Académique Documents
Professionnel Documents
Culture Documents
Por:
INFORME DE PASANTA
Ingeniero de Computacin
Por:
INFORME DE PASANTA
Ingeniero de Computacin
Resumen
ndice general
Resumen . iv
ndice general . v
ndice de figuras ix
Lista de abreviaturas x
Introduccin 1
1. DESCRIPCIN DE LA EMPRESA .. 2
3. MARCO TERICO 7
3.3. SQL . 14
4. MARCO TECNOLGICO . 17
4.1.2. Programacin 22
5. DESCRIPCIN DE LA SOLUCIN .. 24
5.4.2. Flujo de datos desde la tabla AT04 de la base de datos SIF hasta la tabla AT04
de la base de datos Prototipo 34
5.5. Elaboracin del cubo OLAP con Analysis Services mediante la herramienta
Business Intelligence Development Studio ... 35
vii
5.6. Elaboracin del paquete de flujo de datos con Integration Services mediante la
herramienta Business Intelligence Development Studio ... 38
5.7. Consulta . 39
6. PRUEBAS Y RESULTADOS 42
Conclusiones y recomendaciones . 44
Referencias 46
ndice de tablas
ndice de figuras
Figura 5.3: Montos Vencidos Totales para crditos discriminados por aplicativo
(filas) y estado de crdito (columnas), cuya situacin de crdito es Litigio (filtro)
.. 38
Figura 5.4: Montos Vencidos Totales para crditos discriminados por fecha de
liquidacin (filas) y naturaleza del cliente (columnas) 39
Figura 5.5: Cuotas Vencidas discriminadas para crditos por aplicativo (filas) y
situacin de crdito (columnas), cuya fecha de cierre est en el ao 2012 (filtro) 39
Lista de abreviaturas
Introduccin
DESCRIPCIN DE LA EMPRESA
Los servicios del rea de Consultora, a su vez, estn diseados para apoyar a los
clientes con la optimizacin y la implantacin de las tecnologas Microsoft. [4]
Los EM son los encargados de definir, el alcance de los proyectos, los planes de
ejecucin de los mismos y los presupuestos. Para esto, piden los recursos humanos
que consideren necesarios, definen los tipos de los contratos, establecen las rdenes
de trabajo, hacen previsiones de ingresos, entre otros. [4]
Los consultores son los encargados de la ejecucin de las tareas estipuladas para el
proyecto. Los mismos deben ejecutar las actividades tal y como fueron planeadas,
producir la documentacin adecuada, asegurarse constantemente de la calidad del
trabajo realizado, colaborar y trabajar de manera armoniosa con el equipo de
trabajo, contribuir a la satisfaccin del cliente y realizar las tareas administrativas
que les sean asignadas, tales como elaboracin de reportes de avance, entre otros. [3]
intermedia. En dicha base de datos intermedia se cargarn los datos del mes ms
reciente.
Debe haber, por ltimo, un proceso que, una vez que el mes ms reciente haya
terminado y los datos del mismo hayan sido transmitidos a SUDEBAN, lleve estos
datos a una base de datos histrica, a partir de la cual se generarn consultas
dinmicas y reportes de los histricos de la informacin financiera y contable.
CAPTULO 3
MARCO TERICO
Los datos sobre los cuales las tareas de inteligencia de negocios trabajan se
encuentran tpicamente en los DW. Sin embargo, esto no es necesariamente as. Una
definicin amplia de BI incluira elementos como integracin de integracin de
datos, calidad de datos, almacenamiento de datos, gerencia de datos, anlisis de
contenidos y otros. Sin embargo, es importante ver a la preparacin de los datos y al
uso de los datos como dos segmentos distintos, si bien relacionados ntimamente, de
la inteligencia de negocios. [5]
9
En la Figura 3.1, se muestra un ejemplo de un cubo con datos para crditos por
trimestre de liquidacin del crdito, estado del crdito y naturaleza del cliente. En
cada celda del mismo se tienen los datos de un trimestre, estado de crdito y
naturaleza de cliente especficos.
