jueves, 26 de septiembre de 2013

Tres casos de Éxito de B.I

BAYER




Bayer es una empresa origen Alemán y presencia global en los campos de cuidados de la salud, nutrición y materiales de alta tecnología. Sus productos y servicios se diseñan para beneficiar a la gente y para mejorar su calidad de la vida. Al mismo tiempo, crean valor a través de la innovación, el crecimiento y la rentabilidad.

PROBLEMA:

Bayer necesitaba consolidar los procesos llevados a cabo en los diferentes países en los que desarrolla sus actividades y disminuir los errores por la carga manual de datos en distintos formatos. Debía ser capaz de unificar y administrar múltiples herramientas y orígenes de datos, resultado de la gran cantidad de adquisiciones que Bayer realizó desde 2005.
Reportes iguales se desarrollaban por diferentes países y divisiones, lo que implicaba que muchos usuarios realicen el mismo trabajo. Todo esto hacía imposible que se puedan cruzar auditorías para tener un panorama completo del negocio rápidamente y crear nuevos reportes por la falta de plataformas de Business Intelligence. Los usuarios estaban asignados al trabajo manual para procesar la información y preparar reportes mensuales que podían ser automatizados y, en los países con pocos recursos, se tercerizaba el armado a un costo muy alto.

SOLUCIÓN: IBM COGNOS




IBM ofreció las soluciones de Cognos BI que implementó junto a su asociado de negocio KM. La plataforma ya se encuentra en 8 países con planes de seguir expandiéndose en la región.
Esta optimización permitió la disponibilidad inmediata de la información de mercado para la rápida toma de decisiones, estandarización de reportes, cubos y dashboards, disminución de costos de infraestructura, licencias y consultoría. A través de la solución de IBM, la negociación con proveedores está centralizada y los costos de soporte reducidos.
Además Bayer pudo abarcar más requerimientos con menos presupuesto local y brindarles las soluciones de Business Intelligence a países con menores recursos. Esto generó una sinergia de trabajo dentro de la región latinoamericana y todos resultaron sumamente beneficiados. Al mismo tiempo, este cambio posibilitó la profesionalización de los analistas que anteriormente se ocupaban de la carga de información y análisis de datos para que lleven a cabo tareas de mayor valor para la compañía.


HOTEL WELLINGTON






El Hotel Wellington fue inaugurado en 1952 y cuenta con 261 habitaciones, un Business Center, diferentes restaurantes y bares, así como 12 salones para eventos. Las necesidades más premiantes del Hotel Wellington consistían en unificar las diferentes fuentes de información (Datisa, Opera, Micros TPV, Buzón de Voz, Quadriga TV, Minibares, Vingcard, etc,), consolidar la información, disponer de información agregada y actualizada en el momento preciso, mejorar la toma de decisiones en tiempo y fiabilidad y aumentar la competitividad.
  
PROBLEMA

La previsión es que para mediados de 2009 el Hotel Wellington cuente con un sistema de Business Intelligence (BI) funcionando a pleno rendimiento que les permita tener una visión 360º de toda la actividad del hotel.  La alta dirección del Hotel Wellington tenía resueltos los procesos de negocios operacionales después de la renovación de software y hardware llevada a cabo entre 2008 y 2009. El objetivo de modernización e inversión en tecnología de última generación se había cumplido. Sin embargo, aún tenían por cumplir un objetivo de vital importancia: la integración para llegar al dato único. Necesitaban información consolidada para asegurar la toma de decisiones.
El Hotel Wellington utiliza en su actividad diaria diversas fuentes de información con multitud de datos dispersos: Quadriga TV, Central de Teléfonos, Servidor de RR.HH., Minibares, Micros TPV, Buzón de Voz, VingCard, etc. A su vez, el hotel dispone de varios Sistemas de Gestión Hotelera como son Opera y S&C y Datisa (Gestión Económico-Financiera y Control).
Antes de implantar la herramienta de Business Intelligence, el Hotel Wellington verificaba los procesos de su negocio basándose en informes que eran manipulados manualmente. Este sistema era lento y costoso en su elaboración.  Debido a la necesidad de tener información crítica de gestión permanentemente actualizada, el Hotel Wellington decidió buscar una solución que le ofreciera:
Reducir el tiempo de creación de los informes consolidados de las áreas.
Poder elegir el nivel de desglose de la información consultada.
o Tener una interfaz cómoda para la consulta de los informes y que estos fueran exportables a Microsoft Excel.

