PDF de programación - Bases de Datos Multiplataforma Como Soporte Para La Inteligencia de Negocios

Universidad Nacional del Nordeste

Facultad de Ciencias Exactas, Naturales y Agrimensura

Trabajo de Adscripción

Bases de Datos Multiplataforma Como
Soporte Para La Inteligencia de Negocios

Romina Elizabeth Dos Santos - L.U.: 25333

Prof. Director: Mgter. David Luis la Red Martínez

Licenciatura en Sistemas
Corrientes - Argentina

2005

A mis padres

Índice General

1 Bases De Datos Para BI

1.1 Bases De Datos . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Objetivos De Las Bases De Datos
. . . . . . . . . . . .
1.1.2 Ventajas De Las Bases De Datos . . . . . . . . . . . . .
1.1.3 Estructura De Las Bases De Datos . . . . . . . . . . . .
1.2 DBMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Arquitectura De Las Bases De Datos . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
1.4 DB2 Universal Database
1.4.1 Características y Funciones . . . . . . . . . . . . . . . .
1.4.2 Valor Estratégico Del DB2 UDB . . . . . . . . . . . . .
1.4.3 Funciones Complementarias Del DB2 UDB . . . . . . .
1.5 Business Intelligence Para DB2 UDB . . . . . . . . . . . . . . .
1.6 Business Intelligence . . . . . . . . . . . . . . . . . . . . . . . .
1.6.1
. . . . . . . . . . . . . .
1.6.2
. . . . . . . .
1.6.3 Componentes de Business Intelligence . . . . . . . . . .
1.6.4 Arquitectura BI
. . . . . . . . . . . . . . . . . . . . . .

¿Qué es Business Intelligence?
¿Qué Puede Hacer Business Intelligence?

2 DB2 E-Business

2.1 Conceptos Generales . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Funciones de Business Intellegence Warehouse Manager
. . . .
. . . . . . . . . . . .
2.3 Estructura de DB2 Business Intelligence
2.4 DB2 Business Intelligence - ETL . . . . . . . . . . . . . . . . .
2.4.1
¿Qué Es ETL? . . . . . . . . . . . . . . . . . . . . . . .
2.4.2 Arquitecturas Típicas De ETL . . . . . . . . . . . . . .
2.4.3 DB2 Warehouse Center / Manager (ETL) . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
2.5.1 Data Warehouse . . . . . . . . . . . . . . . . . . . . . .
2.5.2 DB2 Para Business Intelligence (DW)
. . . . . . . . . .

2.5 DB2 BI - Datawarehouse

1
1
2
2
3
3
5
6
6
7
9
10
11
11
12
12
13

15
15
15
15
15
17
18
18
19
19
20

v

vi

ÍNDICE GENERAL

21

cisiones.

¿Por Qué Usar Un Data WareHouse?

2.5.3
Introducción A Los Almacenes De Datos . . . . . . . . .
2.5.4 Análisis De Datos Para El Soporte En La Toma De De-
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
2.5.5 Problemas
2.5.6
¿Qué Es Un Data Warehouse? . . . . . . . . . . . . . .
2.5.7 Beneficios Económicos . . . . . . . . . . . . . . . . . . .
2.5.8
. . . . . . . . . .
2.5.9 Los Requerimientos De Un Data Warehouse . . . . . . .
. . . . . . . . . . . . . . .
2.5.10 Arquitectura Datawarehouse
2.5.11 Componentes y Estructuras
. . . . . . . . . . . . . . .
2.5.12 La Estructura Básica De La Arquitectura DW Incluye:
2.5.13 ¿Cómo Trabaja El Data Warehouse? . . . . . . . . . . .
2.5.14 ¿En Qué Podemos Usarlo?
. . . . . . . . . . . . . . . .
2.5.15 Impactos DW . . . . . . . . . . . . . . . . . . . . . . .
2.5.16 Costos v/s Valor De DW . . . . . . . . . . . . . . . . .
2.5.17 Costos De Un DW . . . . . . . . . . . . . . . . . . . . .
2.5.18 Valor Del DW . . . . . . . . . . . . . . . . . . . . . . .
2.6 Data Marts . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6.1 Definicion de Data Marts
. . . . . . . . . . . . . . . . .
2.6.2 Arquitectura de Data Marts . . . . . . . . . . . . . . . .
2.6.3 Crecimiento De Los Data Marts
. . . . . . . . . . . . .
2.6.4 Administración De Los Data Marts
. . . . . . . . . . .
2.6.5 Paquetes De Data Marts . . . . . . . . . . . . . . . . . .
2.6.6 Data Marts Virtuales y Meta Vistas . . . . . . . . . . .
2.6.7

