17/01/2013

1
1
Antecedentes
Objetivos
Al completar este seminario usted deber:
Reconocer la diferencia entre sistemas de informacin y
sistemas transaccionales
Saber qu es Inteligencia de Negocios y su importancia en el
mercado actual
Reconocer los procesos para crear Inteligencia de Negocios
Conocer la arquitectura que soporta la Inteligencia de
Negocios
Entender cmo se construyen aplicaciones de Inteligencia
de Negocios

17/01/2013
2
Agenda
Contenido:
Sistemas Operacionales
Qu es Inteligencia de Negocios?
Antecedentes y evolucin

Por Qu no podemos Obtener Informacin
Estratgica de Nuestros Sistemas Actuales
Los sistemas transaccionales estn diseados para
cubrir las necesidades operacionales
Los datos no son consistentes entre las actividades
de la empresa
El acceso a los datos es complicado
Los Procesos Transaccionales estn Diseados para
Satisfacer Necesidades Operacionales
Proceso de transacciones en lnea de alto rendimiento
Los datos estn cambiando constantemente
El detalle de los datos est a nivel de cada transaccin
Las consultas intensas pueden generar inconvenientes en los sistemas
transaccionales

17/01/2013
3
Informacin para Decisiones
Crticas de Negocio
Conclusiones
Tenemos muchos datos, poca informacin
Se toman decisiones por olfato, bajo presin, en tiempos
reducidos
Se toman decisiones con informacin:
Insuficiente
Inconsistente
No confiable
Qu es Inteligencia de
Negocios?
Inteligencia de Negocios es el proceso de
transformar datos en informacin y descubrir
cmo se transforma esa informacin en
conocimiento

- Gartner Group
17/01/2013
4
Inteligencia de Negocios
Sistemas Operacionales

Lo que pas
Operar el negocio
Usuario operativo
Organizado por procesos
Datos del momento
Datos aislados
Acceso repetitivo
Optimizado para transacciones

Inteligencia de Negocios

Lo que puede pasar
Mejorar el negocio
Usuario gerencial
Organizado por temas
Datos histricos
Datos integrados
Acceso Ad-hoc
Optimizado para consultas
El Propsito de la
Inteligencia de Negocios
El Propsito de la inteligencia de negocios es
convertir grandes volmenes de datos en valor
para los negocios
Decisiones
Conocimiento
Informacin
Datos
Volumen
Valor
Evolucin de la Inteligencia
de Negocios
Sistemas de Informacin Ejecutivo (EIS)
Sistemas de Soporte de Decisiones (DSS)
Inteligencia de Negocios (BI)
EIS
DSS
BI
17/01/2013
5
Anlisis de Datos desde
Sistemas Operacionales
Estructura de datos muy compleja
Diseados para alto rendimiento en manejo de transacciones
La representacin de los datos no es muy significativa para los negocios
Los datos estn dispersos
No estn hechos para consultas complejas
Reportes Operacionales
Sistemas
Produccin
Procesos de Extraccin de
Datos
Usuarios finales entrenados en computacin traen
datos desde los sistemas operacionales
Slo datos que eran propiedad de los usuarios
Toma de
Decisiones
Sistemas
Operacionales
Extraccin
Problemas en el Manejo de
la Extraccin de Datos
Extraccin Sistemas
Operacionales
Toma de
Decisiones
17/01/2013
6
Problemas de Productividad
en la Extraccin de Datos
Duplicacin de esfuerzos
Mltiple tecnologa
Reportes obsoletos
Carencia de metadata
Islas de informacin
Extraccin con Problemas de
Calidad de Datos
No se utiliza la misma medida del tiempo
Diferentes algoritmos de clculos
Diferentes niveles de extraccin
Diferentes nombres de campos
Prdida de informacin
No hay reglas para validaciones y correccin de datos
Sin capacidades de drill down
Manejo de Negocios con
Data Warehouse
Soportado por Sistemas de Informacin
Provee informacin de calidad
Reduce Costos
Dinamismo en los negocios
Mejora los mrgenes
17/01/2013
7
& Consulting Group
Copyright e-Builders & Consulting Group, 2004. All rights reserved. CONFIDENTIAL
& Consulting Group
2
Data Warehouse y Datamart
Agenda
Contenido
Qu es un Data Warehouse?
Estructura de un Data Warehouse
Propiedades de un Data Warehouse
Qu es un Datamart?
Introduccin al desarrollo de un Data Warehouse
Arquitectura de referencia
Esquema bsico de la metodologa de desarrollo