Cada elemento de una dimensin podra ser resumido utilizando una jerarqua, si
sus caractersticas lo permiten. Por ello, es posible la creacin de vistas jerrquicas
en los modelos multidimensionales. En primer lugar, la visualizacin roll-up, de
compactacin, mueve hacia arriba la jerarqua, agrupando en unidades ms
grandes a lo largo de una dimensin. [6] En la Figura 3.3, se muestra una
visualizacin roll-up que se desplaza desde trimestres hacia semestres. Por otra
parte, la visualizacin drill-down, de descomposicin, ofrece la operacin contraria,
proporcionando una vista ms fina. [6] En la Figura 3.4, se muestra una
visualizacin drill-down que se desplaza desde trimestres hacia meses.
cada hecho registrado. [6] Cada hecho contiene variables medidas y son asociadas
mediante punteros con las tablas de dimensin, que le dan un contexto.
Los esquemas en estrella estn diseados para optimizar la facilidad de uso por
parte de los usuarios y el desempeo de la obtencin de datos, minimizando el
nmero de tablas a combinar para llevar a cabo las operaciones.
3.3 SQL
SQL fue uno de los primeros lenguajes comerciales que reflejaron el modelo
relacional de Edgar F. Codd. [6] A pesar de no apegarse al modelo relacional descrito
por Codd, pas a ser el lenguaje de bases de datos ms utilizado. Si bien SQL es
descrito como, y es en gran medida, un lenguaje declarativo, es decir, que indica lo
que se va a realizar, pero no como lo va a hacer, tambin incluye elementos
procedurales.
especificada a travs del operador JOIN. Este operador define la manera en que dos
tablas estn relacionadas especificando las columnas de cada tabla a ser usadas
para la combinacin y los operadores lgicos a ser usados para la comparacin entre
los valores de dichas columnas. Por ejemplo, si en una tabla se tienen las claves de
todos los crditos asignados y sus estados y en otra las claves de todos los crditos
asignados y sus fechas de vencimiento, se puede realizar una consulta que muestre,
para cada crdito, su estado y su fecha de vencimiento, utilizando como atributo de
combinacin la clave del crdito.
MARCO TECNOLGICO
Otro elemento de un flujo de trabajo son las conexiones. Una conexin incluye la
informacin necesaria para la conexin a alguna fuente de datos particular, la cual
puede ser una base de datos, un archivo de texto plano, entre otros. Las tareas
pueden referirse a la conexin a travs de su nombre, dejando la posibilidad de que
los detalles de conexin sean cambiados o configurados a tiempo de ejecucin. En el
proyecto de pasanta se han creado conexiones a las distintas bases de datos y a
scripts contenidos en archivos de texto. [12]
Por ltimo, las variables son elementos referenciados por las tareas que pueden
ser utilizados para guardar resultados, tomar decisiones, etc. En el proyecto, se han
controlado, mediante las variables, el nmero de tuplas insertadas en las tablas al
momento de ejecucin del paquete. [12]
base de datos, entre otros. Adems, el mismo puede ser usado para crear nuevas
bases de datos, alterar cualquier base de datos existente agregando o modificando
tablas e ndices, o realizar anlisis de desempeo. El Explorador de Objetos incluye
ventanas de consulta, las cuales proveen una interfaz grfica para escribir y ejecutar
consultas.
SQL Server Management Studio fue de gran utilidad para la realizacin del
proyecto, ya que permite la edicin y creacin de scripts de SQL y la ejecucin de
consultas sobre las distintas tablas de manera muy sencilla.
4.1.2. Programacin
DESCRIPCIN DE LA SOLUCIN
Entre otras cosas, el BBVA Banco Provincial necesita poder disponer de datos
histricos relacionados con la informacin financiera y contable generada
mensualmente y generar informes que faciliten el archivamiento y la comprensin
de dichos datos. Para dicho fin, la parte del proyecto a desarrollar relacionada con
Inteligencia de Negocios debe recoger, compaginar y analizar datos transaccionales,
definir hechos y dimensiones y generar informes que hagan uso de dichos datos
agregados.
