Técnicas de modelado de datos para inteligencia empresarial
Técnicas de modelado de datos
Hay tres tipos de técnicas de modelado de datos para inteligencia empresarial: conceptual, lógica y física.
El modelado de datos conceptuales examina las operaciones de la empresa, con la intención de crear un modelo con las partes más importantes (como describir el sistema de pedidos de una tienda). Esencialmente, este modelo de datos define qué datos contendrá el sistema. Ejemplo: diagramas entidad-relación.
El modelado de datos lógicos examina las funciones comerciales (por ejemplo, fabricación, envío), con la intención de crear un modelo que describa cómo funciona cada operación dentro de toda la empresa. También define cómo se debe implementar un sistema, trazando reglas técnicas y estructuras de datos. Ejemplo: diagrama de flujo de datos, bóvedas de datos.
El modelado de datos físicos examina cómo se implementará realmente la base de datos, con la intención de modelar cómo las bases de datos, aplicaciones y características interactuarán entre sí. Aquí, se crea la base de datos real; la estructura del esquema se desarrolla, refina y prueba. Los modelos de datos generados deben respaldar las operaciones comerciales clave. Ejemplo: matrices de datos, anclajes de datos.
El diagrama de relación de entidades (ERD) visualiza una base de datos relacional (tradicional). En un ERD, las PK (claves primarias) describen qué atributo utiliza una entidad (tabla) para organizar los atributos (datos de la tabla) en una estructura coherente, mientras que las FK (claves externas) describen los atributos que dependen de los datos de otra entidad (representados por una flecha- relaciones basadas).
Si bien el ERD es útil para bases de datos relacionales con formatos de datos conocidos, se puede usar una matriz de datos para modelar datos que no encajan en una estructura de base de datos común. Las matrices de datos funcionan organizando objetos (lo que sea que se esté analizando) en filas, mientras que las variables (qué descriptores busca el análisis) se organizan en columnas. La matriz de datos se puede utilizar para modelar diferentes cosas, como la composición de las rocas, por ejemplo.
El diagrama de flujo de datos (DFD) describe el movimiento de datos a través de un sistema. El DFD puede describir tanto procesos simples, como ingresar datos de usuario en formularios, como procesos más complejos, como el proceso de facturación de una gran organización. Los DFD pueden describir visualmente cosas difíciles de expresar con palabras y, a menudo, son más fáciles de entender para personas técnicas y no técnicas.
Veamos un ejemplo para comprender mejor el modelado de datos.
Ejemplo de modelado de datos: pedido de un producto
Pear inc. es un proveedor de productos electrónicos populares como el pPhone y el pPod, y continuamente desarrollan y venden nuevos productos. Sus productos se venden en tiendas y sitios web, pero todos los pedidos son eventualmente rastreados por bases de datos que se ejecutan en la sede de Pear con fines analíticos. Como parte de esta operación, se utilizan ERD y otras técnicas para modelar bases de datos para mejorar el rendimiento y garantizar que no se pierda información durante el proceso de entrada de datos.
El diagrama de entidad-relación anterior modela el modelo Pear inc. sistema de pedidos. Las entidades describen información sobre los clientes ( entidad CLIENTES ), como sus nombres y direcciones, y pedidos ( PEDIDOS ) de diferentes productos ( PRODUCTOS ). El sistema también rastrea información sobre los pedidos, como la cantidad y el identificador único ( PEDIDOS FINALES ), para que el pedido se pueda enviar al cliente y la ubicación correctos.
El diagrama de flujo de datos (DFD) a continuación muestra cómo se ingresan los datos en la base de datos de seguimiento de pedidos y desde dónde se originan, así como qué ocurre como resultado de esa entrada de datos (un pedido de cliente que se está procesando).
El diagrama de flujo de datos anterior modela el modelo Pear inc. proceso de pedido. El cliente es un “actor externo” que inicia el proceso realizando un pedido, lo que permite a Pear inc. para luego procesar el envío y actualizar el inventario para reflejar el monto adeudado al cliente por la compra del artículo. Se genera y se proporciona un recibo, y el cliente (ahora un ‘actor interno’ que trabaja dentro del proceso de pedido) puede rastrear el pedido hasta su dirección.
