aprovechar los cada vez más numerosos ... - bases de datos · empresas han creado almacenes de...
TRANSCRIPT
Las empresas han comenzado a
aprovechar los cada vez más numerosos
datos en línea para tomar mejores
decisiones sobre sus actividades.
Para ejecutar de manera eficiente las
consultas sobre datos tan diferentes las
empresas han creado almacenes de
datos (Date Warehouse).
El término OLAP fue introducido en
Agosto de 1993 por el Dr. E.F. Codd y
apoyado por Arbor Software
Corporation.
Definición de Codd: OLAP es un tipo de
procesamiento de datos que se
caracteriza, entre otras cosas, por
permitir el análisis multidimensional
Es una solución utilizada en el campo de la llamada Inteligencia empresarial (o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos. Para ello utiliza estructuras multidimensionales (o Cubos OLAP) que contienen datos resumidos de grandes Bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares.
Dedicado a implementaciones de
procesamiento analítico en línea que no
dependen de bases de datos
relacionales.
Consultas rápidas.
Ocupa menor tamaño en disco en comparación con los datos almacenados en base de datos relacional
Automatización del procesamiento de los datos agregados de mayor nivel.
Muy compacto para conjuntos de datos de pocas dimensiones.
Eficaz extracción de datos lograda gracias a la pre-estructuración de los datos agregados
La etapa de procesamiento (carga de
datos) puede ser bastante larga.
Algunas herramientas MOLAP tienen
dificultades para actualizar y consultar
los modelos con hasta cierto número de
dimensiones.
El enfoque MOLAP introduce
redundancia en los datos
realiza un análisis dinámico
multidimensional de los datos
almacenados en una base de datos
relacional
El usuario envía una solicitud de análisis
multidimensional y el motor ROLAP
convierte la solicitud a SQL para su
presentación a la base de datos. A
continuación, la operación se realiza a
la inversa: el motor convierte los datos
resultantes de SQL a un formato
multidimensional antes de que se
devuelve al cliente para su visualización.
ROLAP se considera más escalable para
manejar grandes volúmenes de datos.
Hay disponible una gran variedad de
herramientas de carga de datos para
sistemas relacionales
Los datos se almacenan en una base de
datos relacional estándar que puede ser
accedida por cualquier herramienta de
generación de informes SQL.
El proceso de carga de tablas agregadas debe ser gestionado por código ETL personalizado
Muchos desarrolladores de modelos dimensionales ROLAP ignoran el paso de crear tablas agregadas.
Los sistemas ROLAP se construyen sobre bases de datos de propósito general, por lo que hay algunas funcionalidades especiales propias de las herramientas MOLAP que no están disponibles en los sistemas ROLAP.
Combina los atributos de MOLAP y
ROLAP. En el caso de HOLAP las
agregaciones se almacenen en una
estructura multidimensional y los datos a
nivel detalle se realiza el
almacenamiento en una base de datos
relacional.
Los datos suelen ser datos
multidimensionales, con atributos de
dimensión y atributos de medida
Es la tabla
principal en
un modelo
dimensional
donde se
almacena las
medidas de
rendimiento
numéricos de
la empresa
Las tablas de
dimensiones
contienen las
descripciones
textuales de
los negocios
Consta de
una tabla de
hechos
central y de
varias tablas
de
dimensiones
relacionadas
a esta
Posee los mejores tiempos de respuesta.
Su diseño es fácilmente modificable.
Existe paralelismo entre su diseño y la
forma en que los usuarios visualizan y
manipulan los datos.
Simplifica el análisis.
Facilita la interacción con herramientas
de consulta y análisis
Consta una tabla de hechos central que está relacionada con una o más tablas de dimensiones, quienes a su vez pueden estar relacionadas o no con una o más tablas de dimensiones
Posee mayor complejidad en su
estructura.
Hace una mejor utilización del espacio.
Es muy útil en tablas de dimensiones de
muchas tuplas.
Las tablas de dimensiones están
normalizadas, por lo que requiere menos
esfuerzo de diseño
Si se poseen múltiples tablas de
dimensiones, cada una de ellas con
varias jerarquías, se creará un número
de tablas bastante considerable, que
pueden llegar al punto de ser
inmanejables.
Al existir muchas uniones y relaciones
entre tablas, el desempeño puede verse
reducido
Este modelo está compuesto por una
serie de esquemas en estrella, está
formado por una tabla de hechos
principal (“HECHOS_A”) y por una o más
tablas de hechos auxiliares
(“HECHOS_B”), las cuales pueden ser
sumarizaciones de la principal
Permite tener más de una tabla de
hechos, por lo cual se podrán analizar
más aspectos claves del negocio.
Contribuye a la reutilización de las tablas
de dimensiones.
No es soportado por todas las
herramientas de consulta y análisis
Representa una relación lógica entre
dos o más atributos pertenecientes a un
cubo multidimensional; siempre y
cuando posean su correspondiente
relación “padre-hijo”
Slice(Corte). Es el acto de elegir un
subconjunto de un cubo rectangular
eligiendo un único valor para una de sus
dimensiones, la creación de un nuevo
cubo con una dimensión menos.
Dice. Esta operación produce un
subcubo que permite al analista tomar
valores específicos de múltiples
dimensiones
Drill Down / Up. Permite al usuario
navegar entre los niveles de datos que
van desde el más resumido (arriba)
hasta los más detallados (abajo)
Pivot. Permite al analista rotar el cubo en
el espacio para ver sus caras distintas
Kimball Ralph, Ross Margy, The Data Warehouse Toolkit 2da. Edición, The Complete Guide to Dimensional Modeling, John Wiley & Sons, Inc., 2002.
Thomsen Erik, OLAP Solutions Building Multidimensional Information
Systems 2da. Edición, The Complete Guide to Dimensional Modeling, John Wiley & Sons, Inc., 2002.
Silberschatz Abraham, F. Korth Henry, Sudarshan S., Fundamentos de
Bases de Datos 4ta. Edición, Mc. Graw. Hill, 2002. Date, C. J., Introducción a los sistemas de bases de datos., Prentice Hall,
2001. http://www.dssresources.com/glossary/olaptrms.html http://searchsqlserver.techtarget.com/definition/MOLAP http://www.dataprix.com/datawarehouse-manager
http://en.wikipedia.org/wiki/OLAP_cube#Hierarchy http://es.wikipedia.org/wiki/Cubo_OLAP