Querys Y Reports

QUERYS Y REPORTS

Serian todas aquellas herramientas que nos van a permitir realizar consultas o informes para obtener información sobre los datos.

Este tipo de herramientas las podemos utilizar en dos ámbitos:

-Entorno transaccional: desde las herramientas de informes o Querys, atacamos directamente a la base de datos donde se registran las transacciones cotidianas de la empresa. En este entorno, las consultas son mucho mas complejas, los tiempos de respuesta son mayores y seguramente estaremos interfiriendo con otros procesos informáticos que comparten la plataforma (imaginemos el ejemplo de una lectura histórica de datos años atrás, en el mismo servidor donde se esta realizando la facturación de clientes).

-Entorno del Datawarehouse: atacamos directamente a la base de datos que esta optimizada para el análisis. Utilizamos una estructura y tecnología muchos mas apropiada y obtenemos mejores resultados, velocidad, etc.

Por ejemplo, un informe típico podrían ser las ventas por familia, por zona geográfica, el número de empleados y coste salarial por delegación, etc. Estaría destinado a usuarios con una aptitud técnica limitada y orientado a analizar de una forma sencilla tipo foto la información histórica.

Las herramientas de informes y Querys son cada vez mas avanzadas, permitiéndonos definir múltiples formatos de presentación, definición de filtros, exportación de los datos obtenidos a múltiples formatos (Excel, Pdf, etc), plantillas, campos calculados, totalización, agrupación, etc. Igualmente, dispondremos de diferentes tipos de gráficos que nos permitirán ver la información de diferentes modos (Charts, semáforos, gráficos de barras, de tarta, etc.). Nos permitirían contestar a la pregunta “¿que sucedió?”.

De cara a la utilización de este tipo de herramientas, podemos definir varios niveles de utilización según la experiencia y formación del usuario, que podrían ser:

• Los usuarios poco expertos podrán solicitar la ejecución de informes

o consultas predefinidas según unos parámetros predeterminados (preparamos un repositorio de informes ya diseñados, y el usuario simplemente indicara los criterios de selección al ejecutarlos).

• Los usuarios con cierta experiencia podrán generar consultas flexibles mediante una aplicación que proporcione una interfaz gráfica de ayuda.

• Los usuarios altamente experimentados podrán escribir, total o parcialmente, la consulta en un lenguaje de interrogación de datos.

Las herramientas igualmente nos pueden ofrecer funcionalidades adicionales para la distribución de los informes realizados en el ambito de la organización, scheduling para la realización de cálculos, utilización de plantillas e informes predefinidos, repositorios de informes, filtros, etc.

Algunas herramientas para reporting Propietarias son (aunque existen una multitud de herramientas y cada una de ellas podrá ser apropiada según nuestras necesidades):

1.OracleBIPublisher

2.MicrosoftReportingServices

3.BusinessObjectsCrystalReports(SAP)

4.Microstrategy

5.InformationBuilders

6. IBM Cognos

Algunas herramientas para reporting de Opensource :

1.BIRTProject

2.Pentaho

3.OpenRPT

4.OpenReports

5.FreeReportBuilder

6.Magallanes

7.ART–Alightweightreportingsolution

8.DataVision

9.TheWabit–OpenSourceReportingTool

10.Rilb

11.JavaEyeReportingTool–JERT

12. iReport

CUBOS (OLAP)

El proceso analítico en línea (OLAP) es una tecnología cada vez más popular que puede mejorar significativamente el análisis de su negocio. Caracterizada históricamente como una herramienta de implementación difícil, implantación inflexible e inaccesible por su elevado costo.

Como Funciona

El objetivo de esta tecnología es realizar análisis sofisticados en grandes volúmenes de datos con un rendimiento excepcional.

Información

En cada empresa y organización existe un constante flujo de datos. Esta información proviene de múltiples fuentes y debe ser almacenada en Bases de Datos.

Las Bases de Datos son el núcleo del sistema de información de cualquier empresa. La administración y gestión de las mismas, constituye un elemento básico en la toma de decisiones.

Data Warehouse

El objetivo del Data Warehouse es agrupar los datos con el propósito de facilitar su posterior análisis, de forma que sean útiles para acceder y analizar información sobre la propia empresa.

A este tipo de datos se les conoce como “informativos”. Los sistemas que los manejan, se denominan OLAP (Online Analytical Processing).

