Inteligencia de Negocios

UNIVERSIDAD CENTRAL DE VENEZUELA
FACULTAD DE CIENCIAS
ESCUELA DE COMPUTACION

´

Sistemas de Información

Tema 6: Inteligencia de Negocio.
Modelado Multidimensional

1
Prof. Wilfredo Rangel

Agenda

Introducción
Origen y Definición
Soluciones Analíticas
¿Qué es OLAP?
Características de las Soluciones analíticas
Modelaje Multidimensional
ETL
Metodología de desarrollo de soluciones analíticas

2
© 2010, Universidad Central de Venezuela. Sistemas de Información.

Objetivos de Aprendizaje

Al finalizar este capitulo, usted estará en capacidad de:

• Los conceptos básicos de OLAP

• Entender los aspectos relacionados al desarrollo de
soluciones analíticas basadas en OLAP (Online
Analitycal Processing)

• La arquitectura y módulos de las soluciones analíticas

• emplear metodologías de desarrollo de estándares de
la industria de BI
3

Introducción
Origen y definición
¿Qué es OLAP?
Características de las Soluciones
Analíticas
Modelaje Multidimensional –
Esquema Estrella

4

Modelaje Dimensional

Mejores practicas para el diseño de base de datos para
OLAP
Kimball, Ralph; et al. (1998). The Data Warehouse Lifecycle Toolkit.

Técnica de modelaje NO implementación de base de datos
Tablas de base de datos estándares

Optimizada para agregaciones masivas y dinámicas

Importante en MOLAP; Realmente Importante en ROLAP

5

Tercera Forma Normal

En la mayoría de los cursos de BDD:
Base de datos relacionales
3NF = IDEAL
Claves, Uniones, Roles, Flexibilidad
OLTP (OnLine Transaction
Processing)
BDdatos para soporte de aplicaciónes
MODELO IDEAL PARA:
Muchos usuarios, pequeños
pedazos de data
Ej: Debito # 1002 $40.00 retirada
en el cajero (ATM) # 33354
MODELO MALO PARA:
Pocos Usuarios y grandes
pedazos de data
Sumas, agregación y cálculos


Esquema Estrella – (MODELO)

Tabla Fact (Hechos)

Una tabla fact contiene elementos que
se quieren medir. Las Transacciones:
Ingreso (Bs. $)
Cantidad Vendida (unidades)
Precio Promedio
Las Medidas son los valores que se
FACT tratan de reportar: El “Qué”

Tabla Dimensión

Las Dimensiones son las formas como
se quieren ver las medidas. Por ejemplo:
Por cliente
Por fecha
Por producto
Las dimensiones dan contexto, significado
a la información en los reportes
(agrupaciones, etiquetas, filtros, etc.). El
“Por” 7

Esquema estrella – QUÉ y POR (REPORTE)

8

Esquema Estrella – QUÉ y POR (LENGUAJE)

Usa un “lenguaje” durante el análisis para encontrar medidas y dimensiones

QUE = HECHO (medidas)

QUIEN = DIMENSIONES

Ejemplos:

Quisiera saber cuales son las proporciones de Ventas por mis tipos de
producto y tipos de cliente.

Cual es la proporción de ganancia que proviene de clientes actuales vs
clientes nuevos.

Cual es el perfil de los clientes (perfil = Localidad, Ingreso, y Genero) que
hace el 80% de mi ganancia actual opuesto al 80% de mis ingresos.

9

3NF vs Esquema Estrella

¿ Como es el query para obtener las ventas por año, mes y departamento?
¿ Cuantos Joins son necesarios para obtener la data que quiero?
¿ Estos querys sobrecargan el sistema transaccional? ¿Qué tal OLAP?

10

Hechos y Dimensiones

Consideremos un ejemplo de una operación de ventas, en
la cual el tiempo, producto, región, tienda y cliente son las
dimensiones de la base de datos, y se busca medir la
transacción de venta en la tabla fact.

11

Tabla Dimensión

Jerarquías y niveles
Las jerarquías pueden existir en una dimensión en la cual sirven como
navegaciones predefinidas
Una jerarquía esta compuesta de uno o más niveles
Una dimensión puede tener una o más jerarquías

Propiedades
Cada nivel de dimensión tiene un atributo primario que provee un
“identificador único de usuario” para ese nivel
Atributos y propiedades adicionales pueden existir para cada nivel que
provee un valor descriptivo

12

Jerarquías y niveles – Notación lógica

TABLA “tiempo_dim”
Dimensión Tiempo ( CAL_AÑO / integer
CAL_TRIM / integer
Jerarquía del calendario CAL_MES / integer
Año FIS_AÑO / integer
Trimestre FIS_TRIM / integer
Mes
FIS_MES / integer )

