Base De Datos Multidimensional 392i3q

INSTITUTO TECNOLÓGICO SUPERIOR DE LA MONTAÑA

Ingeniería en Sistemas Computacionales Trabajo: Bases de datos multidimensionales (BDM). Profesora: SARAÌ ROJO RUIZ Integrantes: JESÚS PETRONIA CASTRO Materia: ISTRACION DE BD

BASE DE DATOS MULTIDIMENSIONAL Las bases de datos multidimensionales se utilizan principalmente para crear aplicaciones OLAP y pueden verse como bases de datos de una sola tabla, su peculiaridad es que por cada dimensión tienen un campo (o columna), y otro campo por cada métrica o hecho.

DATOS MULTI-IMENSIONALES En resumidas cuentas las bases de datos relacionales son muy buenas para manejar consultas en las cuales el resultado es un listado de datos. En donde presentan deficiencias estas bases de datos es en el manejo de consultas interactivas diseñadas para el análisis profundo de datos en tiempo real. Es aquí en donde entra lo que se conoce como OLAP (on-line analytical processing). Las consultas de tipo OLAP examinan inmensas cantidades de datos para determinar tendencias y áreas específicas en las que se presentan desviaciones apreciables. Los servidores de bases de datos multidimensionales (MDDs) deben tener un mecanismo para poder consultar cada nivel de desagregación y debe tener la capacidad de excavar en estos niveles con el fin de poder analizar detalladamente los datos. No implica esta tecnología que las bases de datos relacionales no sirvan para consultas complejas ni que no soporten consultas OLAP. Lo hacen pero en una forma ineficiente y su costo/efectividad y su facilidad de uso no son tan buenos como en las bases de datos multidimensionales.

Cubos e hipercubos de datos. Los cubos de información o cubos OLAP funcionan como los cubos de rompecabezas en los juegos, en el juego se trata de armar los colores y en el data warehouse se trata de organizar los datos por tablas o relaciones; los primeros (el juego) tienen 3 dimensiones, los cubos OLAP tienen un número indefinido de dimensiones, razón por la cual también reciben el nombre de hipercubos. Un cubo OLAP contendrá datos de una determinada variable que se desea analizar, proporcionando una vista lógica de los datos provistos por el sistema de información hacia el data warehouse, esta vista estará dispuesta según unas dimensiones y podrá contener información calculada. El análisis de los datos está basado en las dimensiones del hipercubo, por lo tanto, se trata de un análisis multidimensional

A la información de un cubo puede acceder el ejecutivo mediante “tablas dinámicas” en una hoja de cálculo o a ravés de programas personalizados. Las tablas dinámicas le permiten manipular las vistas (cruces, filtrados, organización, totales) de la información con mucha facilidad. Las diferentes operaciones que se pueden realizar con cubos de información se producen con mucha rapidez. Llevando estos conceptos a un data warehouse, éste es una colección de datos que está formada por «dimensiones» y «variables», entendiendo como dimensiones a aquellos elementos que participan en el análisis y variables a los valores que se desean analizar.

Dimensiones

Las dimensiones de un cubo son atributos relativos a las variables, son las perspectivas de análisis de las variables (forman parte de la tabla de dimensiones). Son catálogos de información complementaria necesaria para la presentación de los datos a los s, como por ejemplo: descripciones, nombres, zonas, rangos de tiempo, etc. Es decir, la información general complementaria a cada uno de los registros de la tabla de hechos. Variables

También llamadas “indicadores de gestión”, son los datos que están siendo analizados. Forman parte de la tabla de hechos. Más formalmente, las variables representan algún aspecto cuantificable o medible de los objetos o eventos a analizar. Normalmente, las variables son representadas por valores detallados y numéricos para cada instancia del objeto o evento medido. En forma contraria, las dimensiones son atributos relativos a la variables, y son utilizadas para indexar, ordenar, agrupar o abreviar los valores de las mismas. Las dimensiones poseen una granularidad menor, tomando como valores un conjunto de elementos menor que el de las variables; ejemplos de dimensiones podrían ser: “productos”, “localidades” (o zonas), “el tiempo” (medido en días, horas.

Estructuras no-jerárquicas y jerárquicas de los datos. Una Base de datos jerárquica es un tipo de Sistema Gestor de Bases de Datos que, como su nombre indica, almacenan la información en una estructura jerárquica que enlaza los registros en forma de estructura de árbol (similar a un árbol visto al revés), en donde un nodo padre de información puede tener varios nodos hijo. Esta relación jerárquica no es estrictamente obligatoria, de manera que pueden establecerse relaciones entre nodos hermanos. En este caso la estructura en forma de árbol se convierte en una estructura en forma de grafo dirigido. Esta variante se denomina Bases de datos de red.

El modelo jerárquico facilita relaciones padre-hijo, es decir, relaciones 1:N (de uno a varios) del modelo relacional. Pero a diferencia de éste último, las relaciones son unidireccionales. En justicia, dichas relaciones son hijo-padre, pero no padre-hijo. Por ejemplo, el registro de un empleado (nodo hijo) puede relacionarse con el registro de su departamento (nodo padre), pero no al contrario. Esto implica que solamente se puede consultar la base de datos desde los nodos hoja hacia el nodo raíz. La consulta en el sentido contrario requiere una búsqueda secuencial por todos los registros de la base de datos (por ejemplo, para consultar todos los empleados de un departamento). En las bases de datos jerárquicas no existen índices que faciliten esta tarea. Obsérvese que, a priori, no existen relaciones N:M (de muchos a muchos) en el modelo jerárquico. Salvo que se simulen mediante varias relaciones 1:N. No obstante, esto puede provocar problemas de inconsistencia, ya que el gestor de base de datos no controla estas relaciones.