En primer lugar, es importante mencionar que las bases de datos origen utilizadas
constituyen un subconjunto de la totalidad de las bases de datos reales. Esto es
debido a que las bases de datos reales poseen una cantidad enorme de tablas y hacer
una solucin contemplando todas ellas se saldra ampliamente del alcance posible en
el tiempo de duracin de la pasanta. A continuacin se presenta una pequea
descripcin de las bases de datos utilizadas. Para informacin sobre las tablas que
conforman las bases de datos, los atributos de las tablas y los tipos de datos de los
atributos, ir al apndice A.
La base de datos SIF contiene los datos procesados desde la base de datos origen,
es decir, DBALEJANDRIA_STAGINGAREA. Est formada nicamente por una tabla
llamada AT04. En esta tabla se guardan los datos correspondientes a los crditos,
como fecha de cierre, nmero de crdito, estado de crdito, situacin del crdito,
cuotas vencidas, etc.
Los crditos, cuyos datos son descritos en el tomo 4, como se dijo en el captulo 2,
estn divididos en subconjuntos segn el tipo de operacin financiera que
28
Las tablas para las cuales se hace la insercin, los campos involucrados y sus
posibles valores se encuentran detallados en el apndice D.
Hacia el final del script, como ya se mencion, se realizan una actualizacin y una
eliminacin de registros en la tabla AT04. Las tablas involucradas fueron creadas,
pero solo a fin de que el script se ejecutase correctamente; no se hicieron realmente
tales actualizacin y eliminacin de registros en la tabla.
La tabla APLICATIVO contiene los cdigos de los aplicativos y sus nombres. Los
aplicativos son Sobregiros, Efectos, Factoring, Leasing, (Insercin
Aleatoria), Medios de Pago y Prestamos.
5.4.2. Flujo de datos desde la tabla AT04 de la base de datos SIF hasta la tabla
AT04 de la base de datos Prototipo
Por cuestiones de eficiencia, antes del flujo de datos entre las tablas AT04, se
eliminaron las restricciones de clave primaria y fornea y los ndices, para despus
restablecerlos y hacer el chequeo de los mismos despus de que los datos fuesen
35
copiados. Estas dos tareas se realizaron mediante dos scripts, llamados Creacion
Indices y Fks en At04.sql y Eliminacion Indices y Fks en At04.sql,
respectivamente. Los mismos se encuentran en el apndice F.
Adems, tambin antes del flujo de datos entre las tablas AT04 y mediante un
procedimiento llamado prc_ArreglarCierreLiquidacion, el cual se almacen en
la base de datos SIF y que no recibe parmetros de entrada, se actualizaron los
valores de los atributos Fecha_cierre_date y Fecha_liquidacion_date de la
tabla AT04 de la misma base de datos de acuerdo a los valores de los atributos
Fecha_Cierre y Fecha_liquidacion, respectivamente. Por ejemplo, si para un
registro el valor de Fecha_liquidacion es 19000101, entonces en
Fecha_liquidacion_date se coloca 1900-01-01 00:00:00.000. Es decir,
hace que los valores de las fechas de cierre y liquidacin como tipo de dato fecha se
correspondan con sus valores como tipo de dato entero.
El flujo de datos entre las tablas AT04 consiste simplemente en copiar los datos de
la tabla AT04 de SIF a la tabla AT04 de Prototipo. Los atributos son exactamente
los mismos en ambas tablas.
Despus del flujo de datos entre las tablas AT04, se ha de proceder a eliminar
todos los registros tanto de las tablas de las bases de datos
DBALEJANDRIA_STAGINGAREA y SIF, permaneciendo dichos datos nicamente en la
tabla AT04 de Prototipo, la cual viene a ser la base de datos histrica y sobre la
cual se elaborar el cubo OLAP.