21
22
24
26
26
27
28
28
30
31
31
31
33
33
35
35
36
37
37
38
39
39
¿Por Qué Ha Crecido La Popularidad De Los Data Marts? 40

3 Toma de Decisiones

3.1 DB2 Business Intelligence - OLAP . . . . . . . . . . . . . . . .
3.2
“On-Line Analytical Processing” . . . . . . . . . . . . . . . . .
¿Qué Es OLAP? . . . . . . . . . . . . . . . . . . . . . .
3.2.1
Las Herramientas OLAP (On-Line Analyitical Proces-
3.2.2
. . . . . . . . . . . . . . . . .
sing) Son Más Genéricas.
. . .
. . . . . . .

3.2.3 Las Herramientas De OLAP Se Caracterizan Por:
3.2.4 OLTP v/s OLAP: Dos Mundos Diferentes
3.2.5

44
45
45
¿Cuál Es La Diferencia Entre OLAP y Minería De Datos? 46
46

3.3 OLTP - “On-line Transaction Processing”.

. . . . . . . . . . .
Diferencia Entre Data Warehouse y Bases De Datos
. . . . . . . . . . . . . . . . . .
Operacionales (OLTP).
. . . . . . . . . . .
¿Una Máquina o Dos? . . . . . . . . . . . . . . . . . . .

3.3.2 Relación Entre Ambos Esquemas.
3.3.3

3.3.1

43
43
43
43

46
49
49

ÍNDICE GENERAL

4 CUBE VIEWS

4.4

4.1 DB2 Business Intelligence - DB2 Cube Views . . . . . . . . . .
4.2
¿Que Es DB2 Cube Views? . . . . . . . . . . . . . . . . . . . .
¿Que Es DB2 MQT? . . . . . . . . . . . . . . . . . . . . . . . .
4.3
4.3.1 Compartiendo Los Metadatos OLAP Con El DB2 Cube
Views. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
¿Por Qué Cube Views? . . . . . . . . . . . . . . . . . . . . . . .
4.4.1 Modelo Del Cubo
. . . . . . . . . . . . . . . . . . . . .
4.4.2 DB2 Cube Views - The OLAP-aware Database (OLAP)
4.4.3 DB2 Cube Views.
. . . . . . . . . . . . . . . . . . . . .
4.4.4 DB2 Cube Views = An OLAP Accelerator
. . . . . . .
4.4.5 Cube Views Performance . . . . . . . . . . . . . . . . .
4.4.6 DB2 Cube Views — Beneficios . . . . . . . . . . . . . . .

Bibliografía

Índice de Materias

vii

51
51
51
52

52
53
56
57
58
61
61
63

67

71

Índice de Figuras

1.1 Estructura de una Base de Datos. . . . . . . . . . . . . . . . . .
1.2 Sistemas de Administracion de Bases de Datos (DBMS). . . . .
1.3 Arquitectura para Sistemas de Bases de Datos.
. . . . . . . . .
1.4 Arquitectura de BI. . . . . . . . . . . . . . . . . . . . . . . . . .

