Data_Warehouse 2011-I - ALUMNOS FISI-UNMSM

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA
Escuela Académico Profesional de Ingeniería de Sistemas SYLLABO 1. ESPECIFICACIONES GENERALES Nombre del Curso : Data Warehouse
Código del Curso : 201203M
Duración del Curso : 16 Semanas
Forma de Dictado : Teórico-Práctico- Experimental
Horas Semanales : 4
Naturaleza : Formación profesional
Número de Créditos : 2
Prerrequisitos : 205001 Base de Datos
Semestre Académico : 2011 - I
2. SUMILLA (Resumen) Desde su aparición, a mediados de los años '70, las bases de datos (y la
teoría sobre bases de datos) no se han detenido. Las primeras versiones de
las bases de datos se centraron alrededor de un único repositorio sirviendo
a todos los propósitos orientados al procesamiento de la información (desde
el transaccional, pasando por el procesamiento batch, hasta lo analítico).
En la mayoría de los casos, el principal foco de las primeras bases de
datos fueron los sistemas operacionales o transaccionales. En las últimas
décadas, ha surgido una noción más sofisticada de las bases de datos. Por
un lado, el objetivo de servir a las necesidades operacionales, y por otro,
cubrir las necesidades analíticas de la información.
El mercado de Data Warehousing consiste de herramientas, tecnologías y
metodologías que permiten la construcción, uso, manejo y mantenimiento del
hardware y software usado tanto para un data warehouse como para los datos
en sí mismos. Las encuestas y la realidad marcan que los proyectos de Data
Warehousing (o asociados al concepto de Data Warehouse) son las mayores
iniciativas después de finalizado los esfuerzos de Y2K. 3. OBJETIVO GENERAL Define, desarrolla e implementa soluciones de Inteligencia de Negocio
basadas en Data Warehousing para apoyar el proceso de toma de decisiones,
así como soluciones de gestión de conocimiento para la representación
correcta del conocimiento organizacional; introduciendo nuevas tecnologías
de gestión de base de datos basadas en nuevas formas avanzadas de
representación e integración de información en las organizaciones. OBJETIVOS ESPECÍFICOS a) Introduce la importancia y evolución de las soluciones de inteligencia
de negocio, minería de datos y de gestión de conocimiento en las
organizaciones, así como introduce propuestas modernas relacionadas al
avance tecnológico en esta área.
b) Define los conceptos, características, y componentes esenciales de las
soluciones de Inteligencia de Negocio basadas en Data Warehouse (DW).
c) Introduce las principales propuestas Metodológicas para la definición
e implementación de un Data Warehouse, basadas en el ciclo de vida del
DW.
d) Establece los fundamentos para la planificación de un proyecto de
inteligencia de negocio y la definición de los requerimientos del
negocio: consultas ejecutivas, indicadores, tableros de mando o
comportamientos ocultos.
e) Define y construye Modelos Lógicos de Datos Multidimensionales para
representar los temas de interés del negocio, siguiendo técnicas y
convenciones de modelamiento.
f) Diseña e implementa el esquema físico del DW en el servidor, e
introduce los métodos para la identificación y/o análisis de las
Fuentes de Datos requeridas.
g) Define, diseña y desarrolla los procesos requeridos para la
extracción, transformación y carga de datos (ETL) y los aspectos
fundamentales para el aseguramiento de la Calidad de los Datos.
h) Diseña e implementa los reportes y querys ejecutivos así como las
aplicaciones de soporte de Decisiones (DSS) y OLAP, a través de
herramientas disponibles.
i) Define e implementa las políticas y estándares para la administración
corporativa del recurso de datos en las Organizaciones.
j) Introduce los conceptos fundamentales para la definición de
requerimientos de arquitectura y plataforma de HW y SW, y requisitos
de Bases de Datos Paralelas.
k) Define los conceptos y técnicas de Data Minig, para el descubrimiento
y análisis de conocimientos ocultos y tendencias, se pone énfasis en
Web Minig.
l) Introduce los conceptos fundamentales de Sistemas de Gestión de
Contenidos, su importancia y los criterios para el uso y selección de
gestores de contenidos.
m) Define los conceptos y componentes de los Sistemas de Gestión de
Conocimiento e introduce los fundamentos para la definición de Bases
de KM. 4. CONTENIDO ANALÍTICO POR SEMANAS 1º Semana: Introducción al Business intelligence Teoría - Práctica Conceptos, beneficios y niveles de la inteligencia de negocio,
identificación del proceso de toma de decisiones, etapas del soporte de
decisiones, concepto de Data Warehouse, OLAP, DSS, Minería de Datos y
Gestión de Conocimiento. Evolución y proyecciones.