SOLUCIÓN  Oracle Business Intelligence Standard One








La Propuesta de dharma ingeniería   CRM (Consultora ERP | WEB | BI, española )
• Se analizaron las necesidades del cliente y se llegó a la conclusión de que la solución que se ajustaba con más exactitud era Oracle Business Intelligence Standard One. Con este producto es posible obtener información consolidada y actualizada por medio de interfaz web y exportable a otros formatos.
La Implantación
• Durante varios meses se trabajó empleando metodología propia para cumplir con la siguientes fases:
Análisis de los informes que el cliente solicitaba.
Diseño de un Data Mart con características acordes a la consolidación de información necesaria.
Instalación y puesta en marcha del producto BI.
Diseño junto con el Hotel Wellington los cuadros de mando para unificar la presentación de los informes.
Implementación de una interfaz web que permitiera acceso vía Intranet e Internet.
Resultados
• Con la implantación de BI se han cumplido todas las necesidades propuestas inicialmente con plena satisfacción del usuario.
• Dentro de los tres primeros meses fue posible observar los primeros resultados. El tiempo de consolidación no solo se ha reducido sino que se ha eliminado, ya que los informes se actualizan diariamente, consiguiendo que las cifras que consulta la dirección sean un reflejo real del estado diario de la empresa. Los directivos pueden acceder vía Intranet o Internet a los cuadros de mando, pudiéndose establecer niveles de acceso y perfiles de usuario, existiendo la posibilidad de trasladar los datos a una hoja de cálculo, un documento de texto o un archivo PDF.

SODIMAC

El grupo chileno Falabella, abrió su primera tienda en la Argentina en febrero de 2008 y hoy cuenta con cinco, ubicadas en el Gran Buenos Aires. Con presencia en cuatro países, su facturación en 2009 fue de U$S 3.000 millones.

PROBLEMA


A mediados de 2009, los locales se encontraban con la necesidad de implementar una herramienta de BI, pero no podían hacerlo si antes no ordenaban la información. “Los datos estaban dispersos en distintas bases y necesitábamos tener una única fuente para todos ellos”, recuerda Sergio Cristaldo, jefe de Sistemas de Sodimac Argentina. “Y debíamos convertir a esos datos en información”, completa Ignacio Rafael Román Moreno, jefe de Control de Gestión de la empresa.

SOLUCIÓN SYBASE IQ




Sergio Cristaldo Jefe de Sistemas Implementó un Data Warehouse y una herramienta de BI para consolidar los datos y usarlos en análisis
Esta dispersión de los datos en distintas bases los llevó a buscar una solución capaz de consolidarlos. Por entonces, Sodimac era usuario de Microsoft SQL –de hecho, sigue manteniendo esa base de datos-, pero las pruebas que hicieron no les resultaron satisfactorias. Sybase acercó una propuesta y lo que los convenció de ésta fue ver, con sus propios datos, una demo del funcionamiento de Sybase IQ. “Nos dejaron probar en vivo la potencialidad de la herramienta y no dudamos ni un segundo de que ese era el camino”, dice Cristaldo.

El proyecto comenzó en agosto de 2009 y fue el primero realizado en Argentina tras la alianza entre Sybase y MicroStrategy, por la cual lanzaron al mercado un paquete de soluciones formado por el servidor analítico Sybase IQ y diversos productos MicroStrategy. La inversión en el proyecto fue de  $ 500.000 (15 por ciento, aproximadamente, en consultoría y el resto entre licencias, software y hardware).