Qu es Data Warehouse?
Es una coleccin de datos diseada para soportar
la administracin de la toma de decisiones,
orientada por temas, integrada, perdurable y
variante en el tiempo.
- Bill Inmon
17/01/2013
8
Definicin de Data
Warehouse
Es un repositorio estructurado de la organizacin,
orientado a temas, variante en el tiempo, con datos
histricos, usado para recuperar informacin y para el
soporte en la toma de decisiones. El Data Warehouse
almacena datos atmicos y resumidos.
- Definicin de Oracle
Caractersticas del Data
Warehouse
Se simplifica el acceso a los datos
Las bases de datos son creadas con la informacin especfica
para ser usada en la toma de decisiones
Los datos se extraen desde sus sistemas de origen con un
proceso de transformacin e integracin
Asegura integridad y calidad de los datos
Perspectiva histrica
OLAP vs OLTP
OLAP OLTP
Resumen de Datos Valores actuales
Temas por reas Aplicaciones
Esttica, se refresca Dinmica
Procesos analticos Procesos repetitivos
Pocas tablas Muchas Tablas
Niveles de resumen Transacciones
Respuestas de segundos a minutos Respuestas de segundos a milisegundos
17/01/2013
9
Estructura Diseada para el
Soporte a la Toma de
Decisiones
Sistemas Operacionales Data Warehouse
Manufactura
Contabilidad
Ordenes
Comparativo
Ventas
Servicios
Financieros
Datos Operacionales estn
organizados por procesos o
tareas especficas
Los Datos del Warehouse estn organizados
por reas especficas e integrados desde datos
residentes en varios sistemas operacionales
Mercadeo
Datos Precisos Basados en
el Tiempo
Sistemas
Operacionales
Data
Warehouse
Precisin
Tiempo
Estructuras Claves
Datos Actuales Datos Histricos
Datos Integrados y
Transformados
Sistemas
Operacionales
Data
Warehouse
Aplicaciones
Especficas
Integrados
17/01/2013
10
Avances Tecnolgicos que
Permiten el Data Warehouse
Equipos
Sistemas operativos
Base de datos
Herramientas de consulta
Aplicaciones
Arquitectura de 64-bit
Tcnicas de indexado
Econmico, sistemas abiertos
Herramientas robustas de Data
Warehouse
Sofisticadas herramientas de
usuario final
Propiedades del Data
Warehouse
Integrado
Variante en el
Tiempo
Perdurable
Orientado a
Temas
Data
Warehouse
Orientado a Temas
Especficos
Los datos son categorizados y almacenados por
temas especficos en vez de aplicacin por
aplicacin
Aplicaciones OLTP
Planes
Tarjetas
Seguros
Prstamos
Ahorros
Tema especfico de
Negocio
Data Warehouse
Informacin Financiera
de Clientes
17/01/2013
11
Integrado
Datos de un tema especfico de negocio son definidos y
almacenados
Data Warehouse Aplicaciones OLTP
Cliente
Ahorros
Cuentas
Actuales
Prstamos
Variante en el Tiempo
Los datos son almacenados como una serie de
fotos, cada una representando un periodo en el
tiempo
Data
Warehouse
Perdurable
Lo tpico en un Data Warehouse es que los datos
no son actualizados o borrados
Warehouse
Leer
Cargar
Operacional
Ingresar, actualizar,
borrar, leer
17/01/2013
12
Cambios en un Data
Warehouse
Bases de datos
Operacionales
Base de datos del
Data Warehouse
Carga Inicial
Incremento
Incremento
Incremento
Limpieza / Depuracin
Warehouse de Toda la
Empresa
Implementacin de gran escala
El alcance abarca todo el negocio
Datos de todas las reas de negocio
Desarrollo incremental
Una sola fuente de datos para toda la empresa
Sincronizacin de todos los datos de la empresa
Punto nico de distribucin para Datamarts dependientes
Data Warehouse vs
Datamart
Propiedad Data Warehouse Datamart
Alcance Toda la empresa Departamento
Areas de negocio Mltiples Una sola
Fuente de datos Muchas Pocas
Tiempo de
implementacin
De meses a aos Meses
17/01/2013
13
Datamart Dependiente
Data
Warehouse
Datamarts
Archivos
Planos
Mercadeo
Ventas
Finanzas
Mercadeo
Ventas
Finanzas
RRHH
Sistemas
Operacionales
Datos
externos
Datos
operacionale
s
Datos
Herencia
Datos
Externos
Datamart Independiente
Ventas o
Mercadeo
Archivos
Flat
Sistemas
Operacionales
Datos
Externos
Datos
Operacion
es
Datos
Herencia
Datos
Externos
Componentes Tpicos de un
Data Warehouse
Sistemas
Fuentes
rea de
Organizacin
rea de
Presentacin
Herramientas
de Acceso
ODS
Operacional
Externos
Herencia
Repositorio de Metadatos
Datamarts
Data
Warehouse
17/01/2013
14
Desarrollo Warehouse
Gran Explosin


Por Incrementos:
Incremental Top-down
Incremental Bottom-up
Gran Explosin
Analizar Requerimientos
de la Empresa
Construir Data
Warehouse de toda
la Empresa
Reportes o Almacenar
en Datamarts
Desarrollo Top-Down
Analice los requerimientos a nivel de empresa
Desarrolle modelo conceptual
Identifique y priorice reas del negocio
Seleccione un rea de negocio y complete el modelo
Mapee los datos disponibles
Realice anlisis de los sistemas fuentes
Implemente la base de la arquitectura Tcnica
Establezca metadatos, procesos de ETL
inicial para el rea de negocio
Realice la carga inicial del Datamart del rea de
negocio de acuerdo al marco establecido para
el Data Warehouse
17/01/2013
15
Desarrollo Bottom-Up
Defina el alcance y cobertura del Data
Warehouse y analice el sistema fuente
de acuerdo a este alcance
Defina el incremento inicial basado en
informacin crtica en beneficio del negocio
y el volumen y estado de los datos
Implemente la base de la arquitectura tcnica
Establezca los metadatos y ETL de acuerdo
al incremento deseado
Crear y cargar el rea de negocio inicial
y cargar el incremento inicial
al Data Warehouse
Desarrollo Incremental para
el Data Warehouse
Mltiples iteraciones
Implementaciones pequeas
Validacin de cada fase
Estrategia
Definicin
Anlisis
Diseo
Construccin
Produccin
Incremento 1
Iterativo
Componentes del Proceso
del
Data Warehouse
Metodologa
Arquitectura
Extraccin, Transformacin y Carga (ETL)
Implementacin
Operacin y soporte

17/01/2013
16
Metodologa
Asegura el xito del Data Warehouse
Establecer el desarrollo incremental
Ofrece un enfoque por etapas para un Data Warehouse
empresarial:
Seguro
Manejable
Probado
Recomendado
Arquitectura
Provee la planificacin, estructura y estandarizacin
necesarias para asegurar la integracin de mltiples
componentes, proyectos y procesos a travs del tiempo
Establece el marco, estndares y procedimientos para un
Data Warehouse que abarque toda la empresa
The Data Warehousing Institute
Extraccin, Transformacin y
Carga (ETL)
Procesos efectivos para la extraccin, transformacin y
carga de datos representan el factor nmero uno para que
su proyecto de Data Warehouse sea exitoso y puede
representar el 70% en tiempo y esfuerzo para un proyecto
tpico de Data Warehouse
DM Review, Marzo 2001
Source Target Staging Area
17/01/2013
17
Operacin y Soporte
Acceso a los datos y reportes
Carga peridica al Data Warehouse
Monitoreo
Respuesta al cambio
Fases del Desarrollo
Incremental
Incremento 1
Estrategia
Definicin
Anlisis
Diseo
Contruccin
Produccin
Arquitectura de Referencia ...
Capa de Infraestructura
Capa de Transporte
Capa de Administracin de Metadatos
Capa de Administracin de Datos
Fuente de
Datos
Construccin
del Data
Warehouse
Acceso y Uso
del Data
Warehouse
17/01/2013
18
... Arquitectura de Referencia
...
Fuente de
Datos
Construccin
del Data
Warehouse
Accesoy uso
del Data
Warehouse
Capa de Administracin de Datos
Capa de Administracin de Metadatos
Capa de Transporte
Capa de Infraestructura
Fuentes Externas
Sistemas
Internos de
Oficina
Metadatos para
Fuente
Datos de
Herencia
Datos de
Produccin
... Arquitectura de Referencia
...
Fuente de
Datos
Construccin
del Data
Warehouse
Accesoy uso
del Data
Warehouse
Capa de Administracin de Datos
Capa de Administracin de Metadatos
Capa de Transporte
Capa de Infraestructura
Crear
Metadatos
Refinamiento Reingeniera Data Warehouse
Crear y Extraer
Metadatos
Crear Glosario
Verificar
Calidad Datos
Transformar y
Reubicar
Traducir y
Formatear
Clculos
Previos
Condensar /
Agregar
Integrar y
Separar
Crear
Metadatos
Conciliar y
Validar
Agregar
Resumir
Modelar
Fecha de
Datos Fuente
Limpiar
Filtrar y
Ajustar
Estandarizar
... Arquitectura de Referencia
Acceso y
Recuperacin
Fuente de
Datos
Construccin
del Data
Warehouse
Acceso y uso
del Data
Warehouse
Capa de Administracin de Datos
Capa de Administracin de Metadatos
Capa de Transporte
Capa de Infraestructura
Administar
Metadatos del
Data Warehouse
Acceso y
Recuperacin
Anlisis
y Reporte
O L A P
Creacin y
Extraccin de
Metadatos
Crear Repositorios
Consultas
Transformar a
Estructura
Multidimensional
Reingenieria
Consultas al
Data Warehouse
Administracin
de Metadatos
Aplicaciones de
Produccin
Herramientas
Predictivas
Herramientas
Modelo
Empresarial
Herramienta
Anlisis
Herramientas
de Reporte
17/01/2013
19
Ciclo de la Metodologa
Pruebas
Unitarias
Desarrollo
Extraccin,
Transformacin
y Carga (ETL)
Pruebas
Unitarias
Desarrollo
Aplicaciones
de Consulta
Gestin del Proyecto
& Consulting Group
Copyright e-Builders & Consulting Group, 2004. All rights reserved. CONFIDENTIAL
& Consulting Group
3
Proyectos de Data Warehouse