Jerarquía Fiscal
Es una Tabla plana
Año Fiscal
Trimestre Fiscal
Las Columnas son estandares
Mes Fiscal El significado y metodos de
agregación (drill up/down, etc) se
implementan en el servidor OLAP

13

Dimensiones Conformadas (Compartidas)

• Son aquellas que son compartidas entre esquemas estrella
• Permite el diseño escalable de bases de datos analíticas
• Permite el análisis y agregación por área entre distintos sujetos

Geografía dim
Empleado dim
Cliente dim
Ventas Fact

Producto dim
Fecha dim

Almacén dim Inventarios Fact

14

Dimensiones Degeneradas y Combinadas

Una dimensión degenerada es representada con un solo
atributo.
Al menos que el tipo de dato sea grande, estas
dimensiones son almacenadas como una columna en la
tabla hecho
Estrategia:
Si hay más de una dimensión degenerada
tienen algún grado de relación
sus cardinalidades son relativamente pequeñas, de forma tal que un producto
cartesiano no produce muchas filas

Entonces, se puede crear una dimensión combinada
Una columna por atributo/dimensión
Una fila por cada combinación

15

Dimensiones Combinadas

También llamadas dimensiones basura
Antes de tener muchas columnas de 0 y 1 en la tabla de hechos
Crea una dimensión que sea el producto cartesiano de dos dimensiones
degeneradas
Las búsquedas deben hacerse por los atributos
Dimensiones Degeneradas Dimensión Combinada
Sexo Dimensión ID / Sexo / Tipo de Orden
M/F/I 1 /M / Nuevo
Todas las 2 /M / Retornado
Tipo de Orden combinaciones 3 /F / Nuevo
Nuevo / Retornado 4 /F / Retornado
5 /I / Nuevo
6 /I / Retornado
16

Dimensiones que cambian lentamente (SCD)

Dimensión “Tipo 1”:
Nueva información sobrescribe la información vieja.
La información vieja es perdida, no se guarda.
Solo se puede usar en aplicaciones en las cuales mantener un histórico de la data no
es esencial; solo se usa para actualizaciones.
La información nueva es adjuntada a la información vieja.
La información vieja se guarda y es versionada.
Se puede usar en aplicaciones en las cuales mantener un histórico de los datos es
requerido de forma tal que cambios en el data warehouse pueden ser rastreados.
La nueva información se guarda junto con la información vieja.
La información vieja es guardada parcialmente.
Se crean columnas adicionales para mostrar el momento a partir del cual la nueva
información ha tomado efecto.
Habilita una vista de hechos tanto en el estado actual como una vista tentativa del
escenario utilizando valores dimensionales viejos.
17

Hechos aditivos vs. semi-aditivos

Los hechos aditivos se agregan a través de todas las dimensiones
E.j. Ingreso por ventas
Los hechos semi-aditivos agregan a través de dimensionalidad parcial,
generalmente no agregan en la dimensión tiempo
E.j. Artículos a mano

Pregunta válida: ¿Cuántos ítems habían en el inventario el primero de julio?
Pregunta Inválida: ¿Cuántos ítems habían en el inventario en Julio?

La segunda pregunta no tiene sentido. ¿El usuario quiere la cantidad promedio
por día para julio? ¿La cantidad al comienzo del mes? ¿Al final?
Los hechos semi-aditivos generalmente se miden en un punto del tiempo (como
una foto del estado en un momento determinado).
Los hechos aditivos generalmente se usan para marcar un evento transaccional.
18

Modelo SnowFlake

• Modelo estrella es el más puro
acercamiento al modelado
dimensional
– Mejores practicas
– Es el más utilizado

Normalization
Normalization
• El copo de nieve es un modelo
más normalizado
– Más espacio físico/ Problemas
de performance

19

Esquema Estrella vs. Copa de Nieve

Snowflake
Star

• Todos los niveles dimensionales están Niveles dimensionales son
contenidos en una sola tabla normalizados a tablas separadas
• Introduce redundancia en los datos
Elimina redundancia en los datos
• Indexación y consultas simplificadas
• Generalmente el método preferido Reutilización simplificada de
dimensiones de alto nivel en agregados

20

Ejemplo de Esquema Copa de Nieve

Mfr Mfrid Marca Prodid
Nombre Mfrid Día Prodid Unid. Bs Pago Clientid

Mfr
Producto

Mfr es un diseño en copa Ventas
de nieve

Año Trim Mes Día Estado Ciudad Clientid

Tiempo
Cliente

21

Conclusiones Conclusiones

• Hemos realizado un estudio de …..
• Hemos hecho una discusión sobre….
• Se han desarrollado demostraciones de

22

Inteligencia de Negocios

Recomendados

Recomendados

Más contenido relacionado

Destacado

Destacado (6)

Similar a Inteligencia de Negocios

Similar a Inteligencia de Negocios (20)

Inteligencia de Negocios