Por Sodimac trabajaron tres personas lideradas por Cristaldo y otras tres por parte de Sybase. Ezequiel Fernández de Barrena, líder de Proyecto Sybase, admite que el desafío estaba en el volumen de datos y su heterogeneidad. “Generalmente, una implementación de IQ es más rápida –llevó siete meses en total-, pero tiene que ver con la cantidad de datos que se fueron agregando y la cantidad de fuentes que se sumaron progresivamente con respecto a las bases originales”, detalla. Los datos de bases como Oracle, MS SQL, más alguna otra propietaria y los datos desestructurados correspondían a ambos lados de la Cordillera de los Andes.
“Lo que utilizamos para las pruebas de concepto y la implementación final del producto es nuestra herramienta de modelado PowerDesigner, que permite visualizar, analizar y manipular metadatos más fácilmente, a fin de lograr una arquitectura de información empresarial efectiva”, explica Barrena. Lo que hace PowerDesigneres es la ingeniería reversa de todas las bases de datos. “Luego, a partir de estos modelos físicos obtenidos, generamos los scripts y creamos la base en Sybase IQ. Por último, comenzamos la migración de los datos, en este caso, con las mismas características que tiene Sybase IQ”, detalla Barrena.

Entre agosto y diciembre de 2009 trabajaron en la recolección y ordenamiento de los datos, El siguiente paso fue la explotación de los mismos. Ya con los datos en orden, se inició la implementación de MicroStrategy versión 9. En esa etapa se sumó Soluciones Tecnológicas S.A. “El negocio definió qué datos se querían explotar: qué querían ver y cómo querían hacerlo”, explica el Jefe de Sistemas. “Empezamos con el área de Ventas, porque es la primera línea en lo que hace a resultados”, añade Román Moreno. “Definimos qué era lo más relevante, como por ejemplo la rentabilidad por medio de pago”, continúa

Adrián Scardillo, gerente de BI de Soluciones Tecnológicas S.A., explica el proceso que se llevó a cabo: “Se construyó un modelo de datos para analizar la evolución de los principales indicadores de ventas y costos para poder medir el margen de ganancia de cada producto. El modelo contempla, por un lado, la información de la composición, los tickets y demás comprobantes de venta; y por el otro, la información de cómo se pagaron los mismos, con sus costos y recargos financieros, como en el caso de las tarjetas; y por último, todos los cargos y descuentos asociados a cada uno de ellos”. Así se obtiene el cargo de ganancia de cada ítem vendido, lo que permite promocionar aquellos que más convenga según su margen.


Las promociones son clave para Sodimac en la Argentina, ya que en Chile no es tan usual que se realicen constantemente estrategias con los bancos, por ejemplo. “Esto nos permite evaluar qué promocionar en determinada sucursal, o con qué tarjeta la campaña no tuvo buen resultado”, asevera Román Moreno. “Buscamos oportunidades que en Chile no se toman en cuenta y estamos exportando ese modelo”, agrega.

Actualmente, la herramienta tiene 13 usuarios de distintas áreas del negocio. “Aunque nos queda mucho por hacer, finalizamos la primera etapa del proyecto, mejorando nuestra visibilidad del negocio”, cierra Cristaldo.

domingo, 15 de septiembre de 2013

DSS-MIS-EIS Otros Productos de B.I

Hoy veremos los últimos productos de B.I

MIS:
Sistemas de información gerencial (MIS, Management Information Systems)


Tambien llamados Sistemas de Información Administrativa (AIS) dan soporte a un espectro más amplio de tareas organizacionales, encontrándose a medio camino entre un DSS tradicional y una aplicación CRM/ERP implantada en la misma compañía. Ayudan a las organizaciones a gestionar mejor a las personas y tomar decisiones. Los gerentes usan los sistemas de información de gestión para reunir y analizar información sobre diversos aspectos de la organización, tales como personal, ventas, inventarios, producción u otros factores pertinentes. Sistemas de información de gestión se pueden utilizar para evaluar el desempeño de la organización en su conjunto, ciertos departamentos o incluso particulares.


