Bloque II. Tema 5. Concepto y componentes de un entorno de bases de datos. Utilización de bases de datos en la organización: sistemas OLTP, MIS, DSS y almacenes de datos

Índice de contenido

Bloque II. Tema 5. Concepto y componentes de un entorno de bases de datos. Utilización de bases de datos en la organización: sistemas OLTP, MIS, DSS y almacenes de datos        1

OLTP        1

MIS        1

Transaction Processing Systems TPS        1

Management Information Systems MIS        2

Decissión Support Systems DSS        2

Executive Support Systems ESS        2

Data Warehouse        2

Data Marts        2

Tabla de Hechos        3

Tabla de Dimensión        3

 

OLTP

OnLine Transaction Processing se refiere a una clase de sistemas que facilitan y gestionan las aplicaciones orientadas a la transacción, normalmente para entrada de datos y procesamiento de transacciones y obtención de datos. Unos entienden la transacción en el sentido más informático de bases de datos y otros como alguna transacción comercial.

MIS

Management Information System. Proporciona información necesaria para gestionar las organizaciones de forma eficiente y efectiva. Es un sistema planificado para la recolección, procesado, almacenamiento y diseminación de datos en forma de información necesaria para acometer las tareas de gestión. De alguna manera, es como un informe documentado de las actividades planificadas y ejecutadas.

La clave es la toma de decisiones, por eso no hay que confundirlos con los sistemas de información simples. Los MIS tienen más el matiz y el enfoque de ayudar a la toma de decisiones usando la información recolectada desde las actividades de la empresa.

Ahora vemos los tipos principales de MIS que se consideran, de los cuales forma parte DSS.

Transaction Processing Systems TPS

Recoge y graba las transacciones rutinarias de una organización. Ejemplos: entradas de órdenes de ventas, reservas en un hotel, pagos, registros sobre los empleados, envíos.

Management Information Systems MIS

(¿Esto que es recursivo o qué?)

Produce informes planificados de forma regular basados en datos extraídos y resumidos desde el sistema TPS que está por debajo, hacia los managers del nivel medio y operacional para proporcionar respuestas a problemas de decisión semi-estructurados.

Decissión Support Systems DSS

Programas usados por el nivel medio de gestión que recopila información desde un amplio rango de fuentes para resolver problemas y tomar decisiones.

Executive Support Systems ESS

Herramientas de informes que proporciona resúmenes rápidos que vienen de todos los niveles de la compañía como contabilidad, recursos humanos y operaciones.

Data Warehouse

Bill Inmon fue uno de los primeros en escribir sobre el tema:

Otros autores lo definen como una copia de las transacciones de datos específicamente estructurada para la consulta y el análisis. Y también ven el DW como la unión de todos los DM de una entidad y por tanto defienden una integración bottom-up, no como Inmon que defiende top-down.

La parte que es más específica de Extraer, Transformar y Cargar (ETL en inglés) esos datos para el posterior análisis y toma de decisiones es todo lo que se refiere a los Data Marts.

Data Marts

Un Data Mart es la capa de acceso de un entorno Data Warehouse usado para obtener datos por parte de los usuarios. Es un subconjunto de DW, normalmente orientado a una línea específica de negocio o a equipos concretos.

En DW, una dimensión es un elemento de datos que categoriza cada item en un conjunto de datos que no se solapa. Una dimensión en DW proporciona los medios para “slice & dice” de los datos. Proporcionan un etiquetado estructurado a información que de otra forma estaría desordenada. Por ejemplo “Cliente”, “Fecha” o “Producto” son todas dimensiones que podrían ser aplicadas a un recibo de ventas. Su misión es triple: proporcionar filtrado, agrupamiento y etiquetado. Cada dimensión en un DW puede tener jerarquías aplicadas. Por ejemplo para la dimensión “Fecha” hay posibles jerarquías: “Día > Mes > Año” o “Día > Semana”, etc.

El esquema en estrella es el más simple. Se compone de una o más tablas de hechos, referenciando cualquier número de tablas de dimensiones.

En el esquema copo de nieve las dimensiones están normalizadas en múltiples tablas. Si no se ha hecho normalización -que generalmente lleva a descomposiciones de una tabla en varias- en ninguna de las dimensiones, entonces volveríamos al caso particular de esquema en estrella.

Un Data Mart no es un DW completo, es más sencillo de implementar y menos costoso. Proporciona fácil acceso a datos que se necesitan con frecuencia y mejora el tiempo de respuesta de los usuarios.

Tabla de Hechos

Es la tabla central de un esquema dimensional, sea en estrella o en copo de nieve y contiene los valores de las medidas de negocio. Por ejemplo tenemos la tabla de hechos de Ventas rodeadas de las tablas de dimensiones Producto, Tiempo, Almacén, Promoción y Cliente. Los hechos almacenados son las ventas hechas, con sus unidades y el precio por ejemplo. Las medidas más útiles son las de tipo aditivo, aquellas que pueden ser sumadas, como las ventas. Por eso casi siempre los hechos toman la forma de datos numéricos. Otro ejemplo es el número de clientes.

Tabla de Dimensión

Se utilizan para restringir y agrupar los datos almacenados en una tabla de hechos cuando se realizan consultas sobre dichos datos en un entorno de DW o DM. Puede haber o no jerarquías, por ejemplo que la dimensión “Fecha” sea siempre en trimestres o que la dimensión “Fecha” pueda ser en trimestres, semestres, semanas, días, etc. Dependiendo de la elección nos llevará al esquema estrella o al esquema copo de nieve.