EVOLUCION DE SISTEMAS DE SOPORTE DE DECISIN La

EVOLUCION DE SISTEMAS DE SOPORTE DE DECISIÓN

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

u 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

1970: advenimiento de almacenamiento en disco u Direct Access Storage Device (DASD) u El tiempo requerido para ir al registro n+1 era significativamente menor que el tiempo requerido para barrer una cinta u Nuevo tipo de software: Database management system (DBMS) u 1975: Acceso más rápido a los datos. u Online transaction processing (OLTP) u Reservas de pasajes, cajeros de bancos, etc u

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

Etapas evolutivas del entorno arquitecturado

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

Se volvió popular porque: u Puede mover datos sin conflictos en términos de performance cuando los datos deben ser analizados en masa. u Hay un corrimiento en el control de los datos. El usuario es el dueño de los datos y los controla.

La red araña 1) hay extracciones u 2) hay extracciones de las extracciones u 3) hay extracciones de las extracciones, …. u Problema: patrón fuera de control u

Problemas que surgen con las arquitecturas que evolucionan naturalmente u 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

No se logra la productividad

Sistema de Soporte a la Decisión (DSS) u 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.

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. . .

Integración de datos en el entorno arquitecturado u Tipos de datos: – Datos primitivos (DP) – Datos derivados (DD) u 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

Niveles de la arquitectura

Ejemplo

System Development Life Cycle (SDLC)

DW: Data Warehousing u Existen muchas definiciones para el DW, la más conocida fue propuesta por Inmon (considerado el padre de las Bases de Datos) en 1992: u "Un DW es una colección de datos orientados a temas, integrados, novolátiles y variante en el tiempo, organizados para soportar necesidades empresariales".

DW: Data Warehousing En 1993, Susan Osterfeldt publica una definición que sin duda acierta en la clave del DW: u "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". u

Patrones del empleo del hardware u u 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

Re-ingeniería de software u u 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

Monitoreo del entorno DW u El mantenimiento del ambiente DW implica: – Monitoreo de los datos residentes en el DW – Análisis del uso de los datos

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? )

Perfiles de datos que se crean: Un catálogo de todas las tablas en el almacén u Un perfil de los contenidos de dichas tablas u Un perfil de crecimiento de las tablas en el DW u Un catálogo de los índices disponibles para entrada a las tablas u Un catálogo de las tablas de resumen y las fuentes del resumen u

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