5.5. Elaboracin del cubo OLAP con Analysis Services mediante la herramienta
Business Intelligence Development Studio
tomo 4. En el mismo se observa la tabla de hechos AT04 rodeada por las tablas de
dimensin DimTiempo, SB34_ESTADO_CREDITO, APLICATIVO,
SB35_SITUACION_CREDITO, TIPO_CARTERA y
SB76_NATURALEZA_CLIENTE, cada una con un conjunto de atributos y, en el
caso de DimTiempo, con una organizacin jerrquica de sus componentes.
En primer lugar, se configuraron las conexiones a las fuentes de datos. En este caso, la
fuente de datos es la base de datos Prototipo. En segundo lugar, se seleccionaron las
tablas de dimensin y la tabla de hechos de la Figura 5.2. En tercer lugar, se agregaron a la
tabla de dimensin dos atributos derivados. El clculo de los mismos se presenta en la Tabla
37
5.1. Esto se hizo para que los meses, los trimestres y los semestres de cada ao pudieran ser
identificados unvocamente, ya que la herramienta lo requiere para elaborar las jerarquas
de la dimensin.
En cuarto lugar, se configuraron las dimensiones del cubo, las cuales estn
basadas en las tablas de dimensin. Para el caso de la dimensin de tiempo, basada
en la tabla DimTiempo, se configuraron las dos jerarquas mostradas en la Figura
5.2, una mensual y la otra semanal.
Nombre Clculo
Despus de configurar el cubo, hay que desplegarlo. Una vez hecho esto, se
pueden obtener distintas visualizaciones del mismo, como se muestra en las Figuras
5.3, 5.4 y 5.5, a travs del explorador del cubo ofrecido por la herramienta.
38
Por ejemplo, en la Figura 5.4, se puede saber los montos vencidos totales para
personas jurdicas cuya fecha de vencimiento se encuentra en el mes de enero de
2010, etc.
5.6. Elaboracin del paquete de flujo de datos con Integration Services mediante la
herramienta Business Intelligence Development Studio
Figura 5.3: Montos Vencidos Totales para crditos discriminados por aplicativo (filas)
y estado de crdito (columnas), cuya situacin de crdito es Litigio (filtro)
Figura 5.4: Montos Vencidos Totales para crditos discriminados por fecha de
liquidacin (filas) y naturaleza del cliente (columnas)
Figura 5.5: Cuotas Vencidas discriminadas para crditos por aplicativo (filas) y
situacin de crdito (columnas), cuya fecha de cierre est en el ao 2012 (filtro)
5.7. Consulta
ejemplo, para la dimensin relativa al tiempo, se pueden ver los montos vencidos por
da, mes, trimestre, semana, etc.
Desde Excel 2010 tambin es posible acceder a los datos de un cubo creado en
Analysis Services. En la Figura 5.7 se muestra un reporte de los montos vencidos de
120 y 180 das y un ao discriminados por naturaleza del cliente y estado del
crdito.
PRUEBAS Y RESULTADOS
3500
3000
Tiempo de ejecucin (s)
2500
Tiempo total
2000
00Universo
1500 02Factoring
1000 Rep. del cubo
500
0
0 5000 10000 15000 20000 25000
FilasOrigen
Las filas insertadas en las tablas de origen se indican en el eje x y los tiempos de
ejecucin del paquete, en segundos, en el eje y. Tiempo total muestra el tiempo de
ejecucin del paquete completo. 00Universo muestra el tiempo de ejecucin del
script 00.Universo.sql, presentado en la seccin 5.3.1. 02Factoring muestra el
tiempo de ejecucin del script 02.Factoring.sql, presentado en la seccin 5.3.2.
Rep. del cubo muestra el tiempo de reprocesamiento del cubo con los nuevos
valores insertados.
43
Cabe acotar que parte del tiempo de ejecucin del paquete corresponde a la
ejecucin del procedimiento para crear registros directamente sobre la tabla AT04 de
SIF, presentado en la seccin 5.3.3, con valor 50000 para el parmetro @Filas. Al
insertarse siempre el mismo nmero de registros, el tiempo de ejecucin de este
procedimiento es constante para todas las corridas realizadas, con un valor
alrededor de los 30 segundos.
