DATA WAREHOUSE & DATAMARTS

Texto completo

(1)

& DATAMARTS

DATA WAREHOUSE

Diplomatura en enfoques integrados de inteligencia de negocios: Gestión y tecnologías.

Universidad Eafit

Módulo: Data Warehouse & Datamart

Candidato a Magister en Ciencias Estadísticas - Gustavo Valencia Z

Presentación:

La habilidad de las compañías para tomar decisiones correctas más rápidamente, se convierte en un imperativo para el éxito de los negocios en el entorno cambiante y competitivo; para ello, se requieren soluciones empresariales, tecnologías y metodologías que permitan convertir la información en conocimiento, tomar mejores decisiones y obtener excelentes resultados. El insumo de este tipo de proyectos es la información, la cual se consigue a través de procesos de extracción y transformación desde fuentes heterogéneas con el propósito de integración y análisis.

El término de Data Warehouse, también conocido como DWH, es relativamente nuevo en el contexto Colombiano a pesar de ser un concepto presente desde inicio de 1980s; este término define el componente relacionado al almacenamiento de información, orientado al análisis y toma de decisiones en los procesos de BI y KDD.

Objetivo:

En general, este curso contribuye al entendimiento de los conceptos básicos del componente Data Warehouse/Datamart; los elementos de arquitectura, modelamiento multidimensional y proceso metodológico de este componente serán revisados con el propósito de entender la importancia de las bodegas de datos en el proceso de BI.

La asignatura no exige otros cursos como prerrequisito ni sugiere conocimientos previos.

(2)

Temario del módulo:

Competencias especificas

El alumno comprenderá los conceptos más relevantes de componente Data Warehouse/Datamart en el proceso de Inteligencia de Negocio y será capaz de identificar sus elementos estratégicos, la arquitectura de TI y modelamiento multidimensional

El alumno tendrá un acercamiento inicial al componente tecnológico de las bodegas de datos que soportan directamente el componente analítico y posterior toma de decisiones.

El alumno será capaz de identificar los principales retos de TI en la elaboración de proyectos de BI

Bloque temático Tema Apartados

I. Motivación Tema 1. Contaminación por información

Información en exceso.

Tema 2. Del dato al saber Proceso de continuo entendimiento.

Tema 3. Hitos y personajes Bases de Datos

Inteligencia de Negocios II. El Rol de Ti en BI Tema 4. Conceptos de BI Componentes tecnológicos,

analíticos y estratégicos.

Tema 5. Arquitectura de BI Componentes de BI Tema 6. Retos de TI en BI

III. Diseño del modelo de datos

Tema 7. Conceptos básicos de DWH

Definición y tipos de arquitectura.

ETL y Metadata Tema 8. Construcción de un DWH Hardware y SGDB Tema 9. Salidas de un DHW Reportes, análisis

multidimensional, Data Mining y OLAP vs OLTP

Tema 10. Análisis Multidimensional

Esquema estrella y copo de nieve.

Cubos IV. Práctica Tema 11. Práctica Análisis

Multidimensional

Instructor:

Gustavo A Valencia Z www.gustavovalencia.com academics@gustavovalencia.com

Candidato a Magister en Ciencias Estadísticas Especialista en Estadística

Especialista en Gerencia para Ingenieros

GIAC Analista certificado en computación Forense Ingeniero Electrónico

(3)

Trayectoria del Instructor:

Sus estudios de maestría en Ciencias Estadísticas los ha realizado en la Universidad Nacional de Colombia, sede Medellín, donde actualmente está en la etapa de finalización y entrega del trabajo de grado titulado:

Modelo Estadístico para dosificación de escaneo de antivirus. Aplicación a un Sistema de Información Ba caria”.

Cuenta con ponencias internaciones en WORLDCOMP, (The World Congress in Computer Science, Computer Engineering, and Applied Computing), Las Vegas, USA; donde en conferencias de Minería de datos y Seguridad ha expuesto sus investigaciones aplicadas.

Cue ta o la ertifi a ió I ter a io al, GIAC Certified Forensic Analyst(GCFA) (A alista ertifi ado e computación forense) de Sans Institute, USA.

Es especialista en Estadística de la Universidad Nacional de Colombia, sede Medellín, con el trabajo de grado titulado: Creación de roles en un sistema de información Bancario por medio de análisis de conglomerado bietápico . Igualmente cuenta con estudios de especialización en Gerencia para Ingenieros de la U iversidad Po tifi ia Bolivaria a, Colo ia, o el artí ulo: La minería de datos como herramienta para la to a de decisio es estratégicas”.

Es Ingeniero Electrónico de la Universidad Pontificia Bolivariana (Colombia).

