Guideline for sizing Data Warehouse Application Software

Hoy en día, las bases de datos son los motores de casi todas las organizaciones basadas en datos. A lo largo de los años, las bases de datos se han optimizado para respaldar los procesos operativos dentro de las organizaciones. Sin embargo, a medida que aumenta el número de diferentes bases de datos dentro de una organización, resulta cada vez más difícil extraer datos significativos de estas bases de datos. Esto surge porque los datos en diferentes bases de datos en varias partes de una organización a menudo no han sido definidos y nombrados consistentemente. Los sistemas de gestión de bases de datos estándar, generalmente no están equipados para combinar datos para producir informes de varias bases de datos.

Compartir en las Redes Sociales

Compartir Enlace

Usar vínculo permanente para compartir en redes sociales

Compartir con un amigo

Por Favor entrar para enviar esto presentation por correo!

Embeber en su sitio web

Seleccione una página para comenzar

Publique un comentario con su dirección de correo electrónico (se requiere confirmación de correo electrónico con el fin de publicar comentarios en la página web) o por favor entrar para publicar un comentario

  • Juan Ricardo Gonzalez Sepulveda
    en31/05/2017 21:52:23

    Muy Interesante Material

  • Andres Camilo Cantor Pulido
    en31/05/2017 21:12:17

    Excelente material Gracias.

  • Administrator
    en31/05/2017 21:08:29

    Que buen material, gracias por compartir

21.

5. 5 DATA WAREHOUSE 5

7. 7 COMPONENTES DEL DATA WAREHOUSE 7

9. 9 Almacenamiento dimensional de datos 9

8. 8 Dimensional de datos 8

19. 19 Fase: Mapeo 19 Ejemplo :

6. 6 Marco Metodológico 6 Ralph Kimball – (Business Dimensional Lifecycle)

2. 2 2 Guía para el dimensionamiento del software de: Almacenes de datos ( DW ) 2

1. © 2014 Stefanini Proprietary and Confidential 1 IN - RD - 04 Vs. 9.1 2015 - 07 - 27 © 2014 Stefanini Proprietary and Confidential

10. 10 Estrategia de medición 10 Los siguientes componentes del sistema de software de almacén de datos se identifican como ámbitos de medición separados: • Herramientas de ETL. • ETL Herramientas de almacén de datos. • Herramientas de data mart ETL. • Herramientas de inteligencia de negocio ETL. • Herramienta de gestión de metadatos.

17. 17 Fase: Mapeo – ETL Staging Area Tools 17 Identificar los procesos funcionales (FP), los objetos de interés (OOI) y grupos de datos

18. 18 Fase: Mapeo – ETL Staging Area Tools 18 Identificar los procesos funcionales (FP), los objetos de interés (OOI) y grupos de datos

12. 12 Estrategia de medición 12 Capas : Todos los subsistemas del sistema de almacén de datos residen en la misma “ Capa " de aplicación, incluyendo cualquier software que se utiliza para mantener los metadatos .

3. 3 DATA WAREHOUSE 3 Qué es un Data Warehouse? “Según Bill Inmon, es una colección de datos orientada a temas, integrada, variante en el tiempo y no volátil para apoyar el proceso de toma de decisiones gerencial" .

15. 15 Estrategia de medición 15 Nivel de granularidad : Suponemos que la FUR de cada subsistema se encuentra en el nivel funcional del proceso de granularidad, de modo que los procesos funcionales individuales y los movimientos de datos pueden ser identificados .

14. 14 Estrategia de medición 14 Nivel de descomposición : Como cada subsistema es autónomo y hemos definido su alcance de modo que debe medirse por separado, cada subsistema puede considerarse como una "aplicación completa", es decir, no hay necesidad de considerar la descomposición .

11. 11 Fase: Mapeo 11 La fase de mapeo es la fase más importante en el proceso de medición . En esta fase, se examinan los Requerimientos de Usuario Funcional (FUR) y se identifican los diversos procesos funcionales, objetos de interés, grupos de datos y movimientos de datos .

16. 16 Fase: Mapeo 16 La fase de mapeo es la fase más importante en el proceso de medición . En esta fase, se examinan los Requerimientos de Usuario Funcional (FUR) y se identifican los diversos procesos funcionales, objetos de interés, grupos de datos y movimientos de datos .

4. 4 Diferencias entre Sistemas Data Warehouse y Sistemas transaction - processing 4 Transaction Processing Data Warehouse Propósito Ejecución de operaciones diarias Recuperación y análisis de información Estructura RDBMS optimizado para procesamiento de transacción RDBMS optimizado para procesamiento de consultas Acceso SQL SQL, plus Advanced Analytical tools. Tipos de Datos Datos que gestionan el negocio Datos para analizar el negocio Naturaleza de los Datos Detallado Detallado y Resumido Índices Pocos Muchos Joins Muchos Algunos Dato duplicado DBMS Normalizado DBMS NO - Normalizado Datos derivados y/o agregados Poco común Común

13. 13 Estrategia de medición 13 Usuarios funcionales : Puesto que ningún subsistema ETL se comunica directamente con cualquier otro subsistema ETL, ningún subsistema ETL es un usuario funcional de cualquier otro subsistema . Sin embargo, en las arquitecturas todos los sub - sistemas ETL deben pasar una solicitud para acceder al subconjunto de gestión de metadatos, Cada sub - sistema ETL es un usuario funcional del subsistema de gestión de metadatos, y viceversa .

20. 20 Referencias 20 • Guideline for sizing Data Warehouse Application Software Version 1.1 2015 • The COSMIC Functional Size Measurement Method Version 4.0.1. Introduction to the COSMIC method of measuring software. • The COSMIC Functional Size Measurement Method Version 4.0.1. Guideline for Early or Rapid COSMIC Functional Size Measurement by using approximation approaches. • Imhoff & Galemmo , Mastering Data Warehouse Design : Relational and Dimensional Techniques, Wiley Publishing, 2003 • Inmon , Building the Data Warehouse, (Third Edition) . John Wiley & Sons, 2002 • Kimball & Caserta, The Data Warehouse ETL Toolkit, Indianapolis, Wiley, 2004 . • Kimball & Merz , The Data Web house Toolkit : Building the Web Enabled Data Warehouse, Wiley, 2000 . • Kimball & Ross, The Data Warehouse Toolkit : The Complete Guide to Dimensional Modeling (Second Edition), New York, Wiley, 2002 . • Kimball & Ross, The Kimball Group Reader ; Relentlessly Practical Tools for Data Warehousing and Business Intelligence, Indianapolis, Wiley, 2010 . • Kimball et al . , The Data Warehouse Lifecycle Toolkit . 2 nd Edition . New York, Wiley, 2008 • Kimball et al . , The Data Warehouse Lifecycle Toolkit . New York, Wiley, 1998 .

Vistas

  • 136 Vistas Totales
  • 82 Vistas al Sitio Web
  • 54 Vistas Embebidas

Acciones

  • 0 Compartida
  • 2 Me Gusta
  • 0 Me Disgusta
  • 3 Comentarios

Compartir conteo

  • 0 Facebook
  • 0 Twitter
  • 0 LinkedIn
  • 0 Google+