CAPITULO 4.

1
CAPITULO 4.

• ADMINISTRACION DE DATOS
• WAREHOUSING (ALMACEN), ACCESO
• Y VISUALIZACION

2
Contenido del Capítulo 4

• 4.1 Caso de estudio El Almacenaje de los datos y
  DSS en la Cooperativa de Salud De grupo
• 4.2 Warehousing (almacen), Acceso, Análisis y
  Visualización
• 4.3 La Naturaleza y Fuentes de Datos
• 4.4 Colecciones de datos y Problemas de los Datos
  
• 4.5 El Internet y los Servicios de bases de datos
  Comerciales
• 4.6 Sistemas de Administración de datos en DSS
• 4.7 Estructura y organización de Bases de Datos
• 4.8 Warehousing
• 4.9 OLAP Acceso y Minería de datos, Consulta, y
  Análisis
• 4.10 Visualización y Multidimensionamiento de
  datos
• 4.11 Bases de datos inteligentes y Minería de
  datos
• 4.12 El esquema completo

3
4.1 CASO DE ESTUDIO EL ALMACEN DE DATOS
(WAREHOUSING) Y DSS EN LA COOPERATIVA DE SALUD DE
GRUPO

• La Cooperativa de Salud de grupo es un HMO no
  lucrativo grande radicado en Seattle,
  Washington.
• Tiene hospitales, contratos con instituciones, y
  actua como aseguradora
• Mensualmente se procesa un flujo de 2 a 3
  millones de registros.
• Antes del uso de DSS, los costos estaban en
  aumento, los servicios eran ineficaces, y
  el uso de recursos y la calidad de los
  servicios eran malos.
• El desarrollo de un DSS permitiría que la toma de
  decisiones en base a datos sea efectiva y
  eficiente.
• La idea central fue crear un Warehouse (almacén
  de datos) que apoyaría al DSS.

4

• Este almacén de datos relaciona datos de costos,
  eficiencia en el uso de recursos, gastos, y
  estado de los servicios de salud en un extenso
  sistema de información corporativo.
• La información provino de aplicacionesexistentes
  (TPS) como registros clínicos, laboratorio y
  farmacia.
• El sistema fue iniciado en 1989 y constantemente
  es actualizado y mejorado.

5
Algunos reportes que genera el DSS

• Reportes de población organizados por clínica y
  por práctica
• Reportes de productividad
• Reportes de administración del aprovechamiento
• Reportes organizados por grupos consumidores y
  grupos que aportan recursos
• Reportes estadísticos, por grupos de edad ogénero
  

6
El almacén de los datos también se usa por
muchas aplicaciones DSS, EIS, y MIS para

• Bajar costos de los servicios a los pacientes
• Análisis de costos para contestar preguntas como
  en qué forma afecta la reducción de costos en
  un área afecta los costos en otras?
• Comparaciones de costos para negociar precios con
  socios de negocios.
• Contar con un extenso sistema de consulta
• Creación de un EIS para monitorear indicadores
  clave como costo por paciente diario en un
  hospital

7
Algunos beneficios importantes

• El número de días de hospitalización fue reducido
  en 7 porciento al enviar pacientes a servicios
  ambulato- rios, resultando en millones de dólares
  de ahorro.
• Se cerró un contrato militar valorado en 1 billón
  de dólares, en un período de 5 años. La base
  de datos para este cliente se creó en 2 días
  debido a que se extrajo del almacén de datos
  existente.
• Cada Grupo de Clientes obtiene reportes a la
  medida.

8
4.2 ALMACENAMIENTO de DATOS (WAREHOUSING),
ACCESO, ANALISIS, Y VISUALlZACION

• En el caso de estudio la información necesaria
  era dificil de accesar debido a que estaba en
  diferentes configuraciones de software y
  hardware.
• Con una base de datos centralizada que
  recolectaba información de las
  diferentes fuentes y la organizaba, se
  facilitó su acceso por las aplicaciones DSS y
  EIS.
• La actualización, recuperación, uso, y borrado de
  esta información llega a ser muy
  complicado mientras la cantidad
  aumenta.
• La carga excesiva de información está amenazando
  con ahogar a las organizaciones.
• Una solución al problema se encuentra en el
  concepto de almacenaje de datos
  (Warehousing) y los temas relacionados de acceso
  de los datos y minería de datos, procesamiento
  analítico en línea (OLAP), y visualización de
  datos.

