Universidad CAECE Sede Av.

De Mayo

Trabajo presentado por requerimiento de la asignatura Administracin

del Conocimiento

TP Productos

Profesores: Hugo Castro

Mercedes Castro

Carrera: Licenciatura en Sistemas

Fecha: 17/11/2009

Integrantes:

Martiniano Aizaga

Marina Gallegos

Guillermo Kleinlein

Emiliano Schiano di Cola

 Resumen

La clave de OLAP, se trata de trabajar con datos en trminos de negocio, sin tener que

entender el mecanismo interno de almacenamiento de esos datos y tener la capacidad de

dar soporte de forma inteligente y transparente a los distintos tipos de reglas de negocio

que existen dentro de las organizaciones. Con Oracle Database 11g, todos los datos (tanto

relacionales como multidimensionales) estn almacenados en una sola base de datos

Oracle. Solo Oracle OLAP provee tipos de datos multidimensionales nativos dentro de la

base de datos. Oracle OLAP presenta una gran variedad de herramientas para el manejo y

la creacin de los Data Warehouse y para la navegacin, anlisis de datos y DataMining.

Palabras clave: Oracle OLAP DataWarehouse DataMining

Abstract

OLAP is about working with data in business terms without having to understand the

underlying storage mechanism and having the ability to intelligently and transparently

support the many different types of business rules that always exist within an organization.

With Oracle Database 11g, all data (relational and multidimensional) is stored in one Oracle

database. Only Oracle OLAP provides native multidimensional data types within the

database. Oracle OLAP supports a great variety of tools for Data Warehouse creation and

manipulation, for data Analysis and Data Mining.

Key words: Oracle OLAP DataWarehouse DataMining

Pgina 2 de 31
Tabla de contenidos

Resumen...............................................................................................................................2

Abstract................................................................................................................................2

Qu es OLAP?....................................................................................................................4

Arquitectura de Oracle OLAP............................................................................................10

Componentes de Oracle OLAP..........................................................................................15

Analytic Workspace.......................................................................................................15

Oracle BI Spreadsheet Add-In.......................................................................................16

OracleBI Discoverer......................................................................................................18

Herramientas para construir un AW...................................................................................19

Analytic Workspace Manager (AWM)...........................................................................20

OracleBI Warehouse Builder (OWB)............................................................................21

Data Mining.......................................................................................................................23

Data Mining Supervisado...............................................................................................26

Data Mining No Supervisado.........................................................................................26

Algunos casos de xito:......................................................................................................27

Conclusin:........................................................................................................................28

Bibliografa:.......................................................................................................................30

Pgina 3 de 31
Qu es OLAP?

Entendemos por OLAP (del ingls Online analytical processing) aquellos sistemas

informticos diseados y optimizados para el anlisis. Es decir, poder trabajar con los datos

en trminos del negocio, sin preocuparse del mecanismo de almacenamiento utilizado. La

ventaja de estas herramientas es que permiten detectar situaciones y tomar decisiones en

funcin de reglas implementadas en la organizacin, dependiendo siempre del proceso de

negocio cuyos datos se estn analizando.

Analizando el significado exacto de OLAP, lo podemos dividir en:

Online: Aunque los reportes utilizados pueden ser guardados e impresos, el

objetivo de la herramienta es poder tener reportes dinmicos, con datos

constantemente actualizados, de manera de poder ejecutar una consulta y obtener

los resultados sin demoras, en contraposicin de tener reportes estticos, sin

variaciones en sus formas ni en su contenido.

Analytical Processing: Este es el concepto clave de OLAP. Los usuarios podrn:

o Navegar fcilmente por informacin multidimensional y mostrar los

resultados en distintas disposiciones.

o Poder implementar reglas de negocios en forma transparente, utilizando

varias dimensiones y cubos, en caso de ser necesario.

o Subir o bajar los niveles de detalle de manera de descubrir aspectos

significativos de los datos.

o Obtener resultados ya procesados y/o calculados de forma rpida y

eficiente.