2.1 Funciones de BI.
. . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Estructura de BI. . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3 ETL - Extraccion, Transferencia y Carga de Datos. . . . . . . .
2.4 Arquitectura de ETL . . . . . . . . . . . . . . . . . . . . . . . .
2.5 Process Model - Build Market Dimension.
. . . . . . . . . . . .
2.6 Datawarehouse . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7 DB2 para Business Intelligence . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
2.8 Almacenes de Datos
. . . . . . . . . . . . . . .
2.9 Ventajas de los Almacenes de Datos
2.10 Problemas de los Almacenes de Datos
. . . . . . . . . . . . . .
2.11 Almacenes de Datos II . . . . . . . . . . . . . . . . . . . . . . .
2.12 Arquitectura Lógica de un Sistema de Data Warehousing . . .
2.13 Estructura Básica de la Arquitectura del DW . . . . . . . . . .
2.14 Data Marts . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.15 Arquitectura de Data Marts . . . . . . . . . . . . . . . . . . . .
2.16 Arquitectura . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.17 Data Warehouse Vs Data Marts
. . . . . . . . . . . . . . . . .

3.1 Estructura del OLAP dentro de BI. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
3.2 Data Warehouse y OLTP.
3.3 Esquema de Relación entre OLTP Y DDW.
. . . . . . . . . . .

4.1 Metadatos Olap y DB2 Cube Views
. . . . . . . . . . . . . . .
4.2 Modelo de cubo . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 The OLAP-aware Database (OLAP) . . . . . . . . . . . . . . .

4
4
5
14

16
16
17
18
19
20
21
22
23
23
24
29
30
37
38
41
42

44
48
49

53
55
57

ix

x

ÍNDICE DE FIGURAS

4.4 DB2 Cube Views . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5 Performance Advisor . . . . . . . . . . . . . . . . . . . . . . . .
4.6 DB2 and OLAP ACCELERATOR. . . . . . . . . . . . . . . . .
4.7 Cube Views Performance
. . . . . . . . . . . . . . . . . . . . .
4.8 DB2 Cube Views . . . . . . . . . . . . . . . . . . . . . . . . . .
4.9 Modelo Cube Views
. . . . . . . . . . . . . . . . . . . . . . . .

59
60
61
62
63
65

Capítulo 1

Bases De Datos
Multiplataforma Como
Soporte Para La Inteligencia
De Negocios (BI)

1.1 Bases De Datos

La necesidad de mejorar la manera de acceder y manejar los datos ha evo-
lucionado desde el concepto de IMS (Information Management System) a la
nueva generación de sistemas de administración de bases de datos relacionales
(RDBMS ) [35].

En los últimos tiempos se ha escuchado hablar sobre una nueva base de
datos, llamada “Universal”, que puede almacenar y hacer búsquedas no sola-
mente de datos alfanuméricos sino también de imágenes, audio, video y otros
objetos. [43].

Esta ventaja de las bases de datos universales abre un sin número de
oportunidades que permiten mejorar tanto los servicios como las aplicacio-
nes. [9] [10]

Una base de datos es una colección de datos, lógicamente relacionados, que
apoyan el acceso compartido de muchos usuarios y aplicaciones. Mientras que

1

2

CAPÍTULO 1. BASES DE DATOS PARA BI

un archivo, normalmente, contiene datos acerca de un tipo de entidad (ej.:
personal, órdenes, clientes, ventas), una base de datos contiene datos acerca
de muchos tipos de entidades e información acerca de cómo las entidades están
lógicamente relacionadas entre sí. [4] [30] [37]

Las bases son cualquier conjunto de datos organizados para su almacena-
miento en la memoria de un ordenador o computadora, diseñado para facilitar
su mantenimiento y acceso de una forma estándar. Los datos suelen aparecer
en forma de texto, números o gráficos.

Las bases de datos se crean con el objetivo de almacenar grandes cantidades
de datos que antes se almacenaba en libros, lo que era lento, costoso y complejo
(cualquier actualización a realizar, había que hacerla en cada uno de los libros
en los que apareciera dicha información a modificar).

1.1.1 Objetivos De Las Bases De Datos

Los objetivos de las bases de datos son los de automatizar: [20]

∗ El mantenimiento.
∗ Cual