9
Relación entre los conceptos de Almacenaje de
Datos (Warehousing) y Procesamiento
Analítico en Línea (OLAP)
10
4.3 LA NATURALEZA Y FUENTES DE LOS DATOS

• Todos los sistemas para la toma de decisiones
  usan
• Datos. Elementos de datos acerca de cosas,
  eventos, actividades, y transacciones no
  organizados para comunicar algo específico.
• Información. Son datos que han sido organizados
  de manera que tiene un significado para el que la
  recibe. El receptor interpreta el
  significado y saca deducciones y conclusiones.
• Conocimiento. Elementos de datos que son
  organizados y procesados para llevar a un
  entendimiento, experiencia, aprendizaje
  acumulado, y especialización aplicados a un
  problema o actividad.

11

• Los datos DSS pueden incluir documentos,
  imágenes, mapas, sonido, animaciones,
  conceptos, pensamientos, opiniones.
• DSS usan información resumida o extraída que
  proviene de tres fuentes principales
• Interna. Propia de la organización (personas,
  productos, servicios y procesos, disponible a
  través de su sistema de red.
• Externa.Cámaras de comercio, internet, gobierno,
  bancos, instituciones de investigación. Hay una
  sobrecarga de información externa. Debe ser
  tomada en cuenta para asegurar que no se omitió
  información importante.
• Personal. Empleados pueden contribuir con su
  experiencia aportando estimaciones subjetivas
  de ventas, opiniones acerca de lo que los
  competidores.

12
4.4 RECOLECCION Y PROBLEMAS CON LOS DATOS

• Métodos para Coleccionar Datos Crudos (Raw Data)
• Manualmente
• Observaciones,
• Encuestas,
• Entrevistas a expertos
• Por instrumentos y sensores.
• El uso de sensores y escáneres ha ido en
  aumento

13
Problemas con los Datos
Problema Datos Incorrectos
Causa Típica Info. bruta no se capturó
apropiadamente. Los datos fueron genera-dos
con negligencia
Posible Solución Desarrollar un métodos sistemá-
tico para asegurar la exactitud de los
datos. Cada vez que la información es
entregada, monitorear cuidado- samente sus
valores y como fue generada.
El método para generar información no es lo
suficientemente rápido
Modificar el sistema que genera los
datos.
Información tardía
Los datos brutos son acu-mulados de acuerdo a
una lógica o periodicidad que no es
consistente a los propósitos del análisis
Modificar el sistema que genera los
datos.
Información no limitada o sin
indexar adecuada-mente
Un modelo contiene tantos coheficientes que es
dificil de desarrollar y mantener.
14
Problemas con los Datos
Problema Los datos necesarios no
existen
Causa Típica Nadie registró la
información que se necesita ahora La
información requerida nunca
existió
Posible Solución Sea o no sea útil, registrar
información para uso futuro. Esto puede
considerar-se poco práctico por el costo de
guardar y mantener datos. Pero facilitará
encontrar datos cuando se necesite. Hacer un
esfuerzo para generar datos o estimarlos por si
son necesarios en el futuro.
15
4.9 OLAP ACCESO A DATOS Y MINERIA, QUERYING Y
ANALISIS

• Por años la IT se concentraban en construcciones
  de sistemas de misión crítica (sistemas
  transaccionales), debían de ser virtualmente
  tolerante a fallas y de respuesta rápida (OLTP)
  desarrollados sobre ambientes de bases de datos
  relacionadas distribuídas. Sobre una arquitectura
  CLIENTE/SERVIDOR, un ejemplo INFORMIX-OnLIne

• OLAP (online analytical processing) refiere al
  DSS y EIS hacerlo sobre sistemas online de
  end-users, aquí los datos voluminosos son
  procesados tan pronto como son introducidos.OLAP
  es ejecutado por usuarios finales, y el OLTP es
  hecho por IS prefesionales,OLAP incluye
  actividades de generación de queries, respuesta
  de reportes AD HOC , estadísticas, análisis y
  construyen aplicaciones multimedia

16
4.9 OLAP ACCESO A DATOS Y MINERIA, QUERYING Y
ANALISIS

• Para facilitar OLAP se requiere trabajar con
  data warehouse o warehouse multidimensionales con
  un set de herramientas con capacidades
  multidimensionales como
• Query tool
• Hojas de cálculo
• Data mining
• Visualización de datos