Pgina 4 de 31
 En conclusin, las herramientas OLAP permiten responder a preguntas complejas, de

contenido analtico, donde usualmente la respuesta a una pregunta suele desencadenar otra

pregunta, sin necesidad de tener conocimientos tcnicos, como puede ser cmo ejecutar una

consulta.

En el modelo OLAP, los objetos principales son:

Medidas: Representan los datos a analizar. Ejemplos tpicos son ventas, costos,

ganancias, entre otros. Las medidas son organizadas por las dimensiones, sin haber

una restriccin en la cantidad de las dimensiones. En particular, Oracle permite

disear y manejar cubos con distintas dimensionalidad, es decir con distintas

cantidades de dimensiones que los afectan. Las medidas, en Oracle, pueden ser de

distintos tipos (haciendo referencia al tipo de dato en SQL): numricas, decimales,

enteras, texto, fecha y booleano.

A su vez las medidas pueden ser divididas en dos categoras: las almacenadas y las

derivadas (o calculadas), siendo siempre transparente para el usuario final. La

diferencia radica en si las medidas son almacenadas en las tablas o bien si son

calculadas en forma dinmica con cada consulta. En este segundo caso, nicamente

las reglas de clculo son almacenadas en la base de datos. En el caso de Oracle

OLAP existe una librera de varios clculos multidimensionales para utilizar con

medidas derivadas. De todas maneras, Oracle OLAP permite que el experto pueda

definir sus propias funciones, de manera de extender el modelo.

Habiendo definido las medidas, surge el concepto de cubo como un contenedor,

invisible para el usuario, de forma de poder agrupar medidas que comparten la

misma dimensionalidad, pudiendo as manejar ms fcilmente un grupo de

medidas.

Pgina 5 de 31
 Dimensiones: Permiten identificar y categorizar los valores de las medidas.

Algunos ejemplos son Productos, Fecha, Geografa, etc.

En Oracle OLAP cada dimensin es creada una vez, para luego utilizarla

repetidamente. As, permite que las dimensiones sean compartidas entre las

medidas.

Fig. 1. Una nica dimensin para varias medidas

En el ejemplo indicado en la Fig. 1, vemos 3 veces la dimensin Tiempo. Sin

embargo, es una nica dimensin. Por otro lado, podemos ver como los distintos

cubos pueden tener distintas dimensiones relacionadas, como as tambin distinta

cantidad de las mismas.

Pgina 6 de 31
Fig. 2. Distintos DataMarts, unidos por dimensiones compartidas Aplicacin del concepto de

DataMart de Kimball

Las dimensiones tienen tres componentes principales:

o Jerarquas: Son opcionales, pero son de uso corriente en los sistemas

OLAP. Una jerarqua es una estructura lgica que agrupa registros similares

de una dimensin facilitando el anlisis. As, la dimensin Tiempo puede

tener una jerarqua que defina cmo agrupar los meses para definir un

cuatrimestre, y cmo se agrupan los cuatrimestres para formar un ao.

Cada dimensin puede tener ms de una jerarqua en caso de resultar

necesario.

Pgina 7 de 31
 Fig. 3. Modelo de una jerarqua

Esta organizacin jerrquica est basada en relaciones padre-hijo,

permitiendo navegar entre los distintos niveles, permitiendo hacer drill

down o drill up, ayudando al usuario navegar grandes volmenes de datos

multidimensionales. Adems esto permite consolidar la informacin a

medida que se sube el nivel, de manera de poder manipular la informacin

en forma eficiente para el anlisis. De la misma forma, se pueden ver los

datos en forma ms detallada a medida que se baja el nivel de la jerarqua

utilizado para mostrar los datos.

o Niveles: cada nivel representa una posicin en la jerarqua. A excepcin del

nivel inferior, el resto contiene informacin consolidada de los niveles

inferiores. Si llegara a ocurrir que una dimensin tiene definida ms de una

jerarqua, puede ocurrir que un nivel este definido para ms de una

jerarqua.