Conclusiones y recomendaciones
La extraccin de datos consisti en tomar los datos desde las bases de datos de
origen, siempre con conocimiento previo del significado que los mismos tendran una
vez colocados en la base de datos histrica. Los datos utilizados para simular este
proceso de extraccin son aleatorios y fueron generados a partir de unos pocos
registros de prueba suministrados por el banco.
En el procesamiento de los datos, los datos extrados desde las bases de datos
origen, en bruto, son ordenados, agrupados y, finalmente, convertidos en
informacin til para la base de datos histrica. Con base en las pruebas realizadas,
se observ que el procesamiento de los datos puede consumir mucho tiempo si el
nmero de registros a procesar es grande. Por lo tanto, se recomienda para el futuro
la optimizacin del acceso a los datos mediante la construccin de ndices y la
realizacin de pruebas en ambientes con caractersticas ms cercanas a aquellas en
las que la solucin va a ser implantada, en este caso los servidores del banco.
La carga de datos consisti en colocar los datos ya procesados desde las bases de
datos fuente en las bases de datos histricas. Debido a la suposicin de que las bases
de datos histricas son permanentes, es decir, que los datos contenidos en ellas no se
pueden ni modificar ni eliminar una vez son ingresados, no se implementaron
procesos de mantenimiento de datos en estas bases de datos histricas, sino
solamente de carga.
Por otra parte, los datos contenidos en el cubo OLAP configurado estn basados en
la informacin contenida en la base de datos histrica. Es precisamente sobre el cubo
OLAP que los usuarios finales van a realizar las visualizaciones de los datos
histricos y la generacin de reportes. Dichas visualizaciones y reportes se pueden
45
Referencias
9. Arshad Ali. 2012. Storage Modes in SQL Server Analysis Services. Disponible
en Internet: http://www.sql-server-performance.com/2009/ssas-storage-
modes/, consultado el 28 de abril de 2012.
13. Microsoft. 2012. Microsoft SQL Server 2008 Management Studio. Disponible
en Internet: http://www.microsoft.com/en-us/download/details.aspx?id=7593,
consultado el 29 de abril de 2012.
17. Exforsys Inc. 2007. The Benefits of Data Warehouses. Disponible en Internet:
http://www.exforsys.com/tutorials/data-warehousing/data-warehouses-
benefits.html, consultado el 26 de abril de 2012.
49
APNDICE A
A continuacin se presentan las tablas utilizadas junto con los atributos que
fueron utilizados efectivamente de las mismas y sus tipos de datos SQL
correspondientes. Todos los valores pueden ser null a menos que sean parte de la
clave primaria o se indique lo contrario.