Agenda
Contenido:
Justificar proyectos de DW
Planificar proyectos de DW
Desarrollar proyectos de DW
17/01/2013
20
Manejo Financiero
Justificaciones financieras para una solucin de data
warehouse
Beneficios intangibles
Permanece competitivo
Respuesta al cambio de las condiciones del negocio
Soporta reorganizacin
Mejor toma de decisiones y mejores datos
Reduccin de costos en Sistemas de Informacin
Mejora tiempos de respuesta
Reportes confiables
Manejo Financiero
Retorno de Inversin (ROI):
Para usuarios internos
Para usuarios externos
ROI: Costos Asociados
Construya un buen caso para establecer
Costos
ROI
Rentabilidad
Eficiencia
Objetivos
Considerar:
Impacto del tiempo para el ETL
Requerimientos adicionales de almacenamiento
Costo de la redundancia de datos
Costo de base de datos, licencias de software, trabajo
17/01/2013
21
ROI: Beneficios
Tres tipos de Beneficios:
Salarios del staff de IT ahorrados por eliminar los sistemas
de soporte de decisiones tradicionales
Tiempo (y dinero) ahorrado por los gerentes por
automatizar la recoleccin e integracin de datos
Dinero ahorrado o ganado por mejores decisiones
ROI: Costos Tpicos
Costo Inicial Costo Recurrente
Hardware Servidor, disco, servidor
de aplicaciones, red
Soporte y
mantenimiento
Software Base de datos, opciones,
herramientas de BI,
herramientas de ETL
Soporte y
actualizaciones
Equipo Jefe de proyecto,
Analistas, Instructores,
desarrolladores, DBA
DBA, administrador de
sistemas, modelador
ROI: Ejemplo
Costo inicial: $1,350,000
Costos recurrentes: $250,000 por ao
Ahorros recurrentes:
Personal de IT empleado en otras labores
Costo Ahorrado: $150,000 por ao
Mejor manejo del inventario reduce perdidas a la mitad
Costo ahorrado: $125,000 por mes = $1.5 million por ao

Conclusin:
Este sistema se paga a si mismo en un ao
17/01/2013
22
Fondos para el Proyecto
Demuestre y haga evidente que los costos de
integracin de sistemas son altos
Determine quin patrocina el proyecto
Sistemas de Informacin - Grupo de desarrollo
Departamentos - Usuarios
Sistemas
Informacin
Selecc.
rea
Piloto
Departamento
Departamento
Departamento
Equipo Pequeo
Corta Duracin
Ms reas
Invierte el Usuario
Organizaciones
Establecer Expectativas
Alcance
Salida a Tiempo
Fases
Incremental
Manejar Expectativas
Documentando
Informando a los patrocinadores
Reportando el progreso a los usuario finales
17/01/2013
23
Armando el Equipo del
Proyecto
Jefe de proyecto
Arquitecto
Ejecutivo patrocinador
Analista de datos
Administrador de base de datos
Administrador de metadatos
Reconociendo Factores
Crticos de xito
Enfocado en el negocio, no en la tecnologa
Use una metodologa Iterativa
Incluir a todos los interesados en el equipo de
trabajo
Requerimientos de Usuarios
Diseo fsico
Requerimiento de
usuarios del
negocio
Especificaciones
de aplicaciones
Plan de
despliegue
Arquitectura
tcnica
Alcance del
proyecto
Mantenimiento
y crecimiento
17/01/2013
24
Tcnicas para Recolectar
Requerimientos
Entrevistas
Individuales
Pequeos Grupos
Facilidades para sesiones de grupos
Tormenta de ideas
Resolucin de los problemas con el consenso necesario
Investigar
Disponer de recursos (Reporte anual, literatura de mercadeo, contenido
Web)
Grfico de la organizacin (entender la estructura de la organizacin)
Iniciativas previas de warehousing (que se hizo, qu no se hizo, por qu)

