1. Introducción
1.1. La explotación eficaz de un Data Warehouse se basa en la gestión de la información a través de niveles agrupados y calculados. Estos niveles, conformados por conceptos e indicadores de gestión, son consultados por los líderes empresariales según las dimensiones de negocio definidas, como la geográfica. A lo largo del tiempo, estos sistemas han evolucionado, pasando por diversas denominaciones como MIS o EIS. Sin embargo, fuera del ámbito del Data Warehouse, pueden enfrentar desafíos como rigidez, dificultades de actualización, incoherencias en los datos, entre otros. Los sistemas OLAP son esenciales para soportar análisis complejos y explorar grandes volúmenes de datos desde diversas perspectivas
2. Query & reportings
2.1. Herramienta para la elaboración de informes y listados a partir de los Dw y Datamarts. Se caracterizan por la complejidad de las consultas, los áltisimos tiempos de respuestas y la interferencia con otros procesos informáticos que comparten su entorno.
3. Data mining
3.1. Se extrae a partir de la información contenida en las db de cualquier empresa. Su objetivo es descubrir patrones ocultos, tendencias y correlaciones para así presentar la información de forma sencilla y accesible a los usuarios finales para solucionar, prever y simular problemas del negocio.
3.1.1. Técnicas del data mining
3.1.1.1. Redes neuronales artificales
3.1.1.1.1. Radican en el aprendizaje secuencia y la no linealidad del modelo.
3.1.1.2. Árbol de decisión
3.1.1.2.1. Permiten obtener de forma visual las reglas de decisión bajo las cuales operan los consumidores, a partir de datos históricos almacenados.
3.1.1.3. Clustering
3.1.1.3.1. Agrupa un conjunto de observaciones en un número de datos de clusters o grupos. Está basado en la idea de similitud de los grupos.
3.1.1.4. Algotitmo jerarquico
3.1.1.4.1. Se debe calcular la distancia entre los pares de objetos o clusters, se buscan los dos clusters mas cercanos, estos se juntan y constituyen uno solo. Se repiten los pasos hasta que no quedan pares de comparación.
4. EIS Tradicionales
4.1. Se elabora a partir de los Datamarts que los repore y permite a los gestores de la empresa analizar los resultados de la misma forma rápida y feicaz
5. Balanced Scorecard
5.1. Parte desde la estrategia de la empresa es el punto de referencia para todo proceso de gestión interno. Se organizan en 4 niveles que son:
5.1.1. Financiera
5.1.2. Cliente
5.1.3. Procesos
5.1.4. Formación y desarrollo
6. OLAP
6.1. Se trata de poder seguir haciendo un análisis de la data, proporcionando un acceso multidimensional a los datos, capacidades intensivas de cálculo y técnicas de indexacion especializadas.
7. MOLAP
7.1. Usa una base de datos propia multidiemnsional para proporcionar el análisis. Utiliza una arquitectura de 2 niveles que son:
7.1.1. Bases de datos multidimensionales
7.1.2. Motor analítico
7.2. ROLAP
7.2.1. Este sistema accede a los datos almacenados en un Data Warehouse para proporcionar los análisis OLAP. La premisa de los sistemas ROLAP es que las capacidades OLAP se soportan mejor contra las bases de datos relacionales.