Datawarehouse

TIPOS DE APLICACIONES EN LAS QUE UTILIZAR

LAS TÉCNICAS DISPONIBLES SOBRE EL DW

• Data Warehouse y Sistemas de Marketing

• La aplicación de tecnologías de Data Warehouse supone un nuevo enfoque de
Marketing, haciendo uso del Marketing de Base de Datos. En efecto, un sistema
de Marketing Warehouse implica un marketing científico, analítico y experto,
basado en el conocimiento exhaustivo de clientes, productos, canales y
mercado.
• Este conocimiento se deriva de la disposición de toda la información necesaria,
tanto interna como externa, en un entorno de Data Warehouse, persiguiendo
con toda esta información, la optimización de las variables controladas del
Marketing Mix y el soporte a la predicción de las variables no controlables
(mediante técnicas de Data Mining). Basándose en el conocimiento exhaustivo
de los clientes se consigue un tratamiento personalizado de los mismos tanto
en el día a día (atención comercial) como en acciones de promoción
específicas.
Las áreas en las que se puede aplicar las tecnologías de Data Warehouse a
Marketing son, entre otras:
• Investigación Comercial
• Segmentación de mercados
• Identificación de necesidades no cubiertas y generación de nuevos productos,
o modificación de productos existentes
• Fijación de precios y descuentos
• Definición de la estrategia de canales de comercialización y distribución
• Definición de la estrategia de promoción y atención al cliente
• Relación con el cliente:
• Programación, realización y seguimiento de acciones comerciales
•Lanzamiento de nuevos productos
•Campañas de venta cruzada, vinculación, fidelización, etc.
•Apoyo al canal de venta con información cualificada
Data Warehouse y Análisis de Riesgo Financiero
El Data Warehouse aplicado al análisis de riesgos financieros ofrece capacidades avanzadas de
desarrollo de aplicaciones para dar soporte a las diversas actividades de gestión de riesgos. Es
posible desarrollar cualquier herramienta utilizando las funciones que incorpora la plataforma,
gracias a la potencionalidad estadística aplicada al riesgo de crédito.
Así se puede usar para llevar a cabo las siguientes funcionalidades:
• Para la gestión de la posición:
• Determinación de la posición, Cálculo de sensibilidades, Análisis what/if, Simulaciones,
Monitorización riesgos contra límites, etc.
• Para la medición del riesgo:
• Soporte metodología RiskMetrics (Metodología registrada de J.P. Morgan / Reuters),
Simulación de escenarios históricos, Modelos de covarianzas, Simulación de Montecarlo,
Modelos de valoración, Calibración modelos valoración, Análisis de rentabilidad,
Establecimiento y seguimiento. de límites, Desarrollo/modificación modelos, Stress testing,
etc.
 OLAP

Las herramientas OLAP (onLine Analitical Processing) tienen como

objetivo fundamental soportar las consultas “ad-hoc” de los usuarios
que analizan el negocio. Por lo general estos usuarios están
familiarizados con el uso de las hojas de cálculo, las herramientas
OLAP, básicamente realizan las mismas operaciones que podríamos
realizar con una hoja de cálculo pero además ofrecen:
• Trabajan con grandes volúmenes de datos.
• Están optimizados semánticamente para la manejar términos de
negocio (dimensiones geográficas, dimensiones de tiempo).
• Están combinados con capacidades de generación de informes.
• Trabajan con bases de datos dimensionales.
Se pueden considerar los sistemas OLAP
como pertenecientes a los sistemas de
información para ejecutivos (EIS) utilizados
para proporcionar al nivel estratégico e
información útil para la toma de decisiones.
• En un modelo de datos OLAP la información es
vista como cubos, los cuales consiste de
categorías descriptivas (dimensiones) y valores
cuantitativos (medidas). El modelo de dato
multidimensional simplica a los usuarios formular
consultas complejas , arreglar datos en un
reporte, cambiar de datos resumidos a datos
detallados y filtrar o rebanar los datos en
subconjuntos significativos.
• Ejemplo: Las dimensiones típicas de un cubo que
contenga información de ventas incluirían:
• Tiempo
• Región
• Producto
• Canal
• Organización
• Escenario (planeado o real)
Las medidas típicas incluirán:
• Ventas
• Unidades vendidas
• Numero de personas
• Ingresos y gastos
Entre las características principales de OLAP tenemos:

• Optimizadas hacia las consultas rapidas

• Incorporan un motor de cálculos para los analisis numéricos
• Se basan en un modelo de datos conceptual e intutitivo
• Permiten la visualización multidimensional de los datos
• Drill doww y drill up
• Pivotar las vistas
• Un cubo OLAP contendrá informacion de una
determinada variable que se desea analizar
(dimensión), proporcionando una vista logica de
los datos provistos por el sistema transaccional
hacia el DATAWAREHOUSE, esta vista esta
dispuesta según unas dimensiones y podrá
contener información calculada
A la información de un cubo puede acceder el ejecutivo
mediante “tablas dinámicas” en una hoja de calculo.
Los cubo representan o convierten datos planos que se
encuentran en filas o columnas, en una matriz de n
dimensiones. Los objetos mas importantes que se pueden
incluir en un cubo multidimensional son los siguientes:
• Indicadores: Cálculos que se efectúan sobre algún hecho,
perteneciente a la tabla de hechos, que están incluidos en
algún cubo multidimensional.
• Atributos: Campos o criterios de análisis, pertenecientes a
tablas de dimensiones, que se utilizaran para analizar los
indicadores dentro de un cubo multidimensional.
• Jerarquias: Representa una relación lógica entre dos o mas
atribustos pertenecientes a un cubo multidimensional,
siempre y cuando posean su correspondiente relación
padre e hijo.
Existen 3 formas de implementación:

MOLAP: OLAP Multidimensional:

El objetivo de estos sistemas es alamacenar físicamente
los datos en estructuras multidimensioanles de manera
que la representación externa y la interna coincidan. Los
datos origen y sus agregaciones están en una estructura
multidimensional. Presenta las siguientes ventajas:
• Provee excelente rendimiento y comprensión de datos
• Mejor tiempo de respuesta, depende de las agregaciones
• Estructura optimizada para maximizar las consultas
• Apropiado para cubos de rápida respuesta.
• ROLAP:OLAP Relacional:
En este modelo la información del cubo: sus datos, su agregación,
sumas, etc. , son almacenados en una base de datos relacional. No
se copia la BD original, solo se accede a las tablas origen.

Los datos de los cubos se deben calcular cada vez que se ejecuta
una consulta sobre ellos. Esto provoca que ROLAP no sea muy
eficiente en cuanto a la rapidez de repuesta ante las consultas de
los usuarios. Se utiliza para ahorrar espacio de almacnamiento en
grandes DB de baja frecuencia de consulta.
HOLAP: OLAP Hibrido:
Este modelo combina atributo de ROLAP Y MOLAP,
es decir las agregaciones se almacenan en una
estructura multidimensional y los detalles
permanecen en la BD original. Los cubos son mas
pequeños que MOLAP y mas rapidos qiue ROLAP
TAREA

• BILL IMON