DSS
 Sistemas de Soporte a la Decisión (Decision Support Systems, DSS)


Pueden considerarse como una tercera generación de Sistemas de Información, cuyo objetivo es intentar descubrir qué pasaría si se toman una serie de decisiones, o ir más allá proporcionando automáticamente las decisiones o sugerencias que asistan al administrador.
La base de datos de un DSS es un conjunto de información a menudo tomadas de los propios sistemas de transacciones internas de la empresa.
MIS generalmente tiene herramientas muy sencillas de análisis - medias, sumatorias , desviación del plan, y similares. Sin embargo, DSS tienen herramientas muy sofisticadas de análisis y modelado, como una función de hojas de cálculo , análisis estadísticos y de simulación.
Una de las funciones más utilizadas de la analítica DSS y herramientas de modelado es " what-if " análisis - examinar el impacto de los cambios en uno o más factores o valores sobre los resultados. 


  • ¿Y si nos planteamos los precios en un 10 por ciento - la cantidad aumentaría los beneficios? 
  • ¿Cuánto más costaría producir nuestro producto si el costo de los salarios de empleados aumentó un 15 por ciento?
Distinguir entre MIS y DSS no siempre es fácil. Generalmente MIS produce informes de rutina sobre una base por lotes con horario regular cada día , semana o mes . DSS producen informes, sino que también permiten al usuario hacer preguntas nuevas y no anticipados y para intervenir directamente en línea para cambiar la manera en que se presentan los datos .


GDSS
Sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support Systems)

Un GDSS incorpora tecnología groupware con la tecnología DSS . Además de un DSS , un GDSS también tiene software de procesos de grupo de apoyo hardware y facilita las reuniones . La tecnología puede incluir dispositivos avanzados de presentación , acceso a computadoras con bases de datos diferentes ( internas y externas ) , las capacidades de los participantes para comunicarse por vía electrónica y software para resumir las ideas de los miembros, para informar votos, para el cálculo de los pesos de alternativas de decisión y de manera anónima las ideas precedentes. Básicamente , GDSS proporciona medios automatizados para ingresar , registrar y construir sobre ideas de los miembros del equipo . Por lo general, un facilitador de grupo coordina el uso de la tecnología en el proceso de realización de la reunión.

Software GDSS puede proporcionar apoyo tanto para el individuo como para el grupo. En la edición de las estaciones de trabajo individuales , se proporcionan gráficos , hojas de cálculo , el acceso a diversas bases de datos , correo electrónico y otros servicios de trabajo en grupo . Para el grupo , además de la recuperación de información y servicios de presentación previsto incluir: capacidad de resumir , agrupar y recoger opiniones resultados, clasificación o calificación , y priorizar tareas.

EIS
Sistemas de información ejecutiva (EIS, Executive Information System)


Un sistema de información ejecutiva (EIS) es un sistema de soporte de decisiones (DSS) que se utiliza para ayudar a los altos ejecutivos en el proceso de toma de decisiones. Para ello, ofrece fácil acceso a los datos importantes que se necesitan para lograr los objetivos estratégicos de una organización. Un EIS normalmente cuenta con pantallas gráficas en un fácil de usar interfaz. Sistemas de información ejecutivos pueden ser utilizados en diferentes tipos de organizaciones para monitorear el desempeño de la empresa, así como para identificar las oportunidades y problemas




Diferencia entre los 3?



La diferencia entre los tres sistemas radica en sus funciones. La función principal del MIS está relacionada con la gestión de las operaciones internas y los documentos. El DSS ayuda a los empleados en la toma de decisiones, incluso para las tareas diarias. La EIS ayuda a los gerentes de alto nivel en la toma de decisiones serias que son muy importante y fundamental para hacer. MIS y los otros dos sistemas todavía están vinculados entre sí por el hecho de que el MIS tiene todas las documentaciones que son utilizados por los otros dos. De la misma manera, el DSS y las EIS son similares de una manera que ambos se están centrando en la toma de decisiones. El MIS tiene la característica de ser utilizado por el grupo intelectual que incluye el alto nivel y de gestión de nivel medio, en comparación con el DSS el cual es el único entre los tres que se utiliza en todos los niveles de negocio y la información que utiliza no es sólo interna, sino también la externa. Resumiendo, EIS es está en la cabeza de la pirámide organizacional en comparación con el DSS y MIS.


Bibliografía:




domingo, 8 de septiembre de 2013

ETL y los Productos de B.I

En el post pasado vimos en el diagrama final, algo llamado ETL aplicado a cualquier base de datos, hoy veremos que és:


Proceso ETL

ETL - este termino viene de ingles de las siglas Extract-Transform-Load que significan Extraer, Transformar y Cargar y se refiere a los datos en una empresa. ETL es el proceso que organiza el flujo de los datos entre diferentes sistemas en una organización y aporta los métodos y herramientas necesarias para mover datos desde múltiples fuentes a un almacén de datos, reformatearlos, limpiarlos y cargarlos en otra base de datos, data mart ó bodega de datos. ETL forma parte de la Inteligencia Empresarial (Business Intelligence), también llamado “Gestión de los Datos” (Data Management).

La idea es que una aplicación ETL lea los datos primarios de unas bases de datos de sistemas principales, realice transformación, validación, el proceso cualitativo, filtración y al final escriba datos en el almacén y en este momento los datos son disponibles para analizar por los usuarios.

Los más populares herramientas y aplicaciones ETL del mercado

• IBM Websphere DataStage (anteriormente Ascential DataStage y Ardent DataStage)
• Pentaho Data Integration (Kettle ETL) - Una herramienta Open Source Business Intelligence
• SAS ETL Studio
• Oracle Warehouse Builder
• Informatica PowerCenter
• Cognos Decisionstream
• Ab Initio
• BusinessObjects Data Integrator (BODI)
• Microsoft SQL Server Integration Services (SSIS)


PRODUCTOS DEL B.I


1) CMI

2)

  • MIS
  • EIS
  • DSS 
  • GDSS





HOY VEREMOS CMI:

Utilizando herramientas B.I se llega a construir el CMI.

 Es un modelo de gestión, con un soporte de información periódica para la dirección de la empresa capaz de facilitar una toma de decisiones oportuna conociendo el nivel de cumplimiento de los objetivos previamente definidos median indicadores de control y otras informaciones que lo soporte. También llamado (Balanced Scorecard – BSC)


Perspectiva Financiera:

Valor Económico Agregado (EVA), Retorno sobre Capital Empleado (ROCE), Margen de Operación, Ingresos, Rotación de Activos son algunos indicadores de esta perspectiva.
Algunos indicadores frecuentemente utilizados son:
•  Índice de liquidez.
•  Índice de endeudamiento.
•  Metodología DuPont.
•  Índice de rendimiento del capital invertido (en la mayoría de los casos).



Perspectiva del cliente

  • Tiempo
  • Calidad
  • Rendimiento y servicio
  • Costo (precio es sólo parte del costo), otras partes son: Transporte, tiempo perdido entre fallas, etc.)



