Beruflich Dokumente
Kultur Dokumente
Sistemas de Datos
Los problemas surgen en cada reunión gerencial: los datos sobre las ventas de
entradas y productos no parecen confiables ni están listos en tiempo y forma para que
el equipo de gerentes pueda tomar decisiones acertadas. Esto ocurre porque los
distintos gerentes (ventas, marketing, control de gestión, etc.) se manejan con
diferentes fuentes de información (en algunos casos usando planillas de cálculo, hechas
con ingreso manual de datos, minutos antes de las reuniones) y además porque cada
vez que se requiere un informe de mediana complejidad, hay que solicitarlo al área de
sistemas que demora por lo menos una semana en confeccionarlo ya que están
demasiado ocupados con la migración de los servidores corporativos y cuentan con
poco personal.
En resumen: cada reunión es un caos por las diferentes versiones de la verdad que
cada gerente tiene y en algunos casos porque ni siquiera se llega a tener la información
necesaria o está demasiado desactualizada.
Debido a esta situación, la empresa decide contratarlo a Ud. para que le de una
solución a este problema. El directorio ha escuchado hablar de palabras como sistemas
de ayuda a la decisión, business intelligence, data warehouse y otras pero lo que
realmente necesita es una solución de negocio para afianzar el crecimiento de la
empresa.
Observación: los anexos muestran solo las tablas que se han evaluado como
útiles, es decir, que existen otras tablas en cada sistema, que en los anexos no
se muestran.
3. El mínimo nivel de detalle que se quiere tener disponible para el análisis de las
ventas ($ vendidos y unidades vendidas) es el de la línea de los ticket.
6. De cada escuela se sabe si es privada o pública, y se desea conocer cuales son las
escuelas que generan mayores ingresos a la empresa.
Sistema de Facturación I
Sistema de Facturación II
SISTEMA DE DATOS – CURSO: ERNESTO CHINKES
FACULTAD DE CIENCIAS ECONOMICAS
UNIVERSIDAD DE BUENOS AIRES
Caso práctico: data warehouse / business Intelligence
SISTEMA DE DATOS – CURSO: ERNESTO CHINKES
FACULTAD DE CIENCIAS ECONOMICAS
UNIVERSIDAD DE BUENOS AIRES
Caso práctico: data warehouse / business Intelligence
Resolución
1. Se decide empezar por modelar el negocio de Jurassic Park, identificando las
dimensiones de análisis y también los hechos o medidas: Modelo
multidimensional conceptual.
DISTRIBUCIÓN
EMPLEADO TIEMPO ESCUELA PRODUCTO
GEOGRÁFICA
Rango
Anio Tipo Región Categoría
capacitación
Provincia
Empleado Trimestre Escuela Sub categoría
Ciudad
Mes Producto
Parque
Día
Local
Monto vendido
Cantidad vendida
RRHH
Data
E T Warehouse
Objetivo
Facturacion I Area de trabajo
L
E T
Facturacion II Aplicaciones de
Data Business Intelligence
Warehouse
Subjetivo
Boleterias
SISTEMA DE DATOS – CURSO: ERNESTO CHINKES
FACULTAD DE CIENCIAS ECONOMICAS
UNIVERSIDAD DE BUENOS AIRES
Caso práctico: data warehouse / business Intelligence
PROVINCIA
REGION
TIPO ESCUELA
id_provincia
id_region
Id_tipo_escuela CIUDAD
Nombre provincia
id_ciudad id_region Nombre region
Descripcion
Nombre ciudad
id_provincia
ESCUELA LOCAL
Descripcion_producto Nombre_empleado
Precio_unitario Apellido_empleado
Cantidad Sueldo
Horas _capacitacion
Numero_ticket
PRODUCTO SUB CATEGORIA
CATEGORIA
Id_producto Id_sub_categoria
Id_categoria
Descripcion_producto Descripcion_sub_categoria
Id_categoria Descripcion_cateogira
Id_sub_categoria
4. Para cargar los datos al data warehouse es necesario pasar por un proceso de ETL
que extraiga los datos de los sistemas fuente, la transforme si es necesario, y luego
la cargue en el DW.
Periodicidad
En base a ello se decide correr el proceso de ETL para la carga del data warehouse una
vez por semana (extrayendo todas las transacciones de la semana anterior) los días
domingo a las 22 horas. Esta decisión se ha tomado porque este nivel de actualización
es suficiente para los analistas y además porque ese es un momento en que hay
disponibilidad de recursos de procesamiento. También se toma en cuenta que la
mayoría de los análisis se hace el día lunes con la información de la semana anterior.
SISTEMA DE DATOS – CURSO: ERNESTO CHINKES
FACULTAD DE CIENCIAS ECONOMICAS
UNIVERSIDAD DE BUENOS AIRES
Caso práctico: data warehouse / business Intelligence
Transformación de datos
Tabla de equivalencias
ID_EMPLEADO Sistema COD_EMPLEADO Codigo_empleado
facturacion I Sistema facturacion II sistema de
entradas LEGAJO
1 54 5 1
2 6 8 70
3 1 2 41
4 10 34 53
Esta tabla sirve para ser usada al momento de la extracción de las ventas de los
diferentes sistemas de facturación (y el de entradas) al momento de hacer el pasaje al
DW. En cada venta se extrae el código del empleado del sistema fuente y, luego de
consultar la tabla de equivalencias y obtener el legajo correspondiente, podrá cargar el
registro de la venta en forma homogénea en el DW.
Tabla de equivalencias
COD_ESCUELA
de sistema de ID_ESCUELA
entradas Sistemas I y II
1 24
2 21
3 23
4 45
EMPLEADO
Legajo
Apellido_nombre
TIEMPO Sueldo
Horas _capacitacion
id_fecha Rango_horas _capacitacion PRODUCTO
Dia id_producto
Mes
Trimestre Descripcion producto
Año TABLA DE HECHOS Categoria
Subcategoria
id_producto
id_local
id_fecha
id_escuela ESCUELA
Legajo
Id_escuela
TIPO ESCUELA
monto vendido
cantidad vendida Nombre
Id_tipo_escuela
Id_tipo_escuela
Tipo_escuela
DISTRIBUCION GEOGRAFICA
id_local
Nombre local
Id_parque
Ejercitación
A. Se desea que defina qué cambios haría en el data warehouse objetivo, el subjetivo,
y en el diseño multidimensional conceptual, para los nuevos requerimientos que se
describen a continuación:
4. De cada local es necesario poder analizar las ventas (importe y cantidad) con
respecto a los metros cuadrados que disponen y distancia respecto de la
boletería.
B. Defina el resto de los proceso que debe contemplar el ETL para generar el
DW objetivo, continuando lo visto en el punto 4 de la resolución.