Compañias Lotus Development Corp, CA, Cognos,
Arbor Software, Information Resources, Comshare,
SAS Institute Inc, etc
17
4.9 OLAP ACCESO A DATOS Y MINERIA, QUERYING Y
ANALISIS

• Usando SQL
• SQL es el lenguaje de manejo de datos que esta
  llegando a ser el estándar para múltiples
  Sistemas Manejadores de Bases de Datos
  Relacionales
• SQL es usado para bases de datos de acceso
  online, operaciones DBMS de programas, funciones
  administrativas de bases de datos (algunos
  productos son ORACLE, DB2, Ingres, y Supra)
• SQL es no procedural y muy amigable, usuarios
  finales pueden usarlo para construír sus propios
  queries. Puede ser usado en todos los lenguajes
  de programación estándar.

18
4.9 OLAP ACCESO A DATOS Y MINERIA, QUERYING Y
ANALISIS

• Data Mining
• Es un témino utilizado para describir una
  poderosa tecnología con gran potencial para
  ayudar a las compañías a concentrarse en la
  información más importante de su data warehouse.
  La extracción de información oculta y predecible
  de grandes bases de datos
• Todas estas actividades son conducidas
  automáticamente y permiten descubrir los datos
  rápidamente incluso por no programadores

19
4.9 OLAP ACCESO A DATOS Y MINERIA, QUERYING Y
ANALISIS

• Data Mining Características y Objetivos
• Los datos se encuentran en algunas ocasiones
  enterrados en bases de datos grandes, los cuales
  pueden ser de muchos años atrás. Los datos están
  en data warehouse
• El ambiente de minería de datos se encuentra
  normalmente en arquitecturas cliente/servidor
• Nuevas y sofisticadas herramientas- incluyen
  avanzadas herramientas de visualización, las
  cuales ayudan a obtener información en grandes
  archivos de la empresa (por ejemplo archivos de
  texto almacenados en Lotus Notes o archivos de
  internet)

20
4.9 OLAP ACCESO A DATOS Y MINERIA, QUERYING Y
ANALISIS

• Data Mining Características y Objetivos
• La minería de datos ofrece a los usuarios
  finales, poder de obtención de datos con
  preguntas fáciles y simples y sin habilidades de
  programación.
• Las herramientas de data mining son fácilmente
  combinadas con otras, como hojas de cálculo
• En grandes cantidades de datos es necesario
  algunas veces utilizar procesamientos paralelos
  de data mining

21
4.9 OLAP ACCESO A DATOS Y MINERIA, QUERYING Y
ANALISIS
PROFUNDIDAD DE DATOS DE MICRO A MAINFRAME Y BACK
USER QUERY SHOW REVENUES FOR MARTH 1991 BY
SALASPERSON
NETWORK
SQL QUERY SELECT FROM SALES WHERE
DB2
1
2
3
REPORT
NETWORK
RESULTS MARIA 2,000 BETO 1,000
DB2
4
5
6
22
4.9 OLAP ACCESO A DATOS Y MINERIA, QUERYING Y
ANALISIS
EJEMPLO DE APLICACIONES DE MINERIA DE DATOS

• Marketing
• Banking
• Retaling and sales
• Manufacturing and production
• Brokerage and securities trading
• Insurance
• Computer hardware and software
• Goverment and defense
• Airlanes
• Health care
• Broadcasting
• Police

23
4.10 VISUALIZACION DE DATOS Y MUNTIDIMENSIONALIDAD

• OLAP implica no solo obtener y analizar datos e
  información, también la presentación al usuario

Visualización de datos Se refiere a la
tecnología que soporta la visualización de la
información imágenes digitales, GPS, GUI,
multidimensiones, tablas y gráficos, realidad
virtual, tercera dimensión y animaciones. Estas
tecnologías pueden ser integradas para crear
diferentes presentaciones de la información. La
visualización de datos es fácil de implementar
cuando los datos se encuentran en un data
warehouse, o mejor aun en servidores de
multimedia.
24
4.10 VISUALIZACION DE DATOS Y MUNTIDIMENSIONALIDAD
Multidimensionalidad Las tablas de hojas de
cálculo se encuentran en 2 dimensiones. Si uno
necesita presentar información con 3 o más
dimensiones se deben usar 2 tablas, o una tabla
compleja