Checklist de los
Requerimientos
Enfocarse en reas:
Cmo hacen negocios los usuarios
Quienes manejan el negocio
Qu atributos necesitan los usuarios (requerido vs. lo que debe ser)
Cules son las jerarquas del negocio
Cules datos de los usuarios se usan y qu les gustara tener
Qu niveles de detalle o resumen son necesarios
Qu tipo de herramientas usan para acceder a los datos
Cmo los usuarios esperan ver los resultados
Toma de Requerimientos:
Posibles Obstculos
Algunos de los posibles obstculos:
Los objetivos del negocio para el Data Warehouse no se han
especificado bien
El alcance del Data Warehouse es demasiado amplio
No se ha entendido el propsito y funcin de los sistemas de
soporte de decisiones
17/01/2013
25
Estrategia de Acceso a los
Datos
Defina y analice los requerimientos del los usuarios
Determine las opciones de herramientas
Identifique los roles de los usuarios y los
requerimientos de acceso
Requerimientos para el Acceso a los Datos
Reportes sencillos
Anlisis complejos de tendencias
Anlisis de regresin
Anlisis multidimensional
Reportes excepcionales
Presupuesto y estimaciones
Manipulacin de datos
Minera de datos
Reportes parametrizados para ejecucin batch
Web o Cliente / Servidor (o ambos)
Use las Consultas
Progresivamente
Comience con algo sencillo
Luego algo ms analtico
Se requieren diferentes tcnicas y herramientas
Flexibles
Qu?
Por
Qu?
Por
Qu?
Por
Qu?
17/01/2013
26
Consultas Eficientes
Consultas terminan satisfactoriamente
Velocidad de ejecucin
Menos uso de CPU
Ms oportunidad de seguir analizando
Opiniones de los usuarios
Consultas Eficientes
Consideraciones en el diseo
Uso de ndices
Seleccionar el mnimo de datos
Emplee manejos de consultas
Reducir los cuellos de botella
Desarrollo de mtricas
Usar consultas preparadas y probadas
Planificacin y Seguimiento
de Consultas
Planificar consultas:
Manejo de la informacin usada
Consultas directas
Ejecucin de consultas
Establecer prioridades de procesos
Seguimiento de consultas:
Uso de recursos para las consultas
Detectar consultas que no se usan
Identifique las consultas que usan datos resumidos ineficientemente
Identifique las consultas que realizan resmenes en tiempo de ejecucin
Detecte los accesos ilegales
17/01/2013
27
Arquitectura del Acceso para
Consultas
Cliente / Servidor
Web
Web Server
Acceso Web
Menos costos de despliegue y manejo
Menos costos de capacitacin
Acceso Remoto
Destacado servicio a Clientes con una imagen de Tecnologa
de punta
Mayor Colaboracin entre usuarios

Seguridad
No pase por alto la seguridad
Patrocinador del rea de negocio:
Revise y autorice requerimientos para el acceso
Identificar mejoras
Transparencia
Facilidad de implementacin, mantenimiento y manejo
17/01/2013
28
Control Muy Detallado de
Seguridad en Oracle
Contexto de
la aplicacin
Oracle
Quin soy?
Dnde estoy ?
Poltica de accesos
Tabla
Requerimientos de
Implementacin
La Adquisicin de los datos
La Calidad de los datos
Documentacin
Pruebas
Capacitacin
Soporte post implementacin

La Adquisicin de los Datos
Identificar, extraer, transformar y transportar los datos
fuentes
Considerar datos internos y externos
Mover datos entre fuentes y destino
Realizar anlisis de fallas de los datos entre la fuente y los
objetos de base de datos de destino
Definir la carga inicial y la perdica
Definir requerimientos de herramientas
Construir, probar y ejecutar los procesos de adquisicin de
datos
17/01/2013
29
La Calidad de los Datos
Asegure la consistencia de los datos, su confiabilidad y precisin
Desarrollar estrategias para:
Limpieza
Integridad
Procedimientos
Identificar reglas de negocio para:
Limpieza
Manejo de errores
Auditorias y control
Definir requerimientos de las herramientas de calidad de datos
Construir, Probar y ejecutar los modulos de calidad de datos
Documentacin
Producir entregables escritos
Glosario
Manual de usuario y documentacin tcnica
Ayuda en lnea
Gua de referencia de los metadatos
Manual de referencia del Data warehouse
Gua de nuevas caractersticas
Pruebas
Desarrolle una estrategia para las pruebas
Plan de pruebas, scripts y escenarios
Prueba todos los componentes:
Procesos de ETL
Acceso a los datos
Acceso directo
Regresin
Volumen
Respaldos
Recuperacin
Actas de aceptacin de pruebas
17/01/2013
30
Capacitacin
Requerimientos:
Tcnicos
Usuario Final
Negocio
Identifique los participantes
Silabus
Disee y elabore el material
Centrarse en la capacitacin de la herramienta y uso de Data
Warehouse
Soporte Post
Implementacin
Evaluar y revisar el uso del data warehouse
Seguimiento del uso
Incrementar el Warehouse
Seguimiento y respuesta a los problemas
Conducir pruebas de ejecucin y afinamiento
Transferir responsabilidades
Evaluar y revisar la solucin implementada
& Consulting Group
Copyright e-Builders & Consulting Group, 2004. All rights reserved. CONFIDENTIAL
& Consulting Group
4
Arquitectura Data Warehouse
17/01/2013
31
Agenda
Contenido:
Modelos de Data Warehouse
Anlisis para la consecucin de un Data Warehouse
Diseo de un Data Warehouse
Caractersticas Modelo Dimensional
Modelo fsico de Data Warehouse
Arquitectura de Data Warehouse
Problemas de Modelamiento
Data Warehouse
Entre los principales problemas encontrados para el
modelamiento de Data Warehouse se encuentran los
siguientes:
Diferentes tipos de datos
Varias maneras de usarlo
Varias maneras para estructurar los datos
Mltiples tcnicas de modelamiento
Largos volmenes de datos
Ambiente del Data
Warehouse
Estructuras de Datos Las estructuras de modelamiento mas comunes se
encuentran en un ambiente de Data Warehouse:
Formato Normalizado (3NF)
Esquema Estrella
Esquema Copo de Nieve
17/01/2013
32
Modelo Estrella
Tabla Productos
Product_id PK
Product_disc,...
Tabla Tiempo
Day_id FK
Month_id
Year_id,...
Tabla Hechos Ventas
Product_id FK
Store_id FK
Item_id FK
Day_id FK
Sales_amount
Sales_units, ...
Tabla Unidades
Item_id FK
Item_desc,...
Tabla Almacen
Store_id PK
District_id,...
Tabla central
de hechos
Dimensiones
desnormalizadas
Esquema Copo de Nieve
Tbl Tiempo
Week_id
Period_id
Year_id
Tbl Depart
Dept_id
Dept_desc
Mgr_id
Tbl Mgr
Dept_id
Mgr_id
Mgr_name
Tbl Producto
Product_id
Product_desc
Tbl Unidad
Item_id
Item_desc
Dept_id
Tbl Hechos Venta
Item_id
Store_id
Product_id
Week_id
Sales_amount
Sales_units
Tbl Almacen
Store_id
Store_desc
District_id
Tbl Distrito
District_id
District_desc
Esquema Copo de Nieve
Algunas herramientas lo usan directamente
Mas flexible a cambios
Carga de datos mas rpida
Puede ser grande e inmanejable
Degrada la ejecucin de las consultas
Metadatos mas complejos
Pas Depto. Provincia Distrito
17/01/2013
33
Base de Datos del Data
Warehouse
Fases de Diseo Fase 1:
Definir el modelo del negocio
Fase 2:
Definir el modelo dimensional
Fase 3:
Definir el modelo fsico
Fase 1: Definir el Modelo del
Negocio
Realizar anlisis estratgico
Crear el modelo del negocio
Documentar metadatos
Realizar Anlisis Estratgico

Identificar los procesos crticos del negocio
Entender los procesos del negocio
Priorizar y seleccionar el proceso de negocio a implementar

Beneficio
negocio
Baja Alta
Bajo
Alto
Factibilidad
17/01/2013
34
Crear el Modelo del Negocio
Definir requerimientos del negocio:
Identificar las medidas del negocio
Identificar las dimensiones
Identificar granularidad
Identificar definiciones y reglas del negocio
Verificar las fuentes
Metadatos existentes Modelo de produccin
Requerimientos
Investigacin
Requerimientos del Negocio
Maneja el Proceso de Diseo


En primer lugar



En segundo lugar
Identificar Medidas y
Dimensiones
El Atributo de criterios de anlisis:
Nombre producto
Localizacin
Empaque
Capacidad
El atributo vara continuamente:
Balance
Unidades vendidas
Importe costo
Importe de ventas
Medidas
Dimensiones
17/01/2013
35
Use Matriz de Procesos
Ejemplo de matriz de procesos

Dimensiones
Procesos
Ventas Retorno Inventario
Clientes
Tiempo
Producto
Canal
Promocin
Determinar Granularidad
Ao?
Trimestre?
Mes?
Semana?
Da?
Identificar las Reglas del
Negocio
Almacn
Almacn> Distrito > Regin
Localizacin
Proximidad Geogrfica
0 - 1 Km
1 - 5 KM
> 5 KM
Producto
Tipo Monitor Estado
PC 15 cm Nuevo
Server 17 cm
Reconstruido
19 cm Propio
Ninguno
Tiempo
Mes > Trimestre > Ao
17/01/2013
36
Documentar Metadatos
La Documentacin de los metadatos debe incluir:
Documentacin de diseo de procesos
Documentacin del desarrollo de los procesos
Registro de cambios
Como Documentar
Metadatos
Automatizado
Herramienta de modelamiento de datos
Herramientas de ETL
Herramienta para usuarios finales
Manual
Fase 2: Definir el Modelo
Dimensional
Identificar tablas de hechos:
Llevar las medidas del negocio a las tablas de hecho
Analizar la fuente de datos para medidas adicionales
Identificar tablas de dimensiones
Conectar tablas de hechos con tablas de dimensiones
Modelar la dimensin tiempo
17/01/2013
37
Modelo dimensional Estrella
Tabla Almacn
Store_id
District_id
...
Tabla Unidades
Item_id
Item_desc
...
Tabla Hechos
Ventas
Product_id
Store_id
Item_id
Day_id
Sales_amount
Sales_units
...

Tabla Producto
Product_id
Product_desc
...
Tabla Tiempo
Day_id
Month_id
Period_id
Year_id
Caractersticas de la Tabla
de Hechos
Contienen mtricas numricas del negocio
Pueden almacenar gran volumen de datos
Puede crecer rpidamente
Pueden contener clculos y resmenes de datos
Son tpicamente aditivas
Estn unidas a las dimensiones
a travs de claves forneas
que hacen referencia a las
claves primarias de las
dimensiones
Tabla Hechos
Ventas
Product_id
Store_id
Item_id
Day_id
Sales_amount
Sales_units
...
Caractersticas de las Tablas de Dimensiones
Las tablas de dimensiones tienen las siguientes
caractersticas:
Contienen informacin textual que representan los
atributos del negocio (criterios de anlisis)
Contienen datos relativamente estticos
Estn unidas a una tabla de hechos a travs de una referencia
de clave fornea

17/01/2013
38
Caratersticas del
Modelo Estrella Dimensional
El un modelo de fcil entendimiento para los usuarios
Las claves primarias representan la dimensin
Las columnas que no son claves forneas son valores
Los hechos son altamente normalizados
Las dimensiones completamente desnormalizadas
Provee respuestas rpidas a las consultas
La reduccin de Joins provee desempeo a las consultas
Los usuarios finales expresan consultas complejas
Soportado por todas las herramientas front-end
Usando el Tiempo en
Data Warehouse
Definicin de estndares para el tiempo son crticas.
Resmenes basados en el tiempo son complejos
La Dimensin Tiempo
El Tiempo es crtico para el Data Warehouse. Una
consistente representacin del tiempo se requiere
para extender
Dnde deben ser almacenados los elementos del tiempo?
Dimensin
Tiempo
Hechos Ventas
17/01/2013
39
Usando Herramientas de
Modelamiento de Datos
Herramientas con interfase grfica dan mejor definicin
para modelar y documentar
Evitar las mezclas de tcnicas de modelamiento causadas
por:
Presiones para desarrollar
Desarrolladores sin conocimiento
Falta de estrategia
Determine una estrategia
Escriba y publique formalmente
Disponibilidad electrnica
Fase 3: Definiendo el
Modelo Fsico
Lleve el diseo dimensional a un modelo fsico para su
implementacin
Defina la estrategia de almacenamiento e indexaciones
Establezca tamao de la base de datos
Defina la estrategia de indexacin inicial
Defina la estrategia de particiones
Actualice la documentacin de los metadatos con la
informacin fsica de los datos
Estndares para su nomenclatura
Estrategia para Definicin de
Arquitectura
Obtenga planes de arquitectura existentes
Obtenga los capacity plans existentes
Documente las interfaces existentes
Prepare capacity plans
Prepare la arquitectura tcnica
Documente requerimientos de sistemas operativos
Desarrolle planes de recuperacin
Desarrolle planes de seguridad
Cree la arquitectura
Cree la valoracin tcnica de riesgos
17/01/2013
40
Escalabilidad Mantenimiento Disponibilidad Extensibilidad
Flexibilidad Integracin
Requerimientos de
Arquitectura
Usuarios
Presupuesto
Negocios
Tecnologa
Tamao Base de Datos
El tamao tiene influencia en el capacity planning y el
manejo del ambiente de los sistemas