Limitaciones del modelo jerárquico

A continuación se mencionan los problemas típicos de las bases de datos jerárquicas y que no existen en las bases de datos relacionales. Todos estos problemas derivan del hecho de que el sistema gestor de base de datos no implementa ningún control sobre los propios datos, sino que queda en manos de las aplicaciones garantizar que se cumplen las condiciones invariantes que se requieran (por ejemplo, evitar la duplicidad de registros). Dado que todas las aplicaciones están sujetas a errores y fallos, esto es imposible en la práctica. Además dichas condiciones suelen romperse ex profeso por motivos operativos (generalmente, ajustes debidos a cambios en el negocio) sin evaluarse sus consecuencias. Duplicidad de registros

No se garantiza la inexistencia de registros duplicados. Esto también es cierto para los campos “clave”. Es decir, no se garantiza que dos registros cualesquiera tengan diferentes valores en un subconjunto concreto de campos. Integridad referencial

No existe garantía de que un registro hijo esté relacionado con un registro padre válido. Por ejemplo, es posible borrar un nodo padre sin eliminar antes los nodos hijo, de manera que éstos últimos están relacionados con un registro inválido o inexistente.. Desnormalización

Este no es tanto un problema del modelo jerárquico como del uso que se hace de él. Sin embargo, a diferencia del modelo relacional, las bases de datos jerárquicas no tienen controles que impidan la desnormalización de una base de datos. Por ejemplo, no existe el concepto de campos clave o campos únicos.

Operadores para datos agregados multidimensionales. Operadores: sum, count, max, min, average Claúsula “Having” Usando Jerarquías de dimensión Promedio por región (tienda -- store) Máximo por mes (fecha -- date) Operadores: CUBE ROLLUP DRILLDOWN GROUPING SETS SLICE (Rebanada) PIVOT Dado Ascenso Descenso Utilización de Herramientas SQL Server 2005

Access Oracle Excel

Consultas multidimensionales de datos. una de las herramientas más utilizadas por las empresas son las aplicaciones OLAP, ya que las misma han sido creadas en función a bases de datos multidimensionales, que permiten procesar grandes volúmenes de información, en campos bien definidos, y con un inmediato a los datos para su consulta y posterior análisis.

Las consultas en la base de datos constan de archivos que permiten realizar muchas tareasdiferentes con los datos. Se pueden utilizar las consultas para controlar los campos de datosque se pueden ver. También se pueden utilizar las consultas para controlar los registros quevisualiza en la base de datos. Las consultas pueden cambiar el orden de presentación dedatos y pueden incluso actualizarlos. Las consultas no contienen información de la base dedatos, sino tan solo las instrucciones necesarias para seleccionar los registros y camposrequeridos de una base de datos.

Consulta de un campo para una entrada carácter: Se pueden crear consultas simples para encontrar todos los registros que contienen unaentrada de carácter específica. Se puede utilizar la coincidencia exacta u operadoresrelacionales cuando se realiza la búsqueda. Puesto que se deben encerrar las cadenas decaracteres entre comillas, se puede buscar una coincidencia exacta colocando la cadena decaracteres que se necesite encontrar entre comillas.

Almacenamiento y uso de consultas: Puede almacenar una consulta como archivo. Esto ofrece la ventaja de reutilizar la consulta posteriormente sin reentrar en ella. Para utilizar cualquier consulta almacenada en disco seselecciona un archivo de consultas del de consultas del centro de control con laapropiada base de datos en uso. Las condiciones que también se denominan filtrosestablecidas por esta consulta se ponen en vigor automáticamente para ocultar los registrosque presenta Dbase. Se puede utilizar para afectar a la visualización de los registros sobre la pantalla o para restringir los

registros presentados en los informes que se crean.

Consulta de campos numéricos: La búsqueda de valores numéricos permite operar con todos los registros de empleado conun código de trabajo específico o todos los registros de un número de cliente particular. Secontrolan los registros que cumplan la consulta en base a los contenidos de un camponumérico en lugar de un campo carácter, pero la mayor parte de las características de lasconsultas utilizadas para campos numéricos son exactamente las mismas que se utilizan para campos de carácter.Se pueden utilizar ejemplos de coincidencia exacta para localizar datos. Puesto que estamostrabajando con datos numéricos, las comillas no se necesitan. También se puede utilizar muchos de los operadores relacionales que utilizaron con los campos de carácter.

Consulta de campo de fecha: La consulta de los campos de fecha no es diferente del a otros tipos de campos.Dbase reconoce los campos de fecha y los trata como una entrada de fecha si se incluyen delas llaves { }. Se utilizan los ejemplos bajo este tipo de campos para encontrar unacoincidencia exacta o relacional. Se pueden utilizar ejemplos relacionales para localizar todos los registros anteriores y posteriores a una fecha dada. También se pueden encontrar registros dentro de un rango especifico de fechas colocando en el ejemplo dos expresiones relacionadas separadas por coma (,).

Consultas de campos lógicos: Los campos lógicos contienen indicadores de verdadero o falso. Cuando se crea un ejemplo de un campo lógico, se puede hacer que Dbase busque valores verdaderos o falsos colocando .T. o .F. como un ejemplo debajo del tipo de campo. Dbasetambién acepta .t., .f., ..f., .Y., .N., .y., y .n., como entradas para este campo..