Pgina 8 de 31
 Fig. 4. Niveles en distintas jerarquas de una misma dimensin.

o Atributos: Proveen informacin sobre los elementos miembros de una

dimensin, resultando tiles al momento de elegir elementos para el

anlisis. Oracle OLAP permite crear una gran cantidad de atributos en caso

de ser necesario. Puede ocurrir que haya atributos vlidos para todos los

niveles de una jerarqua, o bien slo para algunos de la misma. Por ejemplo:

Pgina 9 de 31
Fig. 5. Atributos vlidos nicamente para el nivel inferior de la jerarqua

Pgina 10 de 31
Arquitectura de Oracle OLAP

Fig. 6. Arquitectura de Oracle OLAP

Las herramientas de generacin de informes y consultas adhoc generalmente se despliegan

utilizando datawarehouses y herramientas basadas en SQL, mientras que aplicaciones ms

sofisticadas de anlisis y planificacin se despliegan utilizando otras bases de datos y

herramientas. Es decir, usualmente se utilizan distintas plataformas para las distintas

necesidades de la organizacin.

Sin embargo esta separacin entre data warehouses y bases de datos analticas resulta

costosa. Esto se debe principalmente al aumento del coste de mantenimiento debido a tener

bases de datos separadas, ya que se necesitarn recursos adicionales hardware y

administradores.

Oracle elimina estas barreras proporcionando una base de datos preparada para el anlisis,

proveyendo una nica base de datos para el modelo relacional y el multidimensional..

Pgina 11 de 31
 Oracle OLAP, parte de la base de datos Oracle, proporciona la funcionalidad analtica de

una base de datos especializada a la vez que elimina la necesidad de gestionar bases de datos

separadas.

Oracle ofrece, como mencionamos anteriormente, una base de datos integrada relacional-

multidimensional. Oracle RDBMS-MDDS (las siglas RDBMS provienen de Relational

DataBase Management System, mientras que las siglas MDDS provienen de

MultiDimensional Database System) elimina la decisin entre gestionabilidad y

rendimiento-poder analtico. Oracle simplifica el proceso, reduciendo adems el coste de

mantenimiento de los datos, a la vez que se mantiene la habilidad de hacer complejas

consultas analticas y proporciona un rendimiento excelente.

Con respecto al almacenamiento, todos los datos relacional y multidimensional se

almacenan en los ficheros de datos Oracle, es decir, no hay ficheros multidimensionales

separados. Los tipos de datos relacional y multidimensional pueden coexistir en los mismos

ficheros de datos. Los datos multidimensionales se almacenan en la base de datos en lo que

se llaman analytic workspaces.

Pgina 12 de 31
 Fig. 7. Esquema de almacenamiento en Oracle Database.

Oracle OLAP es parte de una plataforma integrada de Data Warehousing y Business

Intelligence que contiene funcionalidad ETL, OLAP y Data Mining en la base de datos,

basado en un modelo de datos multidimensional.

Al estar basado en un modelo multidimensional, se obtienen varios beneficios para el

usuario, como ser:

Es fcilmente entendible por los usuarios no expertos.

Proporciona el contexto para la seleccin de datos.

Simplifica el proceso de definicin de clculos hasta que usuarios no expertos

pueden usar el lenguaje de clculo.

Por otro lado, el tener una base de datos RDBMS-MDDS completamente integrada en

comparacin con bases de datos multidimensionales y separadas, trae los siguiente

beneficios:

Pgina 13 de 31
 Gestin ms simple

Alta disponibilidad

Seguridad mejorada

Acceso abierto desde clientes SQL y OLAP API

Ciclo de informacin reducido

Mayor fiabilidad de la informacin

La base de datos Oracle se compone de tres tecnologas:

La tecnologa relacional gestiona los objetos de base de datos, proporcionando una

interfaz SQL a los datos.

La tecnologa de objetos permite a la base de datos gestionar datos no relacionales

La tecnologa OLAP proporciona funcionalidad analtica por medio de la

aplicacin del modelo multidimensional.

Pgina 14 de 31
 Fig. 8. Separacin de tecnologas de la base de datos Oracle

SQL puede acceder a datos multidimensionales a travs de funciones de tabla o vistas

relacionales. Usando aplicaciones PL/SQL, SQL pueden interactuar directamente con el

motor multidimensional.

