INSITITUTO TECNOLOGICO SUPERIOR DE CINTALAPA

INGENIERIA INFORMATICA
8° F
INTELIGENCIA DE NEGOCIOS
UNIDAD I. INTRODUCCION A LA INTELIGENCIA DE NEGOCIOS
Entidad relacional
Comparación de la base de datos con data warehouse, data mart y data mining.
PROFESOR. ING. AMADEO ORTIZ MUÑOZ
ALUMNOS:
REBECA ANAHI PEÑA RIOS
Juan Sebastián Pérez Martínez
Bladimir remires ovando
José Francisco reyes cruz

CINTALAPA DE FIGUEROA, CHIAPAS. 07 DE MARZO DEL 2019.

 Introducción
En un mundo donde se creía que las bases de datos eran la herramienta principal que proporcionada información acerca
de cualquier departamento, surge lo que ahora conocemos como Inteligencia de Negocios, que son el conjunto de
herramientas que le dan sentido a toda esa información almacenada, de una manera atractiva y dinámica. Lo
verdaderamente importante es que ahora podemos realizar cualquier tipo de análisis que creamos más conveniente y que
nos permita enfocarnos en distintas áreas de análisis de la empresa para lograr sus objetivos.

Lo que veremos a continuación es como se relaciona el data warehouse, el data mart y data mining en una base de datos
que tenemos en entidad relacional para ver si cumple con estos temas a conocer y si tiene una inteligencia de negocios
dentro de la base de datos para desarrollar un buen sistema de información y datos para dicha empresa.

Por lo tanto, la minería de datos o DATA MINING es el proceso de extracción de información de las diversas bases de
datos de la compañía y su reorganización para fines diferentes a los que originalmente se destinaron a las bases de datos.
La información que se debe extraer y para qué uso varía radicalmente de una compañía a otra, al igual que la naturaleza y
organización de los datos, por lo que no puede existir una "herramienta de minería de datos" genérica.

Un almacén de datos o data warehouse es un lugar donde se pueden almacenar datos para una minería más
conveniente. Esto generalmente será un sistema informático rápido con una gran capacidad de almacenamiento de datos.
Los datos de todos los sistemas de la empresa se copian al Almacén de datos, donde se limpiarán y reconciliarán para
eliminar la redundancia y los conflictos. Las consultas complejas se pueden realizar contra el almacenamiento de
información del Almacén.

Un Data mart es un sistema de índice y extracción. En lugar de reunir todos los datos de la compañía en un solo almacén,
el data Mart sabe qué datos contiene cada base de datos y cómo extraer información de múltiples bases de datos cuando
se le solicita.

Crear un Data Mart puede considerarse la solución "rápida y sucia", ya que los datos de diferentes bases de datos no se
borran ni se concilian, pero puede ser la diferencia entre tener información disponible y no tenerla disponible.
 Data warehouse Data warehouse
normalizado No normalizado Echo A Echo B

Data Mart

Clientes Unidades
Razón_soc vendidas

Suma(uni
dades)
Modelo estrella
Producto
ventas
Marca
Data mining
detalle

Tiempo Monto total

Año De ventas

Facturas Reportes de Reportes Trimestre Sum(uni-

venta consultas ven * preci-
mes venta)
 Conclusión
En conclusión, en la base de datos de la ferretería se llevo a cabo la comparación de un data warehouse, un data
marts y data mining de como esta estructurado porcada parte de trabajo de la base de datos a la cual con lleva en
la determinación de información de elaboración de sistemas de base de datos, pero como define una data warehouse
o que es su funcionamiento. Esto cuenta Con una estructura básica, sistemas operativos y archivos planos
proporcionan datos en bruto que se almacenan junto con metadatos. Los usuarios finales pueden acceder a ellos
para su análisis, generación de informes y minería.

Al añadir un área de ensayo que se puede colocar entre las fuentes de datos y el almacén, ésta proporciona un lugar
donde los datos se pueden limpiar antes de entrar en el almacén. Es posible personalizar la arquitectura del almacén
para diferentes grupos dentro de la organización.

Se puede hacer agregando data marts, que son sistemas diseñados para una línea de negocio en particular. Se
pueden tener data marts separados para ventas, inventario y compras, por ejemplo, y los usuarios finales pueden
acceder a datos de uno o de todos los data marts del departamento.