• Presentaciones multidimensionales
• La totalización de datos puede se organizado de
  diferentes formas para análisis y presentaciones.
  Esto es llanado multidimensionalidad. Y los datos
  pueden ser vistos como se desee, los datos en un
  futuro pueden arreglarse fácil y rapidamente, se
  consideran tres factores
• Dimensiones (productos, vendedores, unidades de
  negocio, etc.)
• Medidas (pesos, volúmenes de venta, contadores,
  etc)
• Tiempo (diario, semanal, mensual)

25
4.10 VISUALIZACION DE DATOS Y MUNTIDIMENSIONALIDAD

• Limitaciones de presentaciones multidimensionales
  
• La base de datos multidimensionales pueden tomar
  40 más de espacio que la bases de datos
  relaciones totalizadas
• Los productos multidimensionales cuestan 50 mas
  que los productos estándar relacionales
• El tiempo y consumo de recursos del sistema es
  mayor, dependiendo del volúmen de datos y número
  de dimensiones
• Las interfaces y mantenimiento son más complejas
  que las base de datos relacionales
• La multidimensionalidad se encuentra en
  diferentes niveles de sofisticación, existen
  varios tipos de software y es muy popular sobre
  todo en sistemas de suporte de información
  ejecutiva.

26
4.11 BASE DE DATOS INTELIGENTES Y MINERIA DE DATOS

• Las aplicaciones MSS requieres de acceso a datos
• ES (Sistemas Expertos)
• ANN (Redes Neuronales Artificiales)
• Pueden hacer la manipulación de complejas bases
  de datos de una forma simple.
• A estas se le llama base de datos inteligentes.
• Su contribución consiste en hacerlo de acorde con
  el lenguaje natural

27
4.11 BASE DE DATOS INTELIGENTES Y MINERIA DE DATOS
Muestra base de datos inteligentes, un
significado, BD de integración en un ES
Usuario-final Dialogo de entrada
Base de datos Lógica Programa de Aplicación
Report
Pantalla
Database And DBMS
Engine de Interface
Base de datos Transaccionales
Reglas Base Almacenamiento
Data Model
28
4.11 BASE DE DATOS INTELIGENTES Y MINERIA DE DATOS

• Minería de base de datos inteligentes
• Algunas herramientas de minería de datos incluye
  sistemas inteligentes que soporta búsqueda
  inteligente
• Estas aplicaciones están llegando a ser el
  fundamento en las organizaciones para estrategias
  de negocio
• Las herramientas de minería de datos encuentran
  los patrones de los datos y sus reglas y pueden
  ser usados para guiar decisiones y pronosticar la
  efectividad de la decisión.
• El Data mining puede rápidamente analizar las
  variables más importantes
• Existen 5 tipos de información que puede ser
  obtenida por el data mining
• Asociación
• Secuencia
• Clasificación
• Agrupamiento
• pronóstico

29
4.11 BASE DE DATOS INTELIGENTES Y MINERIA DE DATOS

• Minería de base de datos inteligentes
• Los principales tipos de herramientas utilizan la
  minería de datos inteligentes en
• Razonamientos basados sobre casos
• Computación neuronal
• Agentes inteligentes
• Otras herramientas (árboles de decisión, roles de
  inducción y visualización de datos)