Todas las tecnologas (relacional, objetos y OLAP) estn contenidas en un solo proceso;

resultando en que la base de datos se trate como una sola instancia integrada.

A primera vista podemos separar a Oracle OLAP en 3 partes:

1. Opcin OLAP de la Base de Datos Oracle, la cual contiene tipos de datos

multidimensionales, el motor OLAP e interfaces de acceso libre;

2. Herramientas de usuario; que proveen acceso a los datos OLAP para satisfacer

amplias necesidades de anlisis;

3. Herramientas administrativas, utilizadas para crear y administrar los datos

multidimensionales. En particular, Oracle provee dos herramientas:

a. Oracle Warehouse Builder

b. Analytic Workspace Manager

Pgina 15 de 31
Componentes de Oracle OLAP

Se subdivide en dos grandes reas:

La OLAP API y el workspace analtico (analytic workspace, AW)

La funcionalidad de la OLAP API.

Analytic Workspace

Este espacio de trabajo resulta ser un contenedor para los datos multidimensionales, como

tambin provee una interfaz SQL al modelo multidimensional. De esta manera, se provee de

una capa de acceso universal para cualquier herramienta de reporte de BI que genere

comandos SQL, como puede ser SQL Developer, o Application Express, entre otros.

AW tambin provee una XML API para administracin y un lenguaje de programacin,

OLAP DML.

Cabe mencionar que, an compartiendo la misma base de datos con los datos relacionales,

los datos multidimensionales se almacenan en tablas especiales llamadas Analytic

Workspaces.

El motor de clculo del modelo dimensional provee una Java API, permitiendo que los

desarrolladores puedan explotan las funcionalidades de Oracle OLAP. Esta misma API es

utilizada por herramientas de BI, como ser OracleBI Beans, OracleBI Discoverer, OracleBI

Spreadsheet Add-In, y Oracle Reports OLAP Plug-in.

Oracle OLAP usa un modelo multidimensional como base para el modelo fsico en los

analytic workspaces. Este modelo proporciona beneficios importantes:

El modelo fuerza la integridad referencial. Por ejemplo, no es posible que las

medidas contengan claves que no referencien valores vlidos en una dimensin.

Pgina 16 de 31
 El modelo favorece la consistencia de datos al facilitar la reutilizacin de

dimensiones con mltiples medidas.

El orden de los miembros de las dimensiones se mantiene. Esto simplifica los

clculos como por ejemplo el anlisis de series temporales. Cuando el orden de los

miembros de las dimensiones se mantiene, las funciones pueden usar la posicin de

un miembro de una dimensin, por lo que se simplifica la definicin de los clculos

y se reduce la necesidad de atributos dimensionales.

Por ejemplo, un ao antes se puede expresar como lag(time 12 time), as se

elimina la necesidad de atributos un ao antes calculados y que formen parte del

proceso ETL.

Toda la base de datos se presenta como precalculada, sin tener en cuenta si los

datos se han precalculado o se calculan en tiempo ejecucin. Las aplicaciones no

necesitan especificar reglas de agregacin o joins cuando consultan la base de

datos. Las aplicaciones SQL no se preocupan de cmo los datos estn

precalculados, simplemente consultan los datos.

Oracle BI Spreadsheet Add-In

La herramienta Oracle BI Spreadsheet Add-In facilita acceder a los datos OLAP a travs de

planillas de clculo, como ser Microsoft Excel. Esta herramienta permite un acceso seguro a

la fuente de datos OLAP y utilizar Excel como herramienta de acceso a los datos de la Base

de Datos.

Pgina 17 de 31
 Fig. 9. Ejemplo de reporte en Excel

Fig. 10. Otro ejemplo de reporte de Oracle OLAP en Excel

Esta integracin con Excel permite que los usuarios integren las funcionalidades de Oracle

OLAP con las funciones propias de Excel.

Pgina 18 de 31
 OracleBI Discoverer

Otra herramienta de anlisis es OracleBI Discoverer. Adems de permitir el acceso a los

datos de Oracle OLAP, permite:

Realizar consultas, reportes y anlisis sobre los modelos dimensionales (analytical

workspaces) y sobre los modelos relacionales (esquemas de copo de nieve star o

snowflake schemas)

Acceder y analizar los datos dimensionales de la base de datos sin la necesidad de

comprender conceptos avanzados de base de datos.

