EVOLUCION DE SISTEMAS DE SOPORTE DE DECISI

1
EVOLUCION DE SISTEMAS DE SOPORTE DE DECISIÓN
2
La evolución

• 1960 creación de aplicaciones individuales-
  Fortran, COBOL Tarjetas perforadas.
• Cintas magnéticas único medio para almacenar
  grandes volúmenes de datos, pero de acceso
  secuencial.
• 1965 crecimiento del uso de archivos master y de
  cintas magnéticas. Gran cantidad de datos
  redundantes.

3

• Problemas
• Necesidad de sincronizar datos por actualización
• Complejidad de mantenimiento de programas
• Complejidad de desarrollo de nuevos programas
• Necesidad de gran cantidad de hardware para
  soportar todos los archivos master

4

• 1970 advenimiento de almacenamiento en disco
• Direct Access Storage Device (DASD)
• El tiempo requerido para ir al registro n1 era
  significativamente menor que el tiempo requerido
  para barrer una cinta
• Nuevo tipo de software Database management
  system (DBMS)
• 1975Acceso más rápido a los datos.
• Online transaction processing (OLTP)
• Reservas de pasajes, cajeros de bancos, etc

5

• 1980 PCs y fourth generation languages (4GLs)
• El usuario podía controlar datos y sistemas en
  forma directa
• Se podía implementar un Management Information
  System (MIS)
• Paradigma de una base de datos única

6
Etapas evolutivas del entorno arquitecturado
7
Programa de extracción

• Es el programa mas simple
• Recorre un archivo o base de datos
• Usa criterios para seleccionar datos
• Transporta los datos a otro archivo o base de
  datos

8
Se volvió popular porque

• Puede mover datos sin conflictos en términos de
  performance cuando los datos deben ser analizados
  en masa.
• Hay un corrimiento en el control de los datos. El
  usuario es el dueño de los datos y los controla.

9
La red araña

• 1) hay extracciones
• 2) hay extracciones de las extracciones
• 3) hay extracciones de las extracciones de las
  extracciones, .
• Problema patrón fuera de control

10
Problemas que surgen con las arquitecturas que
evolucionan naturalmente

• Desafíos
• Falta de credibilidad de los datos
• Reconciliar la info de los distintos
  departamentos es difícil
• Productividad
• Cuando se usa la red araña, la info es costosa en
  el acceso y lleva mucho tiempo para crearla
• Carencia de habilidad para transformar datos en
  información

11
No se logra la productividad
12
Sistema de Soporte a la Decisión (DSS)

• Un DSS es una herramienta de Business
  Intelligence que permite realizar el análisis de
  las diferentes variables de negocio para apoyar
  una decisión
• Permite extraer y manipular información de una
  manera flexible
• Ayuda en decisiones no estructuradas
• Permite al usuario definir, interactivamente, qué
  información necesita, y cómo combinarla.

13
Sistema de Soporte a la Decisión (DSS)

• Suele incluir herramientas de simulación,
  modelización, etc.
• Puede combinar información de los sistemas
  transaccionales internos con otra externa a la
  empresa.
• Su principal característica es la capacidad de
  análisis multidimensional que permite
  profundizar en la información hasta llegar al
  nivel de detalle, analizar datos desde diferentes
  perspectivas, realizar proyecciones de
  información para pronosticar lo que puede ocurrir
  en el futuro, análisis de tendencias, análisis
  prospectivo, etc...

14
Integración de datos en el entorno arquitecturado

• Tipos de datos
• Datos primitivos (DP)
• Datos derivados (DD)
• Diferencias
• DP son datos detallados sobre la operación diaria
  de la compañía. DD han sido resumidos o
  calculados
• DP pueden ser actualizados. DD pueden ser
  recalculados.
• DP son los datos operacionales. DD son los
  resultados del DSS

15
Niveles de la arquitectura
16
Ejemplo
17
System Development Life Cycle (SDLC)
18
DW Data Warehousing

• Existen muchas definiciones para el DW, la más
  conocida fue propuesta por Inmon (considerado el
  padre de las Bases de Datos) en 1992
• "Un DW es una colección de datos orientados a
  temas, integrados, no-volátiles y variante en el
  tiempo, organizados para soportar necesidades
  empresariales".

19
DW Data Warehousing

• En 1993, Susan Osterfeldt publica una definición
  que sin duda acierta en la clave del DW
• "Yo considero al DW como algo que provee dos
  beneficios empresariales reales Integración y
  Acceso de datos. DW elimina una gran cantidad de
  datos inútiles y no deseados, como también el
  procesamiento desde el ambiente operacional
  clásico".

20
Patrones del empleo del hardware

• Esta diferencia fundamental muestra por qué la
  mezcla de los dos entornos en la misma máquina y
  al mismo tiempo no funciona.
• Se puede optimizar o bien para el procesamiento
  operacional, o bien para el procesamiento de data
  warehouse

21
Re-ingeniería de software

• La remoción de volúmenes masivos de datos tiene
  un efecto beneficioso pues hace el entorno de
  producción mucho más maleable (fácil de corregir,
  reestructurar, monitorear e indexar)
• En una re-ingeniería, el único paso más
  importante es ir al entorno de DW

22
Monitoreo del entorno DW

• El mantenimiento del ambiente DW implica
• Monitoreo de los datos residentes en el DW
• Análisis del uso de los datos

23
Monitoreo del entorno DW

• Resultados importantes
• Identificar el crecimiento (Dónde? Cuál? A qué
  velocidad?)
• Identificar los datos que se usan
• Calcular el tiempo de respuesta que tiene el
  usuario final
• Determinar quiénes usan el DW (Cuánto y cuándo la
  usan?)

24
Perfiles de datos que se crean

• Un catálogo de todas las tablas en el almacén
• Un perfil de los contenidos de dichas tablas
• Un perfil de crecimiento de las tablas en el DW
• Un catálogo de los índices disponibles para
  entrada a las tablas
• Un catálogo de las tablas de resumen y las
  fuentes del resumen

25
Conclusión

• Si no se monitorea el uso de los datos, no hay
  más remedio que en forma continua comprar nuevos
  recursos computacionales.
• Cuando se logra monitorear la actividad y el uso
  de los datos, se puede determinar qué datos no
  son usados.
• Es posible, o lógico, mover los datos no usados a
  medios menos caros.