Dimensionar el tamao se requiere para:
La base de datos
Otras reas de almacenamiento
Dimensionar el tamao no es una ciencia exacta
Las tcnicas varan
Prueba de muestras de
cargas
Analice una muestra representativa de datos usando
mtodos estadsticos. Asegrese que la muestra refleje:
Prueba de cargas para diferentes perodos
Operaciones da por da
Los datos estacionarios y los peores escenarios
ndices y resmenes
17/01/2013
41
Indexando
La indexacin es usada por las siguientes razones:
Es un ahorro de Costo grande, mejorando bastante el
performance y la escalabilidad
Este puede reemplazar un full table scan por una rpida
lectura del ndice y solo leer el bloque del disco que
contiene los registros necesarios.
& Consulting Group
Copyright e-Builders & Consulting Group, 2004. All rights reserved. CONFIDENTIAL
& Consulting Group
5
Extraccin, Transformacin y
Carga de Datos
Captulo 5
Introduccin a los procesos de ETL
ETL: tareas, importancia y costo
Como manejar la fuente de datos
Tcnicas y mtodos de extraccin
Problemas con el ETL
Herramientas ETL
17/01/2013
42
Procesos de Extraccin,
Transformacin y Carga (ETL)
Extrae datos fuentes
Transforma / Limpia datos
Indexa y resume
Carga en el Data Warehouse
Detecta cambios
Incrementa datos
ETL
Sistemas Operacionales
Data Warehouse
Programas
Herramientas
Gateways
ETL: Tareas, Importancia y
Costos
Sistemas
Operacionales
Relevante
til
De calidad
Preciso
Accesible
Data Warehouse
ETL
Extraer
Limpiar
Consolidar
Reestructurar
Cargar
Mantener
Incrementar
Mapear Datos
Transformar
Base de datos
operacionales
rea de organizacin de
datos
Base de datos
Warehouse
Extraer Datos
Sistemas fuentes
Datos desde varios sistemas fuentes en varios formatos
Rutinas de extraccin
Desarrollado para seleccionar campos de datos desde su fuente
Reglas de negocio, rastros de auditoria, facilidad de correccin de errores
17/01/2013
43
Examinando Fuente de
Datos
Produccin
Archivos
Internos
Externos
Mapeo de los Datos
Mapeo de los datos define:
Que atributos operacionales usar
Como transformar los atributos para el Data Warehouse
Donde van los atributos en el data Warehouse
Metadata
File A
F1
Staging File One
Number
F2
F3
Name
DOB
Staging File One
Number USA123
Name Mr. Bloggs
DOB 10-Dec-56
File A
F1 123
F2 Bloggs
F3 10/12/56
Tcnicas de Extraccin
Programas: C, C++, COBOL, PL/SQL, Java
Gateways: acceso transparente a las bases de datos
Herramientas:
Desarrollo con herramientas propias
Terceros
17/01/2013
44
Mtodos de Extraccin
Mtodos lgicos de extraccin:
Extraccin Total
Extraccin incremental
Mtodos fsicos de extraccin:
Extraccin en Lnea
Extraccin fuera de lnea

Diseando Procesos de
Extraccin
Anlisis:
Fuentes, tecnologas
Tipo de datos, calidad, dueos
Opciones de Diseo:
Manual, Propia, gateway, terceros
Replicacin, total o actualizaciones
Problemas de diseo:
Volumen y consistencia de los datos
Automatizacin, habilidades necesarias, recursos
Mantenimiento de los
Metadatos de Extraccin
Localizacin fuentes, tipo, estructura
Mtodo de acceso
Privilegios
Almacenamientos temporales
Falla de procesos
Validaciones
Manejo de prdida de datos
17/01/2013
45
Herramientas de Extraccin
Criterios de Seleccin
Base funcional
Caractersticas de las interfaces
Repositorios de metadatos
Open API
Acceso a los metadatos
Procesos de entrada y salida
Limpieza, reformateo y auditora
Referencias
Requerimientos de capacitacin
Posibles Fallas de ETL
Archivos fuentes no encontrados
Fallas de sistema
Metadatos inadecuados
Mapeos errados
Inadecuada planificacin del almacenamiento
Cambios en la estructura de los fuentes
Inexistencia de planes de contingencia
Validacin inadecuada de datos
17/01/2013
46
La Calidad en el ETL
Un Procesos de ETL debe ser
Probado
Documentado
Monitoreado y revisado
Los metadatos dispares deben coordinarse
Transformacin
La Transformacin elimina anomalas de los datos
operacionales:
Limpiar y estandarizar
Presentar datos de reas especificas
Extraer
Warehouse
Cargar
Sistemas
Operacionales
rea de organizacin de datos
Transformar:
Limpiar
Consolidar
Reestructurar

Posibles Modelos de reas
de Organizacin de Datos
rea remota
En el sitio
17/01/2013
47
rea de Organizacin
Remota
Carga
Warehouse
Carga
Warehouse
rea de organizacin junto al ambiente del Warehouse
rea de organizacin en su propio ambiente
Sistemas Operacionales
Extrae
Sistemas
Operacionales
Extrae
Transformacin
rea de org
Transformacin
rea de org
Area de Organizacin en el
Sitio
rea de organizacin junto al ambiente
operacional, posiblemente afectando los sistemas
operacionales
Extrae Carga
Warehouse
Sistemas
Operacionales
Transformacin
rea de org
Anomalas en los Datos
Sin clave nica
Nombres y cdigos con anomalas
Inconsistencias de texto y sintaxis
CUSNUM NAME ADDRESS
90233479 Oracle Limited 100 N.E. 1st St.
90233489 Oracle Computing 15 Main Road, Ft. Lauderdale
90234889 Oracle Corp. UK 15 Main Road, Ft. Lauderdale, FLA
90345672 Oracle Corp UK Ltd 181 North Street, Key West, FLA
17/01/2013
48
Rutinas de Transformacin
Limpieza de datos
Eliminando inconsistencias
Agregando elementos
Comparando datos
Integrando datos
Transformacin de datos antes de cargar
Transformando Datos:
Problemas
Claves de mltiples partes
Mltiples estndares locales
Mltiples archivos
Omisin de valores
Valores duplicados
Formatos de entrada
Integridad referencial
Nombres y direcciones
Mltiples Estndares
Locales