Con esta herramienta, se pueden formular consultas utilizando el mismo lenguaje de

negocios, es decir utilizar dimensiones, jerarquas, niveles y medidas a travs de una simple

interfaz.

Fig. 11. Ejemplo de pantalla de OracleBI Discoverer

Pgina 19 de 31
Herramientas para construir un AW

Existen dos herramientas para los usuarios para la construccin de Aws y cargarlos con

datos, para posteriores anlisis con las herramientas correspondientes, como las vistas

anteriormente.

Estas dos utilidades son:

Analytic Workspace Manager (AWM)

OracleBI Warehouse Builder (OWB)

Fig. 12. Ciclos de vida por utilidad

Ambas utilidades comparten una API, la cual es la AW XML API para construir y

mantener los AW. Por consiguiente, un modelo AW creado con AWM puede ser reutilizado

en el repositorio OWB para mantener control de versin y anlisis de impacto si son

requeridos cambios en los sistemas fuentes.

Pgina 20 de 31
 Cabe destacar que ambas utilidades generan scripts que pueden ser invocados y

programados, en caso de requerirlo, desde scripts PL/SQL u otras herramientas para

programar eventos.

Analytic Workspace Manager (AWM)

Esta herramienta permite construir y mantener AWs desde una fuente de datos limpia. Esto

quiere decir que AWM es utilizada en datos fuente ya limpiados en el proceso de ETL.

Esta limpieza de datos puede haber sido realizada por Oracle Warehouse Builder o bien por

otro proceso ETL.

AWM esta focalizado simplemente en crear los AWs, por medio de guas paso a paso

(wizards) muy intuitivas, permitiendo que sea utilizable tanto por usuarios con o sin

conocimientos tcnicos (usuarios de IT o power users).

El proceso de creacin est conformado por 3 pasos:

1. Disear el modelo dimensional.

2. Mapear el modelo dimensional con los datos fuente.

3. Cargar los datos en el AW.

Pgina 21 de 31
 Fig. 13. Ejemplo de mapeo de una dimensin con los datos originales, luego del ETL

Luego de haber realizado estos pasos, el espacio de trabajo (AW) queda listo para su

anlisis con las distintas herramientas.

OracleBI Warehouse Builder (OWB)

A diferencia de AWM, OWB permite administrar AWs y es una herramienta ETL, utilizada

por desarrolladores y administradores de bases de datos para construir y mantener la

informacin en la base de datos Oracle. OWB permite administrar el proceso completo de

juntar y limpiar los datos.

Juntar datos: OWB obtiene los datos de distintos sistemas fuentes que alimentan

al Data Warehouse.

Pgina 22 de 31
 Limpiar los datos: OWB realiza actividades de transformacin y limpieza de los

datos, como puede ser actuar sobre los mismos para evitar inconsistencias entre los

distintas fuentes de informacin, para luego compaginar los datos.

El resultado es un conjunto de tablas con datos limpios en la base de datos Oracle.

Pgina 23 de 31
Data Mining

Otro servicio implementado en Oracle es Data Mining, permitiendo al usuario extraer

informacin por medio del anlisis de todos los datos almacenados en el Data Warehouse. La

base de datos Oracle provee varios elementos para este anlisis:

Un gran conjunto de funciones estadsticas, incluyendo estadsticas descriptivas,

test de hiptesis, anlisis de correlacin, prueba de bondad de ajuste, tablas

cruzadas con estadsticas de Chi cuadrado, y anlisis de la variancia (ANOVA).

OLAP

Data Mining.

En particular, Data Mining utiliza grandes cantidades de datos para crear modelos, los

cuales pueden proveer de detalles reveladores, significantes y valiosos. Por ejemplo, data

mining puede ser utilizado para:

Predecir los clientes que tendern a cambiar de proveedores de servicio;

Descubrir los factores relacionados con una cierta enfermedad;

Identificar comportamientos fraudulentos.