Perspectiva de procesos

•  Procesos de operaciones: Desarrollados a través de los análisis de calidad y reingeniería. Los indicadores son los relativos a costos, calidad, tiempos o flexibilidad de los procesos.
•  Procesos de gestión de clientes. Indicadores: Selección de clientes, captación de clientes, retención y crecimiento de clientes.
•  Procesos de innovación (difícil de medir). Ejemplo de indicadores: % de productos nuevos, % productos patentados, introducción de nuevos productos en relación a la competencia.
•  Procesos relacionados con el Medio Ambiente y la Comunidad: Indicadores típicos de Gestión Ambiental, Seguridad e Higiene y Responsabilidad Social Corporativa.

Perspectiva del aprendizaje?

Inversiones en la mejora y el desarrollo de los recursos?

Como están nuestros empleados en la organización aportando a nuestro cuadro?


Bibliografía:





domingo, 1 de septiembre de 2013

De donde vienen los datos para B.I?

DATOS DE ENTRADA PARA B.I

Hacer Inteligencia de Negocios o Business Intelligence no sale da la nada, se alimenta de datos. Recordemos que los datos se van a transformar en información, la información en conocimiento y con el conocimiento se toman las decisiones. Estos datos corresponden  a un tema extenso en B.I por lo que el post de hoy se va a dedicar a las dos principales entradas de un software de Inteligencia de Negocios, los Datamart y el DatawareHouse.

Estructura general Datamart VS DataWareHouse



DATAWAREHOUSE:
Este término acuñado por Bill Inmon, se traduce literalmente como Almacén de Datos. Simeplemente es una base de datos enomres que almacena información histórica para ser analizada integrando todas las áeas y S.I de la compañía. Un solo sistema de consulta, lenguaje y una sola verdad.
Según definió Bill Inmon, el Data Warehouse se caracteriza por ser:

  • Integrado: deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La información suele estructurarse también en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.
  • Temático:. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una única tabla del Data Warehouse. De esta forma, las peticiones de información sobre clientes serán más fáciles de responder dado que toda la información reside en el mismo lugar.
  • Histórico: la información almacenada en el Data Warehouse sirve, entre otras cosas, para realizar análisis de tendencias., con los distintos valores que toma una variable en el tiempo para permitir comparaciones.
  • No volátil: existe para ser leído, y no modificado. La información es por tanto permanente, significando la actualización del Data Warehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía.


Para tener en cuenta….

¿Base de datos histórica?¿ Entonces si levanto un respaldo de mi sistema en otro servidor es un data warehouse? 
 Si levantas el respaldo de los 5 años anteriores del sistema de facturación en otro servidor eso NO es un datawarehouse.

En un DW las tablas que almacenan información se diseñan de una manera especial pensando en que almacenarán cantidades gigantescas de información. Esas maneras especiales o modelos son el copo de nieve y estrella. Cada uno tiene sus ventajas y desventajas. Un DW entonces no es una base de datos normalizada!.



Diferencias entre los modelos de almacenamiento de datos en un DW date cuenta que se desea almacenar la mayor cantidad posible de datos sobre el tiempo, no aplican las reglas de normalización de BD.
  
DATAMART:

  
Generalmente son bases de datos departamentales o para propósitos específicos, también llamados mini Data WhareHouses ya que traen una vista o un extracto de este con temas específicos, por esto se dice que se basa en departamentos (contabilidad, marketing, producción…) o para propósitos como informes, reportes y análisis (orientados a B.I). Para B.I es común  asociar los Datamarts a un motor o herramienta OLAP y OLTP para la extracción de datos.

OLAP ONLINE ANALYTICAL PROCESSING (Proceso analítico relacional en línea.)
OLAP te permite “navegar” fácilmente por la información, solicitándola con el detalle preciso y con los filtros adecuados, y que puedes hacerlo de manera dinámica.