APNDICE B
'00000 ','001 ','M','20060326','001 ',' ','N','00 ','000 ',' ',' ','000000000000000 ',
'2006-01-26-17.01.38.222234','VP37656 ','2006-01-26-17.12.15.442556',
'VP37656 ','LE2CM110')
'0108','0061','7','9','0100101923','VEB','2002-01-02','2002-04-19','2002-04-19','S',
('0108','0001','3','7','2300006572','00172866','23','2301','07','00000000 ',
'2012-04-30-21.32.58.050000')
('0108','0001','31','26','00055680','0-0378856 ','2008','00087858','02349543','N','N',
'2008-05-06','VEF','S',' ','0001-01-01','2008-06-15','2008-06-15',
'0001','37','01','00025006','N',' ','BOUY','2008-05-06-18.21.49.762794','A4C0300',
'2008-06-27-18.20.29.247599','A4C0650')
('0108','0001','31','26','00055680','F','D','VEF','00087858','0950','E','2007-09-24',
'2007-09-24-10.44.25.499396','VP34703','2008-09-30-18.21.24.871954','A4C6100')
' ','BZ7E','2006-04-05-11.27.38.763906','VH41101',
57
'2006-04-05-11.27.38.763906','VH41101')
('0108','0001','31','26','00055680','00081989','V','2007-09-24','9999-12-31',
'2007-09-24-10.58.57.674692','VP34703')
('0108','0001','31','26','00055680','00081989','V','2007-09-24','9999-12-31','P01','D10',
'P01','DP5','ZOV1','2007-09-24-11.13.43.125625','VP34703',
'2009-01-14-15.42.14.318140','VP41211')
'000 ','000000000 ','000 ','000000000 ','000 ','000000000 ','000 ','000000000 ','000 ',
'2002-08-08-17.43.13.930614','VP27165','2004-12-07-17.32.45.873701','VP27165')
'2012-05-01-01.22.24.469376','0000000 ','T1')
'1900-01-01','N64','1900-01-01',
' ','000000000000','0000','00',123)
60
('01080571','9600148012','6','8','01080571',' ','01080571','01080571','96','BE01',
'000000000554900','2012-01-12','2012-01-12','2012-01-12','2012-01-31','2012-01-31',
'2016-01-31','0','2012-03-31','000000000524679','000000000524679','2012-03-23',
'2012-03-31','2012-04-30','2012-04-30','2012-01-12','0001-01-01','0001-01-01',
'2012-03-31','2012-04-30','00','00','2012-03-23','2012-01-12','000000000000000',
'000000000000000','000000000000000','0000000','00003','N64',' ','00000001070',
'000000000000000','000000000000000','000000000000000','000000000000000',
'0001-01-01','0001-01-01','0001-01-01','P','L','N','N','N','001','031','000000000000000',
'000000000000000','S','N','F','2012-03-31','0108','3220','UB4CDI20','UB4CDI20',
'2012-04-30-23.56.18.482580','0000','000000','VEN','N','01080571',
'000000000000000','000000000000000','0001-01-01','0001-01-01','0001-01-01',
'000000000000000','000000000000000',' ','000000000000000','0001-01-01',
'0001-01-01','0001-01-01',' ','000000000000000','0001-01-01','0001-01-01',
'0001-01-01','0001-01-01','0001-01-01','000000000000000','000000000000000',
'000000000000000','0001-01-01','000000000000000',' ','0001-01-01','0001-01-01',
'0001-01-01','000000000000000')
62
APNDICE C
USE [SIF]
GO
GO
AS
BEGIN
BEGIN
BEGIN
END
SELECT @Seq2 = 0
END
END
GO
USE [SIF]
GO
GO
AS
BEGIN
BEGIN
BEGIN
END
END
SELECT @Cont = 0
BEGIN
BEGIN
END
SELECT @Seq2 = 0
END
END
GO
USE [SIF]
GO
GO
AS
BEGIN
BEGIN
BEGIN
INSERT INTO
DBALEJANDRIA_STAGINGAREA.dbo.TXT_UGDTMAE([ENTIOFI], [DIGICCC1],
[DIGICCC2], [CUENTA], [SITPRES], [FECSIT], [LIBRE_CAR5],
[SALREAL], [SALTEOR])
END
SELECT @Seq2 = 0
END
END
GO
USE [SIF]
GO
GO
AS
BEGIN
BEGIN
BEGIN
END
SELECT @Seq2 = 0
END
END
GO
USE [SIF]
GO
GO
AS
BEGIN
BEGIN
BEGIN
INSERT INTO
DBALEJANDRIA_STAGINGAREA.dbo.TXT_PEDT008([CLAVCTA], [CLASTIT])
END
SELECT @Seq2 = 0
END
END
GO
USE [SIF]
GO
GO
AS
BEGIN
BEGIN
BEGIN
END
SELECT @Seq2 = 0
END
END
GO
79
APNDICE D
APNDICE E
En este script, se hace en primer lugar la declaracin de una variable de tipo INT
llamada @FechaCierre, a la cual se le asigna el valor retornado por la funcin
fx_FechaCierre, almacenada en la base de datos SIF y que actualmente retorna
el valor 20120131, el cual se interpreta como la fecha 31 de enero de 2012. Despus
se pasa a la insercin de registros en la tabla AT04 de SIF, especficamente para los
campos Fecha_Cierre, IDAplicativo, Credito, Credito_18, Estado_credito
y Tipo_cartera, a partir de las tablas de la base de datos origen
DBALEJANDRIA_STAGINGAREA. Por ltimo, se realiza una actualizacin y una
eliminacin de registros sobre la tabla AT04.
