Objetivos del datawarehouse

Toluca México a 20 de febrero del 2019

¿Cuáles son los objetivos del datawarehouse?

R1.1: Hace que la información de la organización sea accesible: los contenidos del
Data WareHouse son entendibles y navegables, y el acceso a ellos son caracterizado
por el rápido desempeño. Estos requerimientos no tienen fronteras y tampoco limites
fijos. Cuando hablamos de entendible significa, que los niveles de la información sean
correctos y obvios. Y Navegables significa el reconocer el destino en la pantalla y llegar
a donde queramos con solo un clic. Rápido desempeño significa, cero tiempo de
espera. Todo lo demás es un compromiso y por consiguiente algo que queremos
mejorar.

Hacer que la información de la organización sea consistente: la información de una

parte de la organización puede hacerse coincidir con la información de la otra parte de
la organización. Si dos medidas de la organización tienen el mismo nombre, entonces
deben significar la misma cosa. Y a la inversa, si dos medidas no significan la misma
cosa, entonces son etiquetados diferentes. Información consistente significa,
información de alta calidad. Significa que toda la información es contabilizada y
completada. Todo lo demás es un compromiso y por consiguiente algo que queremos
mejorar.

Es información adaptable y elástica: el Data WareHouse esta diseñado para cambios

continuos. Cuando se le hacen nuevas preguntas al Data WareHouse, los datos
existentes y las tecnologías no cambian ni se corrompen. Cuando se agregan datos
nuevos al Data WareHouse, los datos existentes y las tecnologías tampoco cambian
ni se corrompen. El diseño de Data Marts separados que hacen al Data WareHouse,
deben ser distribuidos e incrementados. Todo lo demás es un compromiso y por
consiguiente algo que queremos mejorar.

Es un seguro baluarte que protege los valores de la información: el Data WareHouse

no solamente controla el acceso efectivo a los datos, si no que da a los dueños de la
información gran visibilidad en el uso y abusos de los datos, aún después de haber
dejado el Data WareHouse. Todo lo demás es un compromiso y por consiguiente algo
que queremos mejorar.

Es la fundación de la toma de decisiones: el Data WareHouse tiene los datos correctos

para soportar la toma de decisiones. Solo hay una salida verdadera del Data
WareHouse: las decisiones que son hechas después de que el Data WareHouse haya
presentado las evidencias. La original etiqueta que preside el Data WareHouse sigue
siendo la mejor descripción de lo que queremos construir: un sistema de soporte a las
decisiones (Echeverría, 2004).

R1.2: Entrenamiento más inteligente.

Cuando sabemos mejor, lo hacemos mejor. Para que una empresa realmente
prospere, todos deben creer en la declaración de la misión. Con esa creencia debe
venir un conocimiento de cómo estar a la altura y proteger los datos de una empresa.

Según un estudio reciente realizado por el Ponemon Institute, el error humano es la

principal causa de la violación de datos en las pequeñas y medianas empresas de
América del Norte y el Reino Unido . Los empleados merecen una capacitación
relevante sobre las mejores prácticas cuando se trata de almacenamiento de datos y
prácticas de intercambio. La educación continua es esencial para proteger los activos.

Un conocimiento más claro del límite.

Como seres humanos, nos resulta más fácil trabajar con límites y estructura claros. Y
lo mismo ocurre con los datos. El riesgo de pérdida de datos aumenta
exponencialmente cuando se cruzan las líneas y se cortan los límites. Cuando las
empresas alojan datos en las instalaciones, en la nube o en sistemas de
infraestructura híbridos, es necesario mantener la capacidad de monitorear el acceso
para mitigar los riesgos de exposición.

Un sistema de ciberseguridad que analiza automáticamente la detección de

violaciones y toma medidas de protección para garantizar el acceso controlado a
través de un sistema de intercambio de archivos empresarial es un componente
crucial que garantiza la claridad cuando se trata de límites.

Ejecución informada.