  • Organiza los datos para su explotación y así poder analizarla.
  • Basada en Cubos. 
  • Una pregunta a un sistema OLAP puede ser 
  • ¿Cuánto dinero he ganado vendiendo el producto X en la región Y en el periodo de tiempo Z? 
  • No realizará esta consulta de forma concreta, las estructuras de datos, índices y vistas re calculadas  ya permiten su consulta directamente de forma más sencilla y rápida.
  • Trabaja sobre el Data WhareHouse

FUNCIONES
  • Segmentar: Como cuando pides las ventas por producto y por trimestre
  • Filtrar: Como cuando pides el informe de ventas de España en 2011
  • Profundizar (Drill down): Como cuando ves los datos de trimestre 2 y te interesa el desglose de abril, mayo, junio.
  • Sintetizar (Drill up): Cuando deshaces el desglose anterior y vuelves al desglose por trimestre.
  • Rotar (Drill anywhere): Cuando en lugar de pasar de un desglose por trimestres a uno mensual, te interesa un desglose por familia de producto, o por nacionalidad, es decir, por una característica de una jerarquía distinta a la que lo estás viendo actualmente.
               Un sistema OLAP puede ser de dos tipos.....

MOLAP Multidimensional OLAP:



      • Es la forma original del OLAP, arquitectura de datos en tres dimensiones o más,  se alimenta de un datawarehouse o datamart relacional.
      • Se basa en dos elementos, la base de datos multidimensional, y el motor analítico. Que suelen ser de la misma marca e incompatibles, una base de datos multidimensional o MDDB no puede ser usada por otro motor que no sea del mismo propietario, a diferencia del SQL (Relacional) que es estándar.
      • El proceso es:
        • Usuario Técnico ->Ingresa requerimientos en Aplicación ->Aplicación ejecuta los requerimientos sobre bases de datos relacionales en estrella o copo de nieve->se cargan los datos en la MDDB, -> se realizan una serie de cálculos por lotes para rellenar la MDDB por dimensiones->se generan índices y algoritmos de tablas para mejorar los tiempos de respuesta.
        • El usuario final solamente solicita informes y la aplicación obtiene y muestra el dato.




ROLAP Relational OLAP
      • No crea bases de datos multidimensionales, trabaja directamente sobre la base de datos relacional para simular MOLAP.
      • Trabaja en función de queri, donde cada dimensión se traduce en un “where”.
      • El proceso es:
        • El sistema coge los datos de datawarehopuse o datamart -> el motor proporciona el análisis ejecutando las consultas digitadas en la capa de aplicación->se crean indicies y visitas para optimizar ->
        • Los usuarios finales usan la capa de la aplicación sencilla -> el motor de la aplicación ROLAP transforma las peticiones en Query sql dinámicos-> se cruzan las tablas con los índices para optimizar y simular MOLAP.
      • ROLAP emula el cubo con tablas relacionales, como muchos emuladores (De consolas de Videojuegos por ejemplo) presentan un rendimiento menor, pero otros beneficios como escalabilidad y flexibilidad a la hora de construir el cubo simulado!

HOLAP Hybrid OLAP


                     Existen sistemas híbridos,  cuando quieres realizar una consulta sencilla usa ROLAP, cuando quieres un detalle usa MOLAP.


RESUMEN....

MOLAP
ROLAP
Rendimiento
Ofrece un rendimiento teóricamente superior al reorganizar físicamente los datos
El rendimiento es peor, y si no se organizan los datos un poco, es desastroso
Tamaño
Al ser una estructura propietaria, se suelen aplicar técnicas de compresión. Pero cuidado, una mala planificación de las dimensiones de los cubos y podemos gastar muchísimo espacio.
No creamos nuevas estructuras, aunque si no lo hemos hecho antes deberíamos montar un esquema estrella normalizado, lo que consumirá espacio
Funcionalidad
Normalmente dan más funcionalidad, permitiendo operaciones específicas sobre el cubo para potenciar su análisis
Aquí tenemos SQL, aunque en las últimas versiones de algunas bases de datos ya tenemos instrucciones específicas como CUBE o ROLLUP que imitan la funcionalidad de una herramienta MOLAP
Escalabilidad
Cada cubo ha de crearse bajo demanda, y refrescarse etc… Difícil de  escalar.
En teoría es más escalable y maneja mejor grandes volúmenes de datos con dimensiones de alta cardinalidad.