Definición de Los 5 Estilos del Business Intelligence:
1. Estilo1: Definición de Scorecards & Dashboards.
2. Estilo2: Reporting.
3. Estilo3: Análisis OLAP.
4. Estilo4: Análisis Avanzado - Data Mining.
5. Estilo5: Notificación Proactiva y Envìo de Alertas. Laboratorio Introducición a los conceptos de Data Warehousing y al Procesamiento
Analítico en línea (OLAP). Descripción de las características, alcances y
aplicaciones de un Data Warehouse, explicar la necesidad y uso de una
solución OLAP y describir el diseño de un Data
Warehouse. Razones para implementar modelos OLAP, describir sus componentes
y visualizar una base de datos multidimensional. Tipos de Reportes que se
diseñan en un entorno de Business Intelligence para Toma de Decisiones. 2º Semana: Fundamentos de Datawarehouse Teoría - Práctica Características de la información a ser almacenada en un DW, componentes de
una solución integral con DW, el Data Mart, comparación con el OLTP.
Definir los principales términos del proceso de Datawarehousing. Conocer la
evolución desde los procesos de extracción para sistemas de soporte a
decisiones hasta soluciones Datawarehouse.
Comprender la importancia de un Datawarehouse. Propiedades y
Características de un Datawarehouse. Ventajas en el uso de un
Datawarehouse. Identificar las características y diferencias de los
procesos OLTP y OLAP.
Entender conceptos de Datawarehouse Empresarial y Datawarehouse
Departamental - Datamart. Identificar Almacenes de Data Operacional
(Operational Data Store -ODS).
Entender los diferentes modelos de Base de Datos que soportan las
herramientas OLAP.
Conocer las diferentes arquitecturas de Datawarehouse. Desarrollar la
estrategia para el desarrollo de un Datawarehouse. Implementar un
Datawarehouse Empresarial. Laboratorio Requerimientos de Instalación de Microsoft SQL Server 2000 Analysis Server.
Definir Servidores OLAP.
Crear una Base da datos en MS SQL Server Analysis Server.
Definir una conexión de origen de datos en MS SQL Server Analysis Server. 3º Semana: Metodología Barquín para el desarrollo de un Datawarehouse
Empresarial. Teoría - Práctica Introducción a la arquitecutra de Datawarehouse así como a la metodología
Barquín para el desarrollo de un Datawarehouse Empresarial.
Estrategias para el desarrollo de un Waerehouse asi como para construir un
Datawawehouse, desde la recoleccion de los requerimientos, identificación
de las fuentes, modelado, diseño, mapeos de datos, extracción, la
importancia del staging area, limpieza de datos, transformaciones y
rutinas, mezcla de datos, frecuencia de cargas: inicial y periodicas,
soluciones a los problemas de ETT, y tips para el desarrollo de un
Datawarehouse exitoso.
Características básicas a cumplir por las metodologías del mercado,
implementación iterativa e incremental, tipos de arquitectura. Principales
propuestas metodológicas para la definición e implementación de un DW.
Seguridad, monitoreo, administración, capacitación y la implementación de
un proyecto Warehouse. Laboratorio. Fundamentos del Analysis Manager Wizard para construir cubos. Describir los
componentes del Microsoft SQL Server 2000 Analysis Server, navegar a través
de las interfaces básicas del Analysis Manager y crear un cubo usando el
Cube Wizard.
Crear un cubo Olap usando el Cube Wizard y el Dimension Wizard,
procesamiento de cubos. 4º Semana: Ciclo de Vida Dimensional del Negocio Teoría - Práctica Se tomará como base el ciclo de vida de los Data Warehouses definido por
Ralph Kimball.
El marco presentado por Ralph Kimball con el nombre de Business Dimensional
Lifecycle (BDL) ilustra las diferentes etapas por las que debe pasar todo
proceso de Data Warehousing. Este enfoque de implementación de data
warehouses ilustra la secuencialidad de tareas de alto nivel requeridas
para el efectivo diseño, desarrollo e implementación de data warehouses.
Características básicas a cumplir por las metodologías del mercado,
implementación iterativa e incremental, tipos de arquitectura. Principales
propuestas metodológicas para la definición e implementación de un DW.
Definición de objetivos alineados a las estrategias del negocio, alcances
del proyecto, naturaleza del problema, factores críticos, marco
metodológico a utilizar, arquitectura general a proponer, plan de trabajo,
equipo involucrado. Definición de requerimientos del negocio a cumplir,
tipos de requerimientos. Laboratorio Describir los componentes de la estrategia de