Mltiples estndares locales
Herramientas y filtros de preprocesos
cm
inches
cm USD 600
1,000 GBP
FF 9,990
DD/MM/YY
MM/DD/YY
DD-Mon-YY
17/01/2013
49
Mltiples Archivos
Mltiples archivos fuentes agregan complejidad
Simples para comenzar
Datos
transformados
Mltiple archivos
fuente
Lgica para detectar
corregir fuente
Omisin de Valores
Solucin:
Ignrelos
Espera para corregir
Marcar registros
If NULL then
field = A
A
Valores Duplicados
Solucin:
Tcnicas: SQL self-join
Constraint en la base de datos
ACME Inc
ACME Inc
ACME Inc
SQL> SELECT ...
2 FROM table_a, table_b
3 WHERE table_a.key (+)= table_b.key
4 UNION
5 SELECT ...
6 FROM table_a, table_b
7 WHERE table_a.key = table_b.key (+);
17/01/2013
50
Nombres
Solucin:
Criterio nico
Cliente
Customer
Cliente
Contacto
Nombre
Formatos de Entrada
ASCII EBCDIC
12373 123-73
ACME Co.
Beer (Pack of 8)
Integridad Referencial
Solucin:
SQL anti-join
Constraints
Herramientas especiales
Departamento
10
20
30
40
Emp Nombre Departamento
1099 Smith 10
1289 Jones 20
1234 Doe 50
6786 Harris 60
17/01/2013
51
Calidad de los Datos: Importancia y Beneficios
Calidad de los datos:
Clave para el xito de la implementacin
La calidad de los datos ayuda en:
Objetividad del cliente
Determinando patrones de compra
Identificar organizaciones: privados y comerciales
Uniendo clientes
Identifica datos histricos
Estndares de Calidad
Establecer estndares:
Defina una estrategia de calidad
Decida nivel optimo de calidad de datos
Mejorando la calidad de los datos operacionales
Considerar modificar reglas para los datos operacionales
Documentar los fuentes
Disear los procesos de limpieza cuidadosamente
Limpieza inicial y su mantenimiento varan
Pautas para la Calidad de los
Datos
Datos Operacionales:
No deben ser usados directamente en el Warehouse
Deben ser limpiados en cada incremento
No se arreglan simplemente modificando las aplicaciones
17/01/2013
52
Tcnicas de Transformacin
Uniendo y comparando datos (merge)
Agragar fecha
Agregar claves a los datos
Agregar Fecha:
Tablas de Hechos y
Dimensiones
Item Table
Item_id
Dept_id
Time_key
Store Table
Store_id
District_id
Time_key
Sales Fact Table
Item_id
Store_id
Time_key
Sales_dollars
Sales_units
Time Table
Week_id
Period_id
Year_id
Time_key
Product Table
Product_id
Time_key
Product_desc
Resumen de Datos
1. Durante la extraccin o en el rea de organizacin de
datos
2. Despus de la carga al servidor del Warehouse
Bases de datos
Operacionales
Base de datos
Warehouse
rea de Organizacin de
datos
17/01/2013
53
Cargando Datos en el Data
Warehouse
La carga mueve los datos al Warehouse
La carga implica tiempo:
Considerar ventana para carga
Programe y automatice la carga
Carga inicial mueve grandes volmenes de datos
Cargas subsecuentes (peridicas) mueven menos datos
Bases de datos
Operacionales
Base de datos
Warehouse
rea de Org
Extrae
Transformar
Transporta,
carga
Carga Inicial y Peridica
Carga Inicial:
Evento nico que puebla la base de datos con datos histricos
Involucra grandes volmenes de datos
Empleo de diferentes tareas
Involucra grandes cantidades de proceso despus de la carga
Carga Peridica:
Realizada de acuerdo a los ciclos de negocio
Menos datos que cargar
Tareas de carga menos complejas
Menores cantidades de procesos posteriores
Construyendo Procesos de
Carga
Tcnicas y herramientas
Mtodos de transferencia de archivos
Tiempo disponible para la carga
Tiempo disponible para otras tareas
Volmenes de carga inicial y peridica
Frecuencia de la carga peridica
Conectividad
17/01/2013
54
Construyendo los Procesos
de Carga
Pruebe la tcnica propuesta
Documente el propsito de la carga
Supervise, repase y revise
Granuilaridad de los Datos
Importante disearla
Nivel mnimo de granularidad:
Caro, mximo nivel de procesos, ms espacio en disco, ms detalle
Nivel mximo de granularidad:
Barato, menos procesos, menor espacio en disco, menos detalle
Tcnicas de Carga
Herramientas
Utilitarios y 3GL
Puertas de enlace
Personalice copias de programas
Replicacin
FTP
Manual
17/01/2013
55
Creando Claves Derivadas
El uso de claves derivadas o generalizadas es recomendado
para mantener identificaciones nicas de un registro
Mtodos:
Concatenar clave operacional con un nmero adicional generado
Asigne un nmero secuencial generado o de una lista
109908 01 109908
109908 100
Resmenes
Tablas resumidas
Vistas materializadas
Datos resumidos
Filtrando Datos
Desde el Warehouse a Datamarts
CREATE TABLE AS SELECT (CTAS), or
CREATE TABLE AS SELECT...
PARALLEL (pCTAS)
Datamarts
Datos
Resumidos
Warehouse
17/01/2013
56
Verificando Integridad de
Datos
Cargar datos en archivos intermedios
Compare totales de fuente y destino antes de cargar
Destino
=
=
Carga
Conteo y
Cantidades
Totales
Conteo y
Cantidades
Totales
Archivo intermadio
Preserve, revise, arregle,
entonces cargar
Definiendo los Metadatos del
Warehouse
Datos acerca de los datos del Data Warehouse y sus procesos
Vital para el Data Warehouse
Usado por todos
La clave para entender la informacin del Warehouse
Metadata
Repositorio
de Metadatos
Metadatos de Usuarios
Usuarios Finales
Desarrolladores Profesionales IT
17/01/2013
57
Tipos de Metadatos
Metadatos de usuario final:
Clave para un buen Warehouse
Ayuda para la navegacin
Proveedor de informacin
Metadatos ETL:
Mapa de la fuente al destino
Informacin de la fuente y el destino
Transformaciones
Contexto
Metadatos operacionales:
Carga, manejo y programacin de procesos
Performance
Examinar los Tipos de
Metadatos
Metadatos del ETL
Metadata del usuario final
Warehouse
ETL
Fuentes
Externas
Datos Fuente
Operacional
Usuario
Final
Repositorio de
Metadatos
Metadatos del ETL
Reglas de negocio
Tablas fuentes, campos y valores claves
Propietarios
Conversin de campos
Tablas de referencia y codificacin
Cambio de Nombres
Cambios de claves
Valores por defecto
Lgica para manejar mltiples fuentes
Algoritmos
Fechado
17/01/2013
58
Metas de los Metadatos
y su Intencin
Definir metas claras
Identificar requerimientos
Identificar la intencin
Metadatos
Identificando Usuarios de
Metadatos
Quienes son los usuarios de los metadatos?
Desarrolladores
Usuario finales
Qu informacin necesitan ellos?
Cmo se accede a los metadatos?
Escoja Herramientas para Metadatos y Tcnicas
Herramientas:
Modeladores de datos
ETL
Usuario final (consulta y anlisis)
Esquemas de base de datos
Herramientas Middleware
17/01/2013
59