30
4.12 ESQUEMA GENERAL
Los datos para hacer decisiones vienen en una
gran variedad de fuentes, internos y externos,
debido a que los sistemas manejadores de bases de
datos es uno de los mas fuertes componentes de la
mayoría de los MSS, es importante familiarizarse
con los novedosos desarrollos en este campo. Las
organizaciones están ya reconociendo que sus
datos son oro molido. Consecuentemente ellos
están almacenando y minando datos de sus usuarios
para obtener información sobre ellos (a través de
variadas herramientas de análisis
multidimensionales y nuevas arquitecturas de
sistemas empresariales) y para estabilizar
relaciones que ellos desconocen previamente (a
través de minería de datos). Las herramientas
OLAP proveen la forma de analizar los datos para
identificar problemas y oportunidades.
31
4.12 ESQUEMA GENERAL
El apropiado uso de orientación de objetos para
análisis de sistemas, diseño e implementación
puede proveer una increíble oportunidad para
simplificar representaciones de sistemas, solo
con reutilización de código. A través de una gran
variedad de formato de datos, estos están siendo
disponibles en sistemas de bases de datos
multimedia. La web proporciona información
universal incluyendo más capacidades de
selección. Finalmente la construcción de métodos
de inteligencia artificial puede ser usada para
realzar la capacidad de análisis de datos en las
organizaciones
32
4.12 ESQUEMA GENERAL
El apropiado uso de orientación de objetos para
análisis de sistemas, diseño e implementación
puede proveer una increíble oportunidad para
simplificar representaciones de sistemas, solo
con reutilización de código. A través de una gran
variedad de formato de datos, estos están siendo
disponibles en sistemas de bases de datos
multimedia. La web proporciona información
universal incluyendo más capacidades de
selección. Finalmente la construcción de métodos
de inteligencia artificial puede ser usada para
realzar la capacidad de análisis de datos en las
organizaciones
33
4.12 ESQUEMA GENERAL
Puntos importantes de este capítulo

• Los datos existen de forma interna, externa y
  personal
• Los datos externos están disponibles en miles de
  bases de datos online comerciales, diccionarios,
  directorios y más
• Los datos para el MSS deben ser coleccionados
  frecuentemente en campos usando uno o varios
  métodos
• El MSS puede tener problemas de datos, tales como
  datos incorrectos, datos fuera de tiempo,
  mediciones pobres e indexación de datos, también
  demasiados o ningún dato.
• Las grandes bases de datos online como CompuServe
  y Dow Jones Information Server pueden ser las
  mejores fuentes de datos para los MSS

34
4.12 ESQUEMA GENERAL
Puntos importantes de este capítulo

• El internet esta llegando a ser la mayor fuente
  de datos externos para los MSS
• Las intranet proveen datos internos para los MSS
• Las mejores base de datos tienen Web hook para
  habilitar selección directa via browser de la web
  sobre las estaciones de trabajo de los clientes.
• Los datos están organizados sobre arquitecturas
  relacionales, jerárquicas y de red. Muchos MSS
  prefieren el tipo relacional
• El SQL es un estándar significativo para bases de
  datos relacionales

35
4.12 ESQUEMA GENERAL
Puntos importantes de este capítulo

• Las bases de datos multimedia están llegando a
  ser con mucho, más importantes para las
  decisiones de toma de decisiones
• Hay una tendencia sobre MSS distribuidas vía red,
  especialmente sobre la WWW
• Los MSS distribuidos dan beneficios para PC y
  mainframes
• Muchos MSS se proveen sobre arquitecturas
  cliente/servidos
• En una arquitectura cliente/servidor , varias
  PCs o clientes estan conectadas a una misma base
  de datos, telecomunicaciones y otros proveedores
  de servicios.

36
4.12 ESQUEMA GENERAL
Puntos importantes de este capítulo

• Las bases de datos orientada a objeto son de
  fácil uso y de muy rápido acceso. Ellas son de
  gran ayuda con MSS distribuidos y complejas DSS.
• Los datos para los MSS son frecuentemente
  procesados y almacenados sobre data warehouse
  para dar accesibilidad
• OLAP (On Line Analitics Processing) tienen un set
  de herramientas para analizar datos rápidamente y
  se esta convirtiendo rápidamente en un factor
  importante para las aplicaciones de DSS
• La mineria de datos es el descubridor del
  conocimiento en las bases de datos. Esto es
  relacionado con el data warehouse y ayuda a dar
  más potencial de información a los
  administradores y explotar oportunidades de
  negocio.

37
4.12 ESQUEMA GENERAL
Puntos importantes de este capítulo

• Una enterprise-wide information system es un
  sistema de provee de comunicación a los
  empleados de la organización. Y da accesibilidad
  a cualquier dato o necesidad de información para
  cualquier empleado en cualquier parte del mundo.
• Las base de datos multidimensionales permiten a
  los usuarios ver datos rápidamente en diferentes
  dimensiones, aún si los datos se encuentran en
  diferentes campos o bases de datos.
• Uno de los objetivos más críticos para hacer
  decisiones inteligentes es que los usuarios
  puedan encontrar información más rápidamente y
  por ellos mismos.