Para este aplicativo, la tabla AT04 toma valores de la combinacin de las tablas
TXT_LRDTS02 y TXT_LRDTS21. La regla de combinacin es que los valores del
atributo CONTRATO sea igual en ambas tablas. CONTRATO es un atributo calculado
para ambas tablas y corresponde, para TXT_LRDTS02, a la concatenacin de los
atributos COD_BCO_CONTR, COD_AGEN_CONTR, CH_DIG1_CONTR, CH_DIG2_CONTR y
SEQ_CTA_CONTR, y para TXT_LRDTS21, a la concatenacin de los atributos
BCO_CONTR, AGEN_CONTR, DIG1_CONTR, DIG2_CONTR y SEQ_CTA_CONTR.
88
Para este aplicativo, la tabla AT04 toma valores de la combinacin de las tablas
TXT_FADTFAC, TXT_FADTCTR y TXT_FADTPRC. Las regla de combinacin son que la
concatenacin de los atributos FAC_NCONTRAT_ENT, FAC_NCONTRAT_CENT,
89
Para este aplicativo, la tabla AT04 toma valores de la combinacin de las tablas
TXT_BTMAX0 y TXT_PEDT008. Las reglas de combinacin son que la concatenacin
de los atributos ENTIDAD, CENTRO_ALTA y CUENTA de la tabla TXT_BTMAX0 sea
igual al atributo CLAVCTA de la tabla TXT_PEDT008 y que el atributo CLASTIT de la
tabla TXT_PEDT008 sea igual a T01.
Hacia el final del script, como ya se mencion, se realizan una actualizacin y una
eliminacin de registros en la tabla AT04.
E.2. 02.Factoring.sql
las tablas fueron creadas para que el script corriese correctamente, solamente se
realiz efectivamente la actualizacin de datos, en primer lugar, desde las tablas en
las que datos aleatorios fueron agregados y, en segundo lugar, con valores
constantes colocados en el script. Las tablas desde las cuales se realiz actualizacin
fueron dos de aquellas en las que se insertaron registros en el procedimiento de
insercin aleatoria para el aplicativo Factoring, explicado en la seccin 5.2.2., a
saber: TXT_FADTCTR y TXT_FADTFAC. Adems, solamente se aceptan para la
insercin registros combinados para los cuales el valor de IDAplicativo sea igual a
26, nmero que representa al aplicativo Factoring. A continuacin se presentan las
reglas de combinacin para dichas tablas y AT04:
Los atributos de la tabla AT04 que se actualizan desde las tablas TXT_FADTCTR y
TXT_FADTFAC son los siguientes:
E.3. Procedimiento para crear registros directamente sobre la tabla AT04 de SIF
98
E.4. 15.Post-ComunesDefaults.sql
fueron considerados en todos los scripts de insercin aleatoria y forman parte del
cubo OLAP a construir:
APNDICE F
USE [Prototipo]
GO
GO
GO
GO
GO
GO
GO
GO
GO
GO
GO
GO
103
GO
GO
GO
GO
GO
[IDAplicativo] ASC
GO
104
[Credito_18] ASC
GO
[Estado_credito] ASC
GO
[Tipo_Cartera] ASC
GO
[Tipo_credito] ASC
GO
105
[Credito] ASC
GO
USE [Prototipo]
GO
GO
GO
GO
GO
GO
GO
GO
107
GO
GO
GO
GO
GO
108
GO
GO
109
APNDICE G
VENTAJAS Y DESVENTAJAS DE UN DW