Observa como el cubo es el de mejor rendimiento, pero poco escalable.


OLTP es la sigla en inglés de Procesamiento de Transacciones En Línea(OnLine Transaction Processing)

Es un tipo de procesamiento que facilita y administra aplicaciones transaccionales, usualmente para entrada de datos y recuperación y procesamiento de transacciones.
    • Las aplicaciones de OLTP están organizadas para ejecutar las transacciones para los cuales fueron hechos, como por ejemplo: mover dinero entre cuentas, un cargo o abono, una devolución de inventario, etc.
    • Es común encontrar que los sistemas transaccionales son accedidos por cientos de usuarios simultáneamente, realizan cientos de transacciones por segundo, los OLTP
    • Trabaja sobre los procesos de Negocio.
    • Son continuamente actualizados por los sistemas operacionales del día con día.


FUNCIONES


    • Eliminar los retardos de los procesos empresariales que resultan de información incorrecta, inconsistente y/o no existente. 
    • Integrar y optimizar procesos empresariales a través del uso compartido e integrado de las fuentes de información. 
    • Eliminar la producción y el procesamiento de datos que no son usados ni necesarios, producto de aplicaciones mal diseñados o ya no utilizados.



RESUMEN...


Característica


OLTP System

Online Transaction Processing

(Operational System)


OLAP System

Online Analytical Processing

(Data Warehouse)
Origen de datos
Datos operacionales; OLTPs son los datos originales de acceso
Datos consolidados; OLAP los datos de OLAP vienen de varios OLTP ó Data WhareHouse
Propósito
Para controlar last areas de negocio
Para ayudar a la planeación, resolución de problemas y toma de decisiones
Qué muestra del dato?
Revela una vista instantánea de los procesos de negocio en curso
Vistas Multi-dimensionales de varios tipos de actividades de negocio
Inserts y Updates
Cortos y rápidos inserts and updates hechos por usuarios finales
Trabajos por lotes de larga, duración y actualización periódica de los datos
Queries
Relativamente simples y estándares, retornan pocos datos
Complejos queris que involucran agregaciones
Velocidad de Procesamiento
Rápidos
Lentos: aún más lentos dependiendo de la arquitectura, la dimensión de los datos y la solicitud.
Requerimientos de espacio
Puede ser relativamente pequeño
Grandes espacios para estructuras, agregaciones y datos históricos.
Diseño
Tablas altamente Normalizadas
Comúnmente desnormalizadas
Backup y Recovery
Backup periódicamente y constante por los datos que manejas son de operación crítica para el negocio, si hay peridades de datos en un día puede ser catastrófico.
En lugar de copias de seguridad periódicas, algunos entornos pueden considerar simplemente recargar los datos OLTP como un método de recuperación
Estructura de datos
Tablas relacionales
Cubos puros (MOLAP), cubos simulados (ROLAP)

En el siguiente diagrama que hemos hecho entenderás como se comportan los datos en las compañías  grandes con soluciones de software implementadas, ten en cuenta que los modelos teóricos varían de los prácticos debido a la cantidad de aplicaciones y sistemas que existen hoy en día, por esto te resumimos las relaciones más comunes.



RESUMEN...

Observa como OLTP puede estar a nivel de las aplicaciones, extrayéndose del DW, alimentando o nó Datamarts de análisis. Observa también como OLTP se enfoca a reportes para la gerencia y OLAP en sus tres formas para informes de análisis y alertas. Las arquitecturas en la práctica varían mucho, todo puede estar integrado bajo un sistema o todo puede estar conectado por varios sistemas separados, ETL y las salidas del B.I serán para el otro Post!


Bibliografía: