background preloader

¿Qué es OLAP?

¿Qué es OLAP?
Según la Wikipedia, OLAP es: OLAP es el acrónimo en inglés de procesamiento analítico en línea (On-Line Analytical Processing). 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). ¿Te has enterado de algo? ¿Todavía no? Porque OLAP no es más que eso: Una manera de acceder a tu información utilizando un “lenguaje natural”. En el mundo corporativo, los analistas acceden a la información filtrando sus indicadores de negocio por regiones, por producto, por tiempo... A partir de esta definición básica, existen distintas tecnologías que lo implementan (ROLAP, MOLAP,...), pero básicamente todas hacen las mismas acciones básicas sobre la información: No sé si la enumeración anterior es completa o clara. Related:  katherineaguilarvasquezclase 18/5/2015

Que es un KPI – Significado de los Key Performance Indicators (KPIs) Si te dedicas al SEO y a los Social Media lo primero que van a pedirte tus clientes son resultados. No basta con que creas que estás haciendo las cosas bien, sino que necesitarás demostrar con datos que tu estrategia está siendo exitosa. Pero, ¿cómo se mide el éxito en el marketing digital? Para eso usamos los KPIs. ¿Qué es un KPI? KPI son las siglas de Key Performance Indicators, ósea, indicadores clave del desempeño. Un ejemplo sencillo de KPI lo podemos encontrar en una inmobiliaria que este año se plantea vender 100 pisos (no tengo ni idea de inmobiliarias, así que no se si la cifra que he dicho es una locura). Características de los Key Performance Indicators La definición de KPIs es fundamental en el mundo del Marketing Online donde a veces se plantean objetivos tan etéreos como “aumentar la reputación online de la empresa” o “mejorar el engagement de los contenidos de una web”. Cada empresa debe identificar sus propios KPIs, a los que se les piden que sean: Medibles. Alcanzables.

Ejemplos data mining ¿Qué son los cubos OLAP? Un cubo OLAP, OnLine Analytical Processing o Procesamiento Analítico en Línea, término acuñado por Edgar Frank Codd de EF Codd and Associates, encargado por Arbor Software (en la actualidad Hyperion Solutions), es una base de datos multidimensional, en la cual el almacenamiento físico de los datos se realiza en un vector multidimensional. Los cubos OLAP se pueden considerar como una ampliación de las dos dimensiones de una hoja de cálculo. A menudo se pensaba que todo lo que los usuarios pueden querer de un sistema de información se podría hacer de una base de datos relacional. La propuesta de Codd consistía en realizar una disposición de los datos en vectores para permitir un análisis rápido. Las bases de datos relacionales son más adecuadas para registrar datos provenientes de transacciones (conocido como OLTP o procesamiento de transacciones en línea). Para acceder a los datos sólo es necesario indexarlos a partir de los valores de las dimensiones o ejes. Tipos de sistemas OLAP

Big Data: Nuevas aplicaciones y modelos de negocio | The Great i Big Data: Nuevas aplicaciones y modelos de negocio To read this post in English, click HERE José Luis lleva 2 años dirigiendo un programa de innovación en Big Data, en Telefónica. Telefónica ha hecho una apuesta muy grande en la monetización de los datos que genera día tras día como resultado de las actividades de su negocio (como operadora de telefonía). José Luis nos ha dado la oportunidad de conocer de cerca los avances y tendencias del Big Data. ¿Qué aplicaciones basadas en Big Data se prevén a corto plazo? “A corto plazo, se está trabajando para proporcionar datos ‘hacia afuera’ [para terceras empresas] monetizando los datos, y con el lema de conseguir que otras empresas tomen mejores decisiones basadas en el conocimiento que el mercado les pueda proporcionar. Jose Luís enfatiza: “Nosotros ya tenemos la tecnología. Otra posible aplicación dentro del entorno de las ‘Smart Cities’es la adaptación de los precios de la electricidad, agua o gas en función de nuestra demanda real.

¿Qué es un Data Warehouse? | Dataprix TI Tras las dificultades de los sistemas tradicionales en satisfacer las necesidades informacionales, surge el concepto de Data Warehouse, como solución a las necesidades informacionales globales de la empresa. Este término acuñado por Bill Inmon, se traduce literalmente como Almacén de Datos. No obstante si el Data Warehouse fuese exclusivamente un almacén de datos, los problemas seguirían siendo los mismos que en los Centros de Información. La ventaja principal de este tipo de sistemas se basa en su concepto fundamental, la estructura de la información. Integrado: los datos almacenados en el Data Warehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. E.F. Dimensiones de negocio vistas como cubos Un director de producto, sin embargo, querría examinar la distribución geográfica de sus productos, para toda la información histórica almacenada en el Data Warehouse.

tutorialcubocompleto.pdf Datamining (Minería de datos) El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto. Básicamente, el datamining surge para intentar ayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales. De forma general, los datos son la materia prima bruta. En el momento que el usuario les atribuye algún significado especial pasan a convertirse en información. Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior, el proceso común a todos ellos se suele componer de cuatro etapas principales: Determinación de los objetivos. Preprocesamiento de los datos. Determinación del modelo. Datamart

Definición de Datawarehouse El concepto informático de ‘datawarehouse’ hace alusión al proceso mediante el cual una organización o empresa particular almacena todos aquellos datos e información necesarios para el propio desempeño de la misma. Se presupone que este tipo de material se organiza de manera tal de facilitar el análisis y la realización de reportes en las situaciones en que sea necesario hacerlo. Contar con un fácil acceso a los datos de importancia tendrá directa relación con la efectividad de las diversas tareas de la empresa. El concepto de datawarehouse nace en la década de los 80 en la empresa IBM. El sistema datawarehouse o de almacén de datos se maneja a través de dos conceptos centrales: el de integración y combinación de diferentes tipos de datos que son utilizados en diferentes áreas y espacios de la organización por un lado, y el de separación y selección de esa misma información de acuerdo a las necesidades específicas de cada usuario o sección de la empresa. Temas en Datawarehouse

Cubo OLAP una base de datos multidimensional Comentarios (1) En el mundo de las soluciones para Business Intelligence, una de las herramientas más utilizadas por las empresas son las aplicaciones OLAP, ya que las misma han sido creadas en función a bases de datos multidimensionales, que permiten procesar grandes volúmenes de información, en campos bien definidos, y con un acceso inmediato a los datos para su consulta y posterior análisis. Como hemos mencionado en un artículo anterior, las herramientas OLAP proporcionan a las compañías un sistema confiable para procesar datos que luego serán utilizados para llevar a cabo análisis e informes que permitan mejorar las operaciones productivas, tomar decisiones inteligentes y optimizar la competitividad en el mercado. Para funcionar, las aplicaciones OLAP utilizan un tipo de base de datos que posee la peculiaridad de ser multidimensional, denominada comúnmente Cubo OLAP. Hasta la llegada del término Cubo OLAP, que nació de la mano de Edgar F. Si esta página te gustó, puedes compartirla ...

Data Warehouse, Modelo, Conceptos e Implementación orientada a SQL Server Resumen Este trabajo intenta dar una idea bastante acertada sobre el trabajo con sistemas Data Warehouse, presentando la teoría fundamental que sustenta este tipo de representación y procesamiento de los datos en la actualidad: El Modelo Dimensional (DFM: Dimention Fact Model). Además brinda ejemplos prácticos de cómo llevar a cabo tareas primordiales de un Data Warehouse, como son: La extracción de los datos desde otros sistemas o formatos. Mostrando así las facilidades que brinda la herramienta de transformación de datos de Microsoft SQL Server 2000 (DTS: Data Transformation Service). En otros apartados posteriores trata de resumir el tema de la programación distribuida, las diferentes técnicas de distribución de los datos orientado principalmente a Microsoft SQL Server 2000, las diferentes estrategias para mejorar el hardware de un Data Warehouse y finalmente se aborda el tema de la salva de los datos, mostrando como ejemplo un script de salva incremental. Introducción

Modelos de data mining y las herramientas más usadas La minería de datos es capaz de informar sobre eventos importantes hasta el momento desconocidos, permitiendo realizar pronósticos fiables, que hacen posible tomar acción en condiciones de riesgo mínimas. La técnica que se utiliza para llevar a cabo estas hazañas se denomina modelado. Los modelos de data mining se originan, ya sea como un conjunto de ejemplos o como una relación matemática, en base a los datos de situaciones sobre las que se conoce la respuesta, primer paso para luego aplicar el modelo a otros eventos donde existen cuestiones por resolver. Las técnicas de modelado no son de nueva aparición, sino que han estado disponibles durante décadas, aunque sólo recientemente se ha logrado alcanzar la capacidad de almacenamiento de datos y de comunicación necesarios para recoger y guardar grandes volúmenes informacionales. La creación de modelos de data mining aplicada a los negocios permite: Créditos fotográficos: istock vaenma Post relacionados:

DEFINICIÓN (desde sinexus) ¿Qué es Big Data? Todos formamos parte de ese gran crecimiento de datos Ricardo Barranco FragosoPublicado en 18-06-2012 1. Introducción El primer cuestionamiento que posiblemente llegue a su mente en este momento es ¿Qué es Big Data y porqué se ha vuelto tan importante? Gigabyte = 109 = 1,000,000,000 Terabyte = 1012 = 1,000,000,000,000 Petabyte = 1015 = 1,000,000,000,000,000 Exabyte = 1018 = 1,000,000,000,000,000,000 Es importante entender que las bases de datos convencionales son una parte importante y relevante para una solución analítica. 2. Los seres humanos estamos creando y almacenando información constantemente y cada vez más en cantidades astronómicas. Esta contribución a la acumulación masiva de datos la podemos encontrar en diversas industrias, las compañías mantienen grandes cantidades de datos transaccionales, reuniendo información acerca de sus clientes, proveedores, operaciones, etc., de la misma manera sucede con el sector público. 3. Figura 1. Haga clic para ampliar la imagen 4. Figura 2. 5.

¿Qué es Data Mining?. What is Data Mining? | WebMining Desde sus inicios, el término “Data Mining” (Minería de datos) ha sido llamado por muchos nombres. En los 60′s, los estadísticos utilizaban términos como “Data Fishing” (Pesca de datos) o “Data Dredging” (Filtración de datos) para referirse a lo que consideraban la “mala práctica” de analizar datos sin una hipótesis a priori. El término “Data Mining” apareció alrededor de 1990 en la comunidad de base de datos. En 1989, Gregory Piatetsky-Shapiro acuñó el término “Knowledge Discovery in Databases (KDD)” (Descubrimiento de Conocimiento en Bases de Datos) para el primer taller que se realizó sobre el mismo tema, y este término se hizo más famoso dentro de la comunidad científica y académica. Peeeero, ¿Qué es Data Mining? Dejamos aquí algunas frases cortas que ciertamente ayudarán a quienes están dentro de este mundillo para poder definir el término “Data Mining” y responder esa recurrente pregunta que siempre nos hacen: “a que se dedica ud.”? “Torturar a los datos hasta que confiesen”Anónimo

Related: