Ingeniería en Sistemas Computacionales

Trabajo:

Bases de datos multidimensionales (BDM).

Profesora:

SARAÌ ROJO RUIZ

Integrantes:

JESÚS PETRONIA CASTRO

Materia:

ADMINISTRACION DE BD

INSTITUTO TECNOLÓGICO SUPERIOR DE LA MONTAÑA

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 usuarios, 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 acceso 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 panel 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 acceso 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..