Técnicas para modelar ‘Big Data’
Big data es una especie de recurso de información. Mientras que los datos normales tienden a tener una estructura consistente, los macrodatos son más flexibles y no se limitan a un solo tipo de datos. Los ejemplos de macrodatos son grabaciones de video o audio, tendencias de búsqueda web o una colección de múltiples objetos de datos diferentes. Es difícil determinar el propósito o incluso la estructura de algunos elementos hasta que se examinan y analizan para obtener información. Big data utiliza diferentes enfoques y herramientas para el modelado de datos. Las técnicas utilizadas en el análisis de big data incluyen bóvedas de datos y anclajes de datos .
Las bóvedas de datos (DV), a pesar de su apariencia similar a un ERD, son más flexibles, ágiles y escalables. Si la situación o el propósito de una empresa cambia rápidamente, puede resultar difícil adaptar la base de datos / ERD sin tener que empezar de nuevo por completo o volver a cargar todos los datos. Los DV se pueden modificar más fácilmente, ya que contienen más información de identificación y mantenimiento de registros (Hubs: la entidad comercial principal, Satélites: entidades con características comunes y Enlaces: las relaciones entre entidades).
Los anclajes de datos se centran en el cambio de datos tanto en estructura como en contenido, lo que es difícil o imposible de expresar en otros modelos de datos inflexibles. Las entidades se expresan solo como diferentes vistas lógicas de cada ancla (que son similares a Hubs). Los atributos no están agrupados en absoluto y pueden ser estáticos o históricos según la situación (mientras que los Nudos son atributos compartidos entre múltiples anclajes). Las relaciones, o lazos en el modelo de anclaje de datos, siempre tienen cardinalidad y se pueden registrar para reflejar cambios en el modelo.
Resumen de la lección
En esta lección, aprendió sobre diferentes técnicas de modelado de datos para inteligencia empresarial: conceptual, lógica y física.
Los modelos de datos conceptuales mapean las operaciones comerciales (por ejemplo, un sistema de pedidos). Esencialmente, este modelo de datos define qué datos contendrá el sistema. Ejemplo: diagramas entidad-relación.
Los modelos de datos lógicos asignan funciones de la empresa (por ejemplo, un formulario de contacto para el personal de soporte). También define cómo se debe implementar un sistema, trazando reglas técnicas y estructuras de datos. Ejemplo: diagrama de flujo de datos, bóvedas de datos.
Los modelos de datos físicos trazan la implementación de la base de datos, mostrando cómo interactuarán las bases de datos, aplicaciones y características. La base de datos se crea aquí; la estructura del esquema se desarrolla, refina y prueba. Ejemplo: matrices de datos, anclajes de datos.
Aprende más sobre:
Arte Arquitectura Biologia Ciencia Ciencia Fisica Ciencias de la Tierra Ciencias Sociales Economia Historia Historia Mundial Historia Moderna Medio Ambiente y Ecologia Literatura Plantas y Animales Religiones del Mundo QuimicaArticulos relacionados
- ¿Qué es una crisis monetaria? – Definición y ejemplos
- Gestión de una pequeña empresa
- Cálculo del costo de capital: procedimiento y ejemplo
- Técnicas de pronóstico de demanda: Promedio móvil y suavizado exponencial
- Estudio de caso empresarial: Cultura y valores corporativos de Unilever
- Marketing interactivo: estrategias y ejemplos
- Alcance del Control: Definición e implicaciones
- Marketing para Pequeñas y Grandes Empresas: Presupuesto y métodos
- ¿Cuál es la jurisdicción de la Corte Suprema?
- Unit Investment Trust (UIT): definición y ejemplo
- El impacto de los sistemas de TI en la eficiencia y la productividad
- Como administrar una pequeña empresa
- Desarrollo ágil Vs desarrollo iterativo
- Tratamiento fiscal de la condonación de la deuda
- ¿Qué es un chequeo de salud ocupacional?