos.
- No hay conflictos con los sistemas - No hay conflictos con los sistemas de producción.de producción.
- No hay confusión de algoritmos.- No hay confusión de algoritmos.
- No se tiene restricciones de drill - - No se tiene restricciones de drill - down.down.
Conceptos BásicosConceptos Básicos
Características de DWH:Características de DWH:
- Son creadas específicamente para dar - Son creadas específicamente para dar soporte a las decisionessoporte a las decisiones
- La información es extraída desde los - La información es extraída desde los sistemas originales, transformada e sistemas originales, transformada e integradaintegrada
- La estructura del DWH es simplificada y - La estructura del DWH es simplificada y en términos comunes del negocio, en términos comunes del negocio, haciéndola más fácil de usar y entenderhaciéndola más fácil de usar y entender
- Contiene información basada en el tiempo- Contiene información basada en el tiempo
Conceptos BasicosConceptos Basicos
Propiedades del DataWareHousePropiedades del DataWareHouse
Es una Colección de Datos:Es una Colección de Datos:
- Orientado a Objetos.- Orientado a Objetos.
- Integrada.- Integrada.
- Variante en el Tiempo.- Variante en el Tiempo.
- No Volátil.- No Volátil.
Conceptos BasicosConceptos Basicos
Propiedades de DWH:Propiedades de DWH:
Orientada aun tema
Integrada
Variante en
el tiempoNo Volátil
DataWarehouse
Conceptos BasicosConceptos Basicos
La data es categorizada y almacenada por áreas de negocio en lugar de aplicaciones.
Orientado a un Tema
Aplicaciones OLTP
Información
Financiera
del Cliente
Tema del Data Warehouse
Planes de
equidad Acciones
Seguros
Prestamos Ahorros
Conceptos BasicosConceptos BasicosIntegrada
Data WarehouseAplicaciones OLTP
La data es definida como única.
Ahorros
CuentaCorriente
Prestamos Cliente
Conceptos BásicosConceptos BásicosVariante en el tiempo
01/97
02/97
03/97
Enero
Febrero
Marzo
Data Warehouse
Time Data
La data es almacenada como serie de fotos asociadas al tiempo.
1997
1997
1997
Conceptos BasicosConceptos BasicosNo-volátil
La data en el DW típicamente No cambia.
Warehouse
ReadInsert ReadUpdateDelete
Load
Operacional
Conceptos BasicosConceptos Basicos OLAP:OLAP:
Proceso Analítico en Línea, describe la tecnología asociada al Proceso Analítico en Línea, describe la tecnología asociada al acceso y análisis de datos en línea, es el nombre formal para el acceso y análisis de datos en línea, es el nombre formal para el análisis de cubos multidimensionales. Sinónimo de base de datos análisis de cubos multidimensionales. Sinónimo de base de datos multidimensional, mediante los cuales se provee una tecnología de multidimensional, mediante los cuales se provee una tecnología de Calculo.Calculo.
OLTP:OLTP:Son operaciones transaccionales Son operaciones transaccionales
Las aplicaciones de OLTP están organizadas para ejecutar las Las aplicaciones de OLTP están organizadas para ejecutar las transacciones para los cuales fueron hechos, como por ejemplo: mover transacciones para los cuales fueron hechos, como por ejemplo: mover dinero entre cuentas, un cargo o abono, una devolución de inventario, dinero entre cuentas, un cargo o abono, una devolución de inventario, etc. Son Operaciones Diarias que se realizan.etc. Son Operaciones Diarias que se realizan.
Modelo DimensionalModelo DimensionalEs una técnica de diseñoEs una técnica de diseñoEstá compuesto deEstá compuesto de::Una tabla con una llave primaria compuesta llamada Una tabla con una llave primaria compuesta llamada tabla de hechos o tabla de hechos o fact tablefact tableUn conjunto de tablas pequeñas llamadas Un conjunto de tablas pequeñas llamadas tablas dimensióntablas dimensión
Modelo MultidimensionalModelo Multidimensional Diferencia entre Base de datos Diferencia entre Base de datos
Relacional y MultidimensionalRelacional y MultidimensionalLa Base de Datos Relacional, la cual contiene información La Base de Datos Relacional, la cual contiene información organizada en campos. Ejemplo:organizada en campos. Ejemplo:
Modelo MultidimensionalModelo MultidimensionalEn el siguiente ejemplo se tienen las ventas de cada productoPor región. Una compañía tiene 3 productos, q se venden en 3 territorios.
Para representar esta tabla en una forma mas optima es a través de una matriz de dos dimensiones como lo muestra el diagrama a continuación:
CUBOS OLAPCUBOS OLAP Proceso Analítico en Línea.Proceso Analítico en Línea.
Son una Tecnología superior para las Aplicaciones de Son una Tecnología superior para las Aplicaciones de Bussiness Intelligence. Bussiness Intelligence.
Provee a los Usuarios la habilidad de realizar análisis Provee a los Usuarios la habilidad de realizar análisis dinámicos de datos, a partir de un DW.dinámicos de datos, a partir de un DW.
Brindan a los Responsables de la toma de decisiones en Brindan a los Responsables de la toma de decisiones en las organizaciones, el potencial de mejorar su las organizaciones, el potencial de mejorar su comprensión del negocio y los cambios q lo afectan.comprensión del negocio y los cambios q lo afectan.
Los Cubos OLAP son una estructura de datos Los Cubos OLAP son una estructura de datos multidimensional. Los cuales se definen mediante un multidimensional. Los cuales se definen mediante un conjunto de dimensiones y medidas. conjunto de dimensiones y medidas.
Una dimensión es una clasificación de alguna actividad Una dimensión es una clasificación de alguna actividad en una organización por la cual se puede medir su éxito. en una organización por la cual se puede medir su éxito. Por ejemplo, puede monitorear sus ventas contra los Por ejemplo, puede monitorear sus ventas contra los productos o clientes en un periodo de tiempo. productos o clientes en un periodo de tiempo.
CUBOS OLAPCUBOS OLAP
Hay dos clases de dimensiones que se pueden utilizar, Hay dos clases de dimensiones que se pueden utilizar, dimensiones regulares y dimensión de medida:dimensiones regulares y dimensión de medida:
Dimensiones regulares: son aquellos datos que se Dimensiones regulares: son aquellos datos que se quieren medir, por ejemplo, si desea seguir el control de quieren medir, por ejemplo, si desea seguir el control de
sus ventas, puede utilizar:sus ventas, puede utilizar: - - ClientesClientes
-- ProductoProducto
-- TiempoTiempo
Dimensión de medida: son los números que aparecen Dimensión de medida: son los números que aparecen en el análisis dependiendo de los elementos en el análisis dependiendo de los elementos seleccionados en las dimensiones regulares. Por seleccionados en las dimensiones regulares. Por ejemplo, en un cubo de ventas, podriamos escoger ver ejemplo, en un cubo de ventas, podriamos escoger ver las ventas, el número de articulos vendidos, ganancia, las ventas, el número de articulos vendidos, ganancia, costo, etc. costo, etc.
CUBOS OLAPCUBOS OLAP
Hay dos operaciones básicas que se pueden realizar en Hay dos operaciones básicas que se pueden realizar en un cubo OLAP: un cubo OLAP:
Rotar y Rebanar: es aventar el cubo como si fuera un Rotar y Rebanar: es aventar el cubo como si fuera un
dado para obtener una nueva cara del cubo.dado para obtener una nueva cara del cubo.
Taladrar o Drilling: Los datos de las dimensiones se Taladrar o Drilling: Los datos de las dimensiones se pueden abrir para obtener mas detalle. Una especie de pueden abrir para obtener mas detalle. Una especie de taladro que se hunde mas en la información. taladro que se hunde mas en la información.
CUBOS OLAPCUBOS OLAP
Tipos de almacenamiento:Tipos de almacenamiento:
MOLAP.- Multidimensional OLAP. MOLAP.- Multidimensional OLAP.
ROLAP.- Relacional OLAP ROLAP.- Relacional OLAP
HOLAP.- OLAP híbrido. HOLAP.- OLAP híbrido.
MOLAPMOLAP
Usuario FinalWarehouse
Query
Data
MDDB
Cargaperiódica
ROLAPROLAP
Usuario Final
Warehouse
Datacache
Livefetch
Cache
Query
Data
HOLAPHOLAP
Usuario Final
Trae alcache
MDDB ycache
cargaperiódica Query
Data
Warehouse
Q4Periodo
Q1 Q2 Q3
ProductoUvas
Manzanas
Melones
Cerezas
Peras
UbicacionLima
IcaArequipa
Desarrollo de un Cubo OLAPDesarrollo de un Cubo OLAP
SalesSalesVentasVentas
DEMOSDEMOS