Oracle Data Mining realiza el proceso de data mining en la base de datos Oracle, por lo

que no necesita traslado de datos entre la base de datos y un servidor externo de data mining,

eliminando de esta forma redundancia de datos y resultando en un almacenamiento y

procesado de la informacin eficiente. De esta forma asegura que los datos utilizados estn

actualizados y mantiene seguridad de la informacin.

Oracle Data Mining soporta la mayora de las funciones de data mining. Hay al menos un

algoritmo para cada una de las funciones:

Pgina 24 de 31
 Clasificacin: Agrupar tems en clases discretas y predecir a qu clase pertenece un

determinado item. Algunos de los algoritmos implementados son: rboles de

decisin, Naive Bayes, Mquinas de Vectores de Soporte (Support Vector

Machines, SVM), entre otros.

Regresin: Aproximar y predecir valores numricos continuos; los algoritmos son

SVM y Modelos Lineales Generalizados (Generalized Linear Models).

Deteccin de Anomalas: Detectar casos anmalos, tales como fraudes o intrusin;

el algoritmo es SVM de una clase.

Importancia de atributos: Identificar los atributos que tienen las relaciones ms

fuertes con el atributo a analizar; el algoritmo es Descriptor de Mnima Longitud

(Minimun Descriptor Length).

Segmentacin: Encontrar agrupamientos naturales de los datos de modo de

encontrar segmentos para identificar a los clientes; los algoritmos son K-Vecinos y

O-Cluster.

Asociacin: Anlisis de canasta, encontrando los tems que son probablemente

comprados en conjunto; el algoritmo es A Priori.

Extraccin de caractersticas: Crear nuevos atributos (caractersticas) como

combinacin de los atributos originales; el algoritmo utilizado es Factorizacin de

Matriz No Negativa (Non-Negative Matrix Factorization).

El API de ODM (Oracle Data Mining) provee soporte para la construccin de aplicaciones

que automatizan la extraccin de estos anlisis.

Las actividades, tales como construccin de modelos, prueba y puntaje son llevadas a cabo

a travs de una PL/SQL API, una Java API, y funciones de Data Mining SQL.

Pgina 25 de 31
 ODM permite la creacin de un supermodelo, es decir, un modelo que contiene

instrucciones para la preparacin de los datos que contenga.

El anlisis predictivo automatiza el proceso de Data Mining. Sin la intervencin del

usuario, las rutinas del anlisis predictivo maneja la preparacin de los datos, la seleccin del

algoritmo, la construccin del modelo y el puntaje del mismo, de modo que el usuario se

pueda beneficiar del proceso de Data Mining sin ser un experto en el tema.

Fig. 14. Proceso de Data Mining

La figura anterior ilustra las fases de un proyecto de Data Mining, demostrando su

naturaleza iterativa. Demuestra que un proyecto de este tipo no se detiene cuando se alcanza

una determinada solucin. Los resultados disparan nuevas preguntas de negocio, lo cual

genera la necesidad de desarrollar nuevos modelos.

Las funciones mencionadas de Data Mining especifican un tipo de problema que puede ser

modelado y resuelto. Generalmente estas funciones caen en dos categoras: supervisados y

no supervisados. Estos conceptos se derivan de la parte de inteligencia artificial que define el

aprendizaje de las mquinas.

Pgina 26 de 31
 Data Mining Supervisado

El aprendizaje supervisado tambin es conocido como aprendizaje dirigido. El proceso de

aprendizaje es dirigido por un atributo previamente conocido. Este tipo de Data Mining

intenta explicar el comportamiento de un atributo en funcin de un conjunto de atributos

independientes.

Generalmente, este tipo genera modelos predictivos, en contraste con los no supervisados,

cuyo objetivo es generar patrones de deteccin.

La construccin de modelo supervisado implica entrenamiento, siendo un proceso por el

cual el software analiza mltiples causas, donde el atributo a obtener es ya conocido.

Entrenamiento supervisado: Pruebas

Se requieren conjuntos separados de datos para la construccin, o entrenamiento, y prueba

de algunos modelos predictivos. Los datos de construccin y de prueba deben tener la misma

estructura. Generalmente, una misma tabla o vista se subdivide en dos sets de datos: uno

para la construccin y otro para la prueba.