Metamodelo Comn del Data Warehouse
(Common Warehouse Metamodel CWM)

Repositorio de Metadatos CWM
Aplicaciones analticas
Diseo y Administracin
Warehouse
Marts
Cualquier
Fuente
ERP
Operacional
Externa
Cualquier
Acceso
Reportes
Consultas y
Anlisis
Minera
Integracin
Datos
Entrega
Informacin
& Consulting Group
Copyright e-Builders & Consulting Group, 2004. All rights reserved. CONFIDENTIAL
& Consulting Group
6
Modelamiento Dimensional


Partes de un Modelo
Dimensional
Medidas
Cantidades
Importes

Criterios de anlisis
Atributos descriptivos
17/01/2013
60
Modelo Dimensional
Composicin
Tabla de Hecho
Medidas
Dimensiones
Elementos
Atributos
Agregados
Copos de Nieve
Modelo Dimensional
Granularidad
Nivel mnimo de detalle
A menor granularidad,
mayor cantidad de detalle
Entre mayor sea la granularidad,
mayor ser la cantidad de procesamiento
Dimensiones
Elementos: son los
datos a travs de los
cuales establecemos
jerarquas

17/01/2013
61
Dimensiones
Drill-Up y Drill-Down
Dimensiones
Ejemplos de Jerarquas
Departamento
Provincia
Distrito
Tipo de Producto
Marca Producto
Producto
Dimensiones
La mayora de las dimensiones se conformarn al menor grado de granularidad
posible
Creacin de claves primarias no son necesariamente el cdigo que se utliza en
las fuentes
Definicin clara de elementos jerrquicos
Definicin de atributos descriptivos
17/01/2013
62
Dimensiones
El promedio recomendado por cada modelo
estrella est entre 4 y 15 Dimensiones por cada
Tabla de Hechos
Dimensiones
Dimensiones combinadas: resulta de la unin
(producto cartesiano) de dos posibles
dimensiones.
Dimensin A
Dimensin B
Dimensin AB
Dimensiones
Divisin de dimensiones: resulta de dividir una dimensin en dos
entidades diferentes
Dimensin A
Dimensin A1
Dimensin A2
17/01/2013
63
Dimensiones
Dimensiones muy grandes
Dimensiones
Copos de Nieve (Snowflaking)
Normalizacin de atributos
Su aplicacin no es recomendada porque aumenta
los tiempos de respuesta y complica el modelo
Hechos
Dimensin
Dimensin
Dimensin
Dimensin
Copo de Nieve
Dimensiones
Para que una dimensin sea exitosa:
Utilizar textos completos entendibles
Muy descriptiva
Completa (sin omitir valores)
Asegurar calidad (bien escrito, sin valores imposibles, sin valores obsoletos, sin
diferentes versiones del mismo atributo)
Indexacin
Desnormalizada
Bien Documentada
17/01/2013
64
Dimensiones
Slowly Changing Dimension
Tcnicas para actualizacin de datos en las
dimensiones, bsicamente existen 3 tipos de
actualizacin de datos crticos para los atributos
principales de las dimensiones
Dimensiones
Slowly Changing Dimension
Tipo 1: Cuando existe un cambio en alguna
dimensin que afecte las consultas, se substituye el
valor anterior por el nuevo
Dimensiones
Slowly Changing Dimension
Tipo 2: Cuando existe un cambio en alguna dimensin que
afecte las consultas, se agregan nuevos registros con los
cambios.
17/01/2013
65
Dimensiones
Slowly Changing Dimension
Tipo 3: Cuando existe un cambio en alguna dimensin que
afecte las consultas, se colocan los cambios agregando
campos en el mismo registro de la dimensin
Dimensiones
Es la dimensin mas crtica del Data
Warehouse
Se requiere una representacin
consistente del tiempo para una mejor
visin de los datos

La Dimensin Tiempo

Dimensiones
Impacto en el tamao de la base de
datos
Establecer siempre un nivel de
granularidad menor al requerido

Granularidad de la Dimensin Tiempo

17/01/2013
66
Hechos
Medida: Dato numrico que determina lo
ocurrido o el comportamiento en la empresa
Hechos
La granularidad en los hechos de cada Datamart est basado en
el nivel de granularidad natural mnimo de las dimensiones que
lo constituyen
Hechos
Clave primaria conformada por los FK de las
dimensiones
Dimensin
Productos
Id Producto
Id Producto
PK
FK
Tabla de
Hechos
Dimensin
Tiempo
Id Tiempo
Id Tiempo
PK
FK
Medida
Medida
Medida
Atributo
Atributo
Atributo
Atributo
Atributo
Atributo
17/01/2013
67

OLAP
Data
Mining
BI Developer Components
Oracle Warehouse Builder
Discoverer
JDeveloper
Reports Developer
Web
Analytics
Ad-hoc
Query
Reporting
BI Beans
Portal
Personalization
ETL
Database
Tables
Discoverer
Metadata
Oracle9i
Discoverer Administrator
Oracle9i
Discoverer Desktop
17/01/2013
68
Discoverer
Administrator
End User
Layer
Browser
Java Applet
HTTP
Server
Oracle AS
Discoverer
Services
Discoverer Viewer
Discoverer
Desktop
Discoverer Plus
Browser
Viewer Servlet
Construyendo y Ejecutando
una Consulta
End User
Layer
SQL
Cliente Application
Server
Base de Datos
17/01/2013
69
Caching Data
Client
Discoverer Plus
Data
tables
Application
Server
ResultsBase
Cache
Redireccin a Tablas
Sumarias
Summary
awareness
Or
Data
tables
Summary
tables
Database
emp_data
emp_code
view_mgr
Hierarchies
Employees
Joins
Data dictionary
End User Layer
17/01/2013
70
Discoverer Plus and
Discoverer Viewer
Application Server
Web Client
Discoverer
Desktop
Discoverer
Administrator
End User Layer
Programando ejecucin de reportes en el
tiempo
End user
1
2
17/01/2013
71
Oracle Discoverer Viewer