OCTAVIO J. SALCEDO PARRA, RITA MILENA GALEANO, LUIS G. RODRIGUEZ B.

METODOLOGA CRISP PARA LA IMPLEMENTACIN DATA WAREHOUSE

Ternura, vol. 14, nm. 26, enero-junio, 2010, pp. 35-48,
Universidad Distrital Francisco Jos de Caldas
Colombia

Metodologa crisp para la implementacin
Data Warehouse
Methodology crisp for data warehouse implementation

Resumen

En la actualidad la generacin de informes claros, y ante todo veraces,
con base en la informacin de las empresas, es un elemento fundamental
en la toma de decisiones.Debido a esta necesidad Data warehouse como
recurso esencial para sus procesos, cimentado primordialmente bajo la
filosofa OLAP y el cual utiliza el concepto EIS y DSS para la realizacin de
los informes . Definicin del data warehouse como un sistema integrado.
La tendencia hacia la que apunta la inteligencia de negocios es la
divulgacin de la informacin, tanto a nivel general como al que lo
necesite desde diferentes dimensiones y niveles asociados, para lograr
informes directamente detallados en la toma de decisiones como objetivo
de los data warehouse .
Para llevar a cabo los procesos es necesario disponer una metodologa
adecuada los cuales constituyan los cimientos para obtencin de
excelentes resultados.


1. Introduccin
Uno de los principales fines de la computacin desde sus orgenes ha sido
presentar una herramienta de apoyo al hombre de tal forma que su
trabajo disminuya haciendo las cosas ms fciles de llevar, llevando
consigo innovacin y evolucin tecnolgica.
La tendencia futura del manejo de informacin est orientada y
focalizada principalmente a la inteligencia de negocios, que
anteriormente muy poco trataban de eso. Cabe rescatar que el xito de
la inteligencia de negocios, especficamente en los Data warehouse
como procesos y no como productos reside sobre la metodologa
implementada y las tcnicas aplicadas para la realizacin del proyecto.
2. Generalidades.
Hoy en da las organizaciones orientan sus mayores esfuerzos de sus
ingresos, para lograr un mayor rendimiento se debe realizar una serie de
procesos estratgicos que involucren las variables de la empresa y su
entorno.
Los Data warehouse pueden estar compuestos por Data Marts, son una
particularizacin de las bodegas de datos, que heredan de las mismas
caractersticas de los data warehouse cuyo enfoque es sobre las reas o
mdulos especficos de la empresa, los Data Marts influye en el manejo
de un control ms adecuado de los datos bajo la filosofa OLAP (On-Line
Analitycal Processing) que a su vez usa estructuras multidimensionales.

3. Conceptos Asociados
La importancia que ha adquirido la tenencia de la informacin como
recurso potencial de las empresas .como herramientas claves para atacar
problemas, brindar soluciones y realizar proyecciones para ofrecer una
mejor gestin.
Data warehouse nace como tentativa a la construccin de un nuevo
concepto tecnolgico y herramienta competitiva para disear nuevas
alternativas de negocio.
W.H.Inmon, considerado el padre de la bodega de datos en el 92, define
los data warehouse como: un sistema orientado al usuario final, integrado,
con variaciones de tiempo y sobre todo una coleccin de datos como
soporte al proceso de toma de decisiones
Ralph Kimball, lo define como una copia de datos de la transaccin
estructurados especficamente para preguntar y divulgar.

Con-ciencias
Este proceso puede ser visto de dos
formas, una global que aplicara a
Data warehouse, y una parcial que
vendra a estar representada por
los Data Marts donde seria los
ltimos que realizaran funciones
especficas, coordinadas y
correlacionadas para conformar el
todo o el sistema data warehouse.
Segn Ralph Kimball, una Data Mart es: un subconjunto lgico del Data
warehouse completo. A esta definicin la global comunicacin agrega en
enero de1999 es un almacn de datos diseado para dar soporte a un
departamento o unidad de negocio.
Para cumplir con los objetivos, la tecnologa Data warehouse es utilizada
por la ventaja de tiempo de respuesta a la hora de realizar consultas
utiliza una serie de mecanismos para proporcionar los beneficios ante
mencionados. Est sustentada principalmente en dos grandes sistemas .
Sistema tcnico operacional. Encargado de las tareas principales de la
empresa.
Sistema de soporte de decisiones. Su fin principal est orientado hacia un
planeamiento, previsin y administracin de la organizacin donde se
encuentra reflejado el proceso Data Warehouse.
3.1 Particularizacin de las necesidades del cliente
Se enfoca directamente en los datos propios

3.2 unificacin
Independiente de las diferentes formas en la que se encuentran
almacenados los datos en la BD origen. Al ser llevado al DW por medio del
proceso de transformacin.
3.3 De tiempo variable
Pueden manejar una lnea de tiempo que oscila aproximadamente entre
cinco y diez aos y dichos datos no pueden ser alterados una vez alojados
en el DW
3.4 no voltil
Estabilidad y persistencia de datos y la conservacin en el tiempo es lo que
precisa la robustez del Data warehouse.







4. Metodologa
CRISP-DM (Cross-Industry Standard Processfor Data Mining).la metodologa
CRISP es una de las principales metodologas por seguir por los analistasen
la inteligencia de negocios, donde se puede rescatarprimordialmente
Data Warehousey Data Mining
La metodologa CRISP est sustentada en estndares internacionales que
reflejan la robustez de sus procesos y que facilitan la unificacin.
Ademsde ello, esta tecnologa interrelaciona lasdiferentesfases del
proceso entre s, de tal maneraquese consolida un proceso iterativo y
recproco.Otroaspecto fundamental de esta tecnologa es
queesplanteada como una metodologa imparcial oneutrarespecto a la
herramienta que se utilice.







El ciclo de vida del proyecto segn la metodologa CRISP est basado en
seis faces cambiantes entre s y nunca terminantes, lo cual lo postula
como unciclo en constante movimiento.

4.1 Comprensin del negocio
Esta fase subdivide las siguientes categoras:
Definicin de los objetivos de negocio
Evaluacin de la situacin
Definicin de los objetivos del data warehouse
Realizacin del plan del proyecto

4.2 Comprensin de los datos
Recoleccin inicial de datos
Descubrimiento de los datos
Exploracin de los datos
Verificacin de calidad de datos

4.3 Preparacin de datos
Seleccin de datos
Depuracin de los datos
Estructuracin de los datos
Integracin de los datos
Formato de datos
4.4 Modelado
Seleccin de la tcnica de modelado
Generar el plan de pruebas
Construccin del modelo
Evaluacin del modelo
4.5 Evaluacin
Evaluar resultados
Proceso de revisin
Determinacin de los pasos siguientes
4.6 Despliegue o divulgacin
Plan de divulgacin o implementacin
Plan de monitoreo y mantenimiento
Presentacin del informe final
Con-ciencias











5. Resultados
5.1 Lenguajes de consulta inductivos
Son consultas que se proyectan hasta los lmites de bsqueda de
patrones, los cuales ceden a los usuarios los privilegios de restringir la
bsqueda inductiva.



Para alimentar el modelo es necesario utilizar la clusula
INSERTITINTO, utilizada comnmente en base de datos.


Con-ciencias








5.2 Lgica Difusa
Esclarecer el anlisis de los datos seguido de los modelos que la
lgica borrosa incorpora. The Fuzzy Logic se agrega como una de las
herramientas ms utilizadas, tanto en el campo de la inteligencia de
negocios, como el reconocimiento de patrones, Data Mining, estadstica
aplicada, segmentacin clientes y otros campos.
5.2.3 Modelo Matemtico
Sea u el conjunto, posiblemente infinito, de todas las preposiciones.
Sean p, q,r,s. sus elementos; es decir proposiciones atmicas
En lgica clsica presuponemos una aplicacin v del conjunto U en
el conjunto (0,1), de tal manera que v(p) =Ocupando p es falsa y v(p)=1
cuando p es verdadera .
P=q si v(p)=v(q)
En la teora axiomtica de la probabilidad definimos los espacios de
probabilidades por tres factores:
Conjunto no vacio de resultados (0) , conjunto de sucesos o eventos
como parte de w(a) y una funcin (p) en el intervalo [0,1], que verifica:





(v) y falso (f) para cualquier predicado. Por ejemplo
V = (Bx; x es B) F= (Bx; x no es B)


















Conclusiones
La bodega de datos es una herramienta muy necesaria y muy ventajosa
para las empresas con respecto a la toma de decisiones, adems
representan un instrumento para ayudar a optimizar el costo/beneficio y
obtener la mayor productividad no solo en trminos econmicos si no
financieros, humanos ,culturales y en general todo los que abarquen en el
proceso empresarial.