CUBOS (OLAP)

Este proceso consiste en obtener datos relevantes entre la gran cantidad de información contenida en el sistema.

Se pueden agregar múltiples dimensiones para realizar los cruces que permitirán extraer, en forma rápida y eficiente, la información que se requiere

Resumen

Aprovechar las ventajas de un sistema OLAP a través de “CUBOS” le permitirá realizar análisis multidimensionales de un modo más fácil, eficiente y a un menor costo para su empresa.

DATA MINING

Data Mining, la extracción de información oculta y predecible de grandes bases de datos , es una poderosa tecnología nueva con gran potencial para ayudar a las compañías a concentrarse en la información más importante de sus Bases de Información ( Data Warehouse). Las herramientas de Data Mining predicen futuras tendencias y comportamientos, permitiendo en los negocios tomar decisiones proactivas y conducidas por un conocimiento acabado de la información (knowledge-driven). Los análisis prospectivos automatizados ofrecidos por un producto así van más allá de los eventos pasados provistos por herramientas retrospectivas típicas de sistemas de soporte de decisión. Las herramientas de Data Mining pueden responder a preguntas de negocios que tradicionalmente consumen demasiado tiempo para poder ser resueltas y a los cuales los usuarios de esta información casi no están dispuestos a aceptar. Estas herramientas exploran las bases de datos en busca de patrones ocultos, encontrando información predecible que un experto no puede llegar a encontrar porque se encuentra fuera de sus expectativas.

Muchas compañías ya colectan y refinan cantidades masivas de datos. Las técnicas de Data Mining pueden ser implementadas rápidamente en plataformas ya existentes de software y hardware para acrecentar el valor de las fuentes de información existentes y pueden ser integradas con nuevos productos y sistemas pues son traídas en línea (on-line). Una vez que las herramientas de Data Mining fueron implementadas en computadoras cliente servidor de alta performance o de procesamiento paralelo, pueden analizar bases de datos masivas para brindar respuesta a preguntas tales como, "¿Cuáles clientes tienen más probabilidad de responder al próximo mailing promocional, y por qué? y presentar los resultados en formas de tablas, con gráficos, reportes, texto, hipertexto, etc.

Los Fundamentos del Data Mining

Las técnicas de Data Mining son el resultado de un largo proceso de investigación y desarrollo de productos. Esta evolución comenzó cuando los datos de negocios fueron almacenados por primera vez en computadoras, y continuó con mejoras en el acceso a los datos, y más recientemente con tecnologías generadas para permitir a los usuarios navegar a través de los datos en tiempo real. Data Mining toma este proceso de evolución más allá del acceso y navegación retrospectiva de los datos, hacia la entrega de información prospectiva y proactiva. Data Mining está listo para su aplicación en la comunidad de negocios porque está soportado por tres tecnologías que ya están suficientemente maduras:

• Recolección masiva de datos

• Potentes computadoras con multiprocesadores

• Algoritmos de Data Mining

Las bases de datos comerciales están creciendo a un ritmo sin precedentes. Un reciente estudio del META GROUP sobre los proyectos de Data Warehouse encontró que el 19% de los que contestaron están por encima del nivel de los 50 Gigabytes, mientras que el 59% espera alcanzarlo en el segundo trimestre de 1997. En algunas industrias, tales como ventas al por menor (retail), estos números pueden ser aún mayores. MCI Telecommunications Corp. cuenta con una base de datos de 3 terabytes + 1 terabyte de índices y overhead corriendo en MVS sobre IBM SP2. La necesidad paralela de motores computacionales mejorados puede ahora alcanzarse de forma más costo - efectiva con tecnología de computadoras con multiprocesamiento paralelo. Los algoritmos de Data Mining utilizan técnicas que han existido por lo menos desde hace 10 años, pero que sólo han sido implementadas recientemente como herramientas maduras, confiables, entendibles que consistentemente son más performantes que métodos estadísticos clásicos.

En la evolución desde los datos de negocios a información de negocios, cada nuevo paso se basa en el previo. Por ejemplo, el acceso a datos dinámicos es crítico para las aplicaciones de navegación de datos (drill through applications), y la habilidad para almacenar grandes bases de datos es crítica para Data Mining.

Los componentes esenciales de la tecnología de Data Mining han estado bajo desarrollo por décadas, en áreas de investigación

...