El proceso de aplicar el modelo a los datos de prueba determinar si el modelo es aplicable

a otro conjunto de datos.

Data Mining No Supervisado

El aprendizaje no supervisado es el no dirigido. No hay distincin entre atributos

dependientes e independientes. No existe un conocimiento previo que pueda guiar al

algoritmo en la construccin del modelo.

Este tipo de Data Mining se puede utilizar con propsitos descriptivo, al igual que para

realizar predicciones.

Pgina 27 de 31
Algunos casos de xito:

Adeco Agropecuaria

o Permiti la entrega en tiempo y forma de datos financieros consolidados a

directores y accionistas

La Caja de Ahorro y Seguro S.A.

o Integraron diferentes aplicaciones

o Mejora de acceso a datos para toda la compaa

Multicanal

o Se fortaleci el call center y el rea tcnica

o Se consolid la centralizacin de las operaciones desde una misma

plataforma

OfficeNet

o Alcanz un mejor manejo de la capacidad de inventario

Hospital Alemn

o Centralizacin de informacin mdica

o Digitalizacin de informacin clnica de pacientes

Hospital Italiano, entre otros.

o Centralizacin de informacin

Pgina 28 de 31
Conclusin:

Oracle OLAP representa un cambio fundamental en la tecnologa OLAP. Al unir las bases

de datos relacionales y multidimensionales, se proporcionan capacidades analticas propias

de una base de datos multidimensional en el contexto de la base de datos Oracle.

Las ventajas de un RDBMS-MDDS, como lo es Oracle, son:

Gestin ms simple

Proporciona la alta disponibilidad de un servidor corporativo

Mayor seguridad

Ofrece el acceso ms abierto

El ciclo de informacin se reduce

Se elimina la sincronizacin de los datos

Se obtienen todas estas ventajas, mientras se mantiene la potencia de un servidor OLAP

dedicado. Oracle OLAP proporciona un conjunto de funciones analticas a travs de la

OLAP API, un motor multidimensional y un lenguaje de manipulacin de datos OLAP. El

resultado es un sistema de menor coste, ms seguro y fiable, que da soporte a aplicaciones

analticas, de consulta y de generacin de informes.

Vemos que estas ventajas provienen del hecho de que Oracle OLAP implementa un modelo

HOLAP, es decir, es un hbrido de ROLAP y MOLAP. Decimos que implementa ROLAP ya

que permite la consulta a las tablas directamente por medio de consultas SQL, adems de

almacenar los datos en un esquema de copo de nieve, por ejemplo, de modo que utiliza el

paradigma relacional. Por otro lado, decimos que implementa MOLAP ya que permite

tambin la consulta y creacin de dimensiones y tablas de hechos en forma independiente a

Pgina 29 de 31
cmo se almacenan en la base de datos. Adems, Oracle OLAP permite definir compresin

de las dimensiones al momento de crearlas, por el cual utiliza el algoritmo de matrices

disperar.

Podemos decir entonces que resulta una herramienta muy poderosa, ya que permite que

cualquier tipo de usuario pueda construir sus propios reportes, de modo de poder analizar la

informacin de la manera que le resulte ms cmoda al usuario.

Por otro lado, el mdulo de Data Mining permite la construccin de cualquier tipo de

modelo para encontrar o explicar comportamientos tiles para el negocio.

Implementa todos los algoritmos vistos en clase, ofreciendo un gran abanico tanto para los

supervisados, como para los no supervisados.

Pgina 30 de 31
Bibliografa:

Sitio de Internet: http://blog.neozeratul.com/

Sitio de Internet: http://oracleolap.blogspot.com/

Sitio de Internet:

http://wiki.oracle.com/page/Getting+Started+With+Oracle+OLAP+Option

Sitio de Internet:

http://www.oracle.com/global/lad/customers/countries/countries.html#Argentina

Sitio de Internet:

http://download.oracle.com/docs/cd/B28359_01/datamine.111/b28129/toc.htm

Pgina 31 de 31