El acceso lo es todo, al igual que las estrategias para habilitar y denegar el

acceso. Las empresas actuales operan con equipos tanto internos como remotos,
contratados y de tiempo completo, por no mencionar una gran cantidad de
proveedores, proveedores, clientes y otras partes.

Una estrategia de ejecución informada le da a una organización la capacidad de

compartir, configurar, sincronizar y colaborar en datos de forma segura, con los
permisos adecuados, y otorgar / eliminar el acceso en intervalos de tiempo
específicos. De esa manera, un pasante no tiene acceso a los documentos del CEO,
y un subcontratista no tiene acceso a los documentos confidenciales de Recursos
Humanos. De esa manera, todos se quedan en su propio lago de datos relevantes.

Los ladrones de datos no RSVP.

La protección de pérdida de datos (DLP) es la lucha más definitoria de la era digital

de hoy. Los riesgos son innumerables, desde dentro de una organización y
ciertamente fuera de una organización. Las políticas de DLP que adopta una
compañía, y el SaaS en el que confían para hacerlas cumplir, deben estar bajo
constante revisión .
No existe una práctica recomendada ni un conjunto específico de aplicaciones que
puedan ofrecer protección de datos a prueba de balas. Si una organización entiende
sus necesidades y tiene empleados capacitados en cómo entender y diseñar
estrategias contra el riesgo, deberían poder juzgar mejor las necesidades de
protección contra fugas de datos y esperar lo mejor de un producto.

Los datos son riqueza, y la riqueza invita a los ladrones. La mejor manera en que una
organización puede protegerse a sí misma es primero conocerse a sí misma. Sepa
qué es lo que necesita proteger y prepare a los que estarán en la primera línea del
trabajo crucial a la mano. Las apuestas son legítimamente altas, y es mejor elegir
sabiamente (Ramasamy, 2018)

R1.3: Para llevar a cabo tareas asociadas a consultas e informes en los servidores no
utilizados por los sistemas transaccionales. La forma menos costosa y ágil para
obtener rápidas respuestas es implementar una arquitectura de almacenamiento de
datos que utiliza servidores separados.

Para utilizar los modelos de datos y acelerar las consultas de información. Hay
formas de modelado de datos que normalmente aceleran las consultas e informes
(por ejemplo, un esquema de estrella ), y puede no ser apropiado para el
procesamiento de transacciones debido a que la técnica de modelado se ralentizará
y complicará el procesamiento de transacciones.

Para realizar consultas e informes sin conocimientos de bases de datos.

Para limpiar los datos de los sistemas de procesamiento transaccionales.

Para facilitar la consulta regular y el reporte de datos de múltiples sistemas

transaccionales (lis solutions, 2018).

Ensayo 1
Lo que preocupa a los ejecutivos es que Se tienen montañas de datos en la compañía,
pero no podemos llegar a ellos adecuadamente. Nada enloquece más a los ejecutivos
que dos personas presentando el mismo resultado de operación pero con diferentes
números y los ejecutivos lo que buscan es ver la información pero desde diferentes
ángulos, mostrando únicamente lo que es importante para tomar una decisión en la
empresa, finalmente los ejecutivos saben que hay datos que nunca serán confiables,
por lo que prefieren que se eviten en los reportes ejecutivos (Herrera, 2007).

El datawareahouse tiene como objetivo que la información de la organización sea

accesible, que la información de la organización sea consistente para que sea una
información adaptable y elástica. Es la fundación de la toma de decisiones: el Data
WareHouse tiene los datos correctos para soportar la toma de decisiones. Solo
hay una salida verdadera del Data WareHouse, las decisiones que son hechas
después de que el Data WareHouse haya presentado las evidencias. La original
etiqueta que preside el Data WareHouse sigue siendo la mejor descripción de lo que
queremos construir: un sistema de soporte a las decisiones (Herrera, 2007).

A continuación, se listarán los objetivos principales del data warehouse:

• Entrenamiento más inteligente.

• Un conocimiento más claro del límite.
• Ejecución informada.
• Una estrategia de ejecución informada le da a una organización la capacidad
de compartir, configurar, sincronizar y colaborar en datos de forma segura
• Los ladrones de datos no RSVP.
• La protección de pérdida de datos (DLP) .
• Realizar consultas e informes sin conocimientos de bases de datos.
• Limpiar los datos de los sistemas de procesamiento transaccionales.
• Facilitar la consulta regular y el reporte de datos de múltiples sistemas
transaccionales.

Una primera característica del data warehouse es que la información se clasifica en

base a los aspectos que son de interés para la empresa. Siendo así, los datos
tomados están en contraste con los clásicos procesos orientados a las aplicaciones.

El ambiente operacional se diseña alrededor de las aplicaciones y funciones tales

como préstamos, ahorros, tarjeta bancaria y depósitos para una institución financiera.
Por ejemplo, una aplicación de ingreso de órdenes puede acceder a los datos sobre
clientes, productos y cuentas. La base de datos combina estos elementos en una
estructura que acomoda las necesidades de la aplicación.

¿Cuáles son las características de un data

wareahouse?
R2.1: Entre las características distintivas de los data warehouse se encuentra
la orientación al tema, la integración, la no volatilidad de los datos y su denominación
de tiempo variante, esto es, que facilitan el uso de datos históricos para el análisis de
tendencia debido a que el horizonte de tiempo es significativamente más largo que en
el sistema operacional (Inmon,2005).

R2.2: Orientado a temasUna primera característica del data warehouse es que la

información se clasifica en base a los aspectos que son de interés para la empresa.
Siendo así, los datos tomados están en contraste con los clásicos procesos
orientados a las aplicaciones.

Integrado Integra datos recolectados de diferentes sistemas operacionales de la

organización y o fuentes externas. La integración de datos se muestra de muchas
maneras: en convenciones de nombres consistentes, en la medida uniforme de
variables, en la codificación de estructuras consistentes, en atributos físicos de los
datos consistentes, fuentes múltiples y otros.

De tiempo variante (Variable en el tiempo).

Los datos son relativos a un periodo de tiempo y estos deben ser integrados
periódicamente, los mismos son almacenados como fotos que se corresponden a un
periodo de tiempo.

El tiempo variante se muestra de varias maneras: La más simple es que la información

representa los datos sobre un horizonte largo de tiempo – desde cinco a diez años.
El horizonte de tiempo representado para el ambiente operacional es mucho más
corto – desde valores actuales hasta sesenta a noventa días. Las aplicaciones que
tienen un buen rendimiento y están disponibles para el procesamiento de
transacciones, deben llevar una cantidad mínima de datos si tienen cualquier grado
de flexibilidad. Por ello, las aplicaciones operacionales tienen un corto horizonte de
tiempo, debido al diseño de aplicaciones rígidas (Herrera, 2007).

Ensayo 2
Un datawarehouse se acompaña también de una parte muy importante que son las
características.Entre las características distintivas de los data warehouse se
encuentra la orientación al tema, la integración, la no volatilidad de los datos y su
denominación de tiempo variante, esto es, que facilitan el uso de datos históricos para
el análisis de tendencia debido a que el horizonte de tiempo es significativamente más
largo que en el sistema operacional (Inmon,2005). Asimismo, la información se
clasifica con base en los temas que interesan a la organización, lo que significa que
los datos no se encuentran en función de las aplicaciones, sino que se orientan a los
sujetos. El diseño de este data warehouse tiene como propósito la obtención de
indicadores bibliométricos y de potencialidades, así como la conformación de un
indicador compuesto que sintetice la correlación entre ambos, con la finalidad de
medir el desarrollo disciplinar en instituciones académicas, de ahí que los sujetos a
los que se orienta son directores de escuelas, facultades, institutos y centros de
investigación que participan en el proyecto, quienes podrán tener acceso en la
entrada y actualización de la información del sistema operacional, así como la
consulta al data warehouse en la obtención de información para la toma de decisiones
que permitan orientar el desarrollo de sus instituciones académicas y de su propia
disciplina.

La integración de los datos en este diseño se manifiesta a partir de la normalización

de las variables procedentes de la estructura operativa, además de la unificación y
síntesis de las medidas o magnitudes en las que éstas se presentan. La integración
de los datos elimina la falta de normalización que tienen los datos en el sistema de
base de datos relacionales y contribuye a la consistencia del sistema. Con el resultado
de este proceso de integración se generan los catálogos, directorios y otras
informaciones sobre los datos que permiten la integración de los metadatos, parte
esencial de los data warehouse, sobre todos los de la segunda generación (Kimball,
1996).

Ensayo final
El datawareahouse tiene como objetivo que la información de la organización sea
accesible, que la información de la organización sea consistente para que sea una
información adaptable y elástica. Es la fundación de la toma de decisiones: el Data
WareHouse tiene los datos correctos para soportar la toma de decisiones. Solo
hay una salida verdadera del Data WareHouse, las decisiones que son hechas
después de que el Data WareHouse haya presentado las evidencias. La original
etiqueta que preside el Data WareHouse sigue siendo la mejor descripción de lo que
queremos construir: un sistema de soporte a las decisiones (Herrera, 2007).

A continuación, se listarán los objetivos principales del data warehouse:

• Entrenamiento más inteligente.

• Un conocimiento más claro del límite.
• Ejecución informada.
• Una estrategia de ejecución informada le da a una organización la capacidad
de compartir, configurar, sincronizar y colaborar en datos de forma segura
• Los ladrones de datos no RSVP.
• La protección de pérdida de datos (DLP) .
• Realizar consultas e informes sin conocimientos de bases de datos.
• Limpiar los datos de los sistemas de procesamiento transaccionales.
• Facilitar la consulta regular y el reporte de datos de múltiples sistemas
transaccionales.

La integración de los datos en este diseño se manifiesta a partir de la

normalización de las variables procedentes de la estructura operativa, además de
la unificación y síntesis de las medidas o magnitudes en las que éstas se
presentan. La integración de los datos elimina la falta de normalización que tienen
los datos en el sistema de base de datos relacionales y contribuye a la consistencia
 del sistema. Con el resultado de este proceso de integración se generan los
catálogos, directorios y otras informaciones sobre los datos que permiten la
integración de los metadatos, parte esencial de los data warehouse, sobre todos
los de la segunda generación (Kimball, 1996).

Características:

• Orientado al tema.
• Integrado.
• De tiempo variable.
• No volátil.

Referencias

Echeverría, D. G. (22 de 05 de 2004). monografias.com. Recuperado el 2019 de 02 de 20, de Data

WareHouse: https://www.monografias.com/trabajos17/data-warehouse/data-
warehouse.shtml#biblio

Herrera, C. (30 de 10 de 2007). Adictos al trabajo. Recuperado el 20 de 02 de 2019, de Todo lo que

querias saber sobre DatawareHouse (I):
https://www.adictosaltrabajo.com/2007/10/30/datawarehouse/

lis solutions. (7 de 08 de 2018). lis solutions. Recuperado el 2019 de 02 de 20, de Data Warehouse
(DW): El almacén de datos usable y con objetivos de negocio: https://www.lis-
solutions.es/blog/data-warehouse-dw-el-almacen-de-datos-usable-y-con-objetivos-de-
negocio/

Ramasamy, V. (16 de 11 de 2018). ToolBok tech. Recuperado el 2019 de 02 de 20, de gestión de

datos: https://it.toolbox.com/guest-article/data-loss-prevention-best-practices-for-2020

Inmon, W. H., D. Strauss y G. Neushloss. 2008. DW 2.0. The Architecture for the Next Generation of
Data Warehousing. UK: Elsevier’s Science & Technology Recuperado el 2019 de 02 de 20, de:
http://www.scielo.org.mx/scielo.php?script=sci_nlinks&pid=S0187-
358X201700020016100007&lng=en

Kimball, R. 1996. The data warehouse toolkit: practical techniques for building
dimensional data warehouses.New York: John Wiley & Sons,
Inc. https://www.amazon.com/Data-Warehouse-Toolkit-Techniques-
Dimensional/dp/0471153370#reader_0471153370