Durante los últimos 8 años ha asistido a múltiples entrenamientos y capacitaciones nacionales (Colombia) e internacionales (USA) relacionados con herramientas de minería de datos: IBM SPSS Modeler (Clementine) y SAS Enterprise Miner. Igualmente ha asistido a congresos y talleres internacionales rela io ados a i ería de datos, tal es el aso de The I ter atio al Co fere e o Data Mi i g ,

th I ter atio al Co fere e o “e urity a d Ma age e t , Predi tive A alyti s World y M Data Mi i g Co fere e “A“ . Durante los últimos 8 años ha asistido a múltiples cursos a nivel nacional (Colombia) relacionados a tópicos de Seguridad de TI y prevención del fraude, tales como: aseguramiento de bases de datos, sistemas operativos, computación forense entre otros.

Durante 7 años fue parte del equipo de Seguridad del Grupo Bancolombia, donde con técnicas de inteligencia analítica y minería de datos desarrolló modelos para incrementar la seguridad de la compañía, en tópicos como la prevención del fraude, control de riesgos, seguridad física y de TI, control de acceso lógico y aseguramiento de plataformas, aplicativos y bases de datos.

Actualmente hace parte del grupo de investigación en Estadística de la Universidad Nacional de Colombia, sede Medellín.

Ha sido docente de los cursos:

 Fundamentos de Inferencia Estadística, en el pregrado de Ingeniería en Telecomunicaciones e Ingeniería Informática de la Universidad Pontificia Bolivariana.

 Visualización de Información, en la especialización en Inteligencia de Negocios de la Universidad Pontificia Bolivariana y en la Diplomatura en Enfoques Integrados de Inteligencia de Negocios:

Gestión y Tecnologías de la Universidad Eafit.

 Minería de Datos, en la Diplomatura en Enfoques Integrados de Inteligencia de Negocios: Gestión y Tecnologías de la Universidad Eafit.

 Inteligencia de Negocios, en la especialización en Sistemas de Información de la de la Universidad Eafit.

(4)

Bibliografía:

A continuación se esbozan algunos de las referencias bibliográficas representativas, sin embargo, en el transcurso del módulo cada sesión detallada las referencias por temas. El compendio completo de las referencias puede ser consultado en el archivo Referencias Data Warehouse.pdf.

 Carlo Vecellis. Business Intelligence: Data Mining and Optimization for Decision Making. John Wiley

& Sons, 2009.

 Talph Kimball & Margv Ross. The Data Warehouse Toolkit. The Complete Guide to Dimensional Modeling. John Wiley & Sons, 2002.

 Larissa T. Moss & Shaku Atre. Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Application. Addison Wesley, 2003.

 R. Mosimann, P. Mosimann & M, Dussault. The Performance Manager: Estrategias probadas para Convertir la Información en una Mejora del Rendimiento del Negocio. Cognos Incorporate, 2007.

 Claudia Imhoff, Nicholas Galemmo & Jonathan G. Geiger. Mastering Data Warehouse Design.

Relational and Dimensional Techniques. Wiley Publishing 2004.

 Robert Wrembel & Christian Koncilia. Data Warehouses and OLAP. Concepts, Architectures and Solutions. IRM Press 2007.

 W. H. Inmon. Building the Data Warehouse. John Wiley & Sons, 2002

 Z. Michalewicz, M. Schmidt, M. Michalewicz & C. Chiriac. Adaptive Business Intelligence. Springer, 2008.

 Gert H.N. Laursen & J. Thorlund. Business Analytics for Managers: Taking Business Intelligence Beyond Reporting. John Wiley & Sons, 2010.

 Kevin E. Voges & Nigel Pope. Business Applications and Computational Intelligence. Ides Group Publishing, 2006.

 Olivia Parr Rud. Business Intelligence Success Factors: Tools for aligning your business in the global economy. John Wiley & Sons, 2009.

 Riccardo Mazza. Introduction to Information Visualization. Springer, 2009.

Sigmar-Olaf Tergan and Tanja Keller. Knowledge and Information Visualization: Searching for Synergies. Springer, 2005.

 Card, S. K., Mackinlay, J. D., & Shneiderman, B, 1999. Information visualization. In S. K Card, J. D.

Mackinlay, & B. Shneiderman (Eds.), Information visualization. Using vision to think (pp. 1-34). San Francisco: Morgan Kaufmann.

 C. Chen., W. Härdle,& A. Unwin. Handbook of Data Visualization. Springer, 2008.

(5)

 Shadan Malik. Enterprise Dashboards, Design and best practices for IT. John Wiley & Sons, Inc. 2005

 Stephen Few. Information Dashboard Design. O reilly. 6

 Pérez, L. Minería de datos: Técnicas y herramientas. Thomson, 2007.

 Fayyad U, Grinstein G & Wierse A. Information Visualization in Data Mining and Knowledge Discovery Morgan Kaufmann Series in Data Management Systems. Elsevier, 2002.

Figure

Actualización...

Referencias

Actualización...

Related subjects :