Cap. 6 Fundamentos de inteligencia de negocios

Cap. 6 Fundamentos de inteligencia de negocios: bases de datos y administración de la información

Organización de los datos en un entorno de archivos tradicional

Un sistema computacional organiza los datos en una jerarquía, la cual empieza con el bit. Estos se pueden agrupar para formar un byte que representa un carácter, número o símbolo. Los bytes se pueden agrupar para formar un campo, y los campos relacionados para formar un registro. Los registros relacionados se pueden reunir para crear un archivo, y los archivos relacionados se pueden organizar en base de datos.

El uso de la metodología tradicional para el procesamiento de archivos impulsa a cada área funcional en una corporación a desarrollar aplicaciones especializadas. Cada aplicación requiere un archivo de datos únicos que probablemente sea un subconjunto del archivo maestro. Estos subproductos producen redundancia e inconsistencia en los datos, inflexibilidad en el procesamiento y desperdicio de los recursos de almacenamiento.

La redundancia de los datos es la presencia de datos duplicados en varios archivos, de modo que se almacenan los mismos datos en más de un lugar o ubicación. La inconsistencia de los datos se da en donde el mismo atributo puede tener distintos valores.

La dependencia programa-datos se refiere al acoplamiento de los datos almacenados en archivos y los programas específicos requeridos para actualizar y dar mantenimiento a esos archivos, de tal forma que los cambios en los programas requieren cambios en los datos.

La metodología de las bases de datos para la administración de datos

Un sistema de administración de base de datos (DBMS) es software que permite a una organización centralizar los datos, administrarlos en forma eficiente y proveer acceso a los datos almacenados mediante programas de aplicación.

Un DBMS reduce la redundancia e inconsistencia de los datos al minimizar los archivos aislados en los que se repiten los mismos datos. También elimina la inconsistencia de los datos debido a que puede ayudar a la organización a asegurar que cada ocurrencia de datos redundantes tenga los mismos valores.

El modelo de bases de datos más popular de DBMS es el DBMS relacional, en esta base se organizan los datos en forma de tablas bidimensionales. Las tablas de bases de datos relacionales se pueden combinar con facilidad para ofrecer los datos requeridos por los usuarios, siempre y cuando dos tablas cualesquiera compartan un elemento de datos común.

Un DBMS orientado a objetos almacena los datos y los procedimientos que actúan sobre esos datos como objetos que se pueden recuperar y compartir de manera automática.

Ahora hay sistemas DBMS objeto-relacional híbridos, que ofrecen las capacidades de los sistemas DBMS tanto orientados a objetos como relacionales.

Un DBMS incluye capacidades y herramientas para organizar, administrar y acceder a los datos en la base de datos. Las más importantes son: su lenguaje de definición de datos, el diccionario de datos y el lenguaje de manipulación de datos.

La mayoría de los DBMS tienen un lenguaje especializado conocido como lenguaje de manipulación de datos el cual se utiliza para agregar, modificar, eliminar y recuperar los datos en la base.

Para crear una base de datos hay que comprender las relaciones entre la información, el tipo de datos que se mantendrán en la base, como se utilizaran y la forma en que tendrá que cambiar la organización para administrarlos desde una perspectiva a nivel de toda compañía.

Los sistemas de bases de datos relacionales tratan de cumplir reglas de integridad referencial para asegurar que las relaciones entre las tablas acopladas permanezcan consistentes.

Uso de bases de datos para mejorar el desempeño de negocios y la toma de decisiones

Un almacén de datos es una base de datos que almacena la información actual e histórica de interés potencial para los encargados de tomar decisiones en la compañía.

El almacén de datos extrae los datos actuales e históricos de varios sistemas operacionales dentro de la organización. Estos datos se combinan con los provenientes de fuentes externas y se reorganizan en una base de datos central, diseñada para realizar informes y análisis gerenciales. El directorio de información da a conocer a los usuarios los datos disponibles en el almacén.

Un mercado de datos es un subconjunto de un almacén de datos, en el cual se coloca una porción con alto grado de enfoque en los datos de la organización en una base de datos separada para una población especifica de usuarios.

Una vez que los datos de líneas se capturan y organizan en almacenes y mercados de datos, están disponibles para su posterior análisis mediante el uso de herramientas para la inteligencia de negocios.

Procesamiento Analítico en línea (OLAP) soporta el análisis de datos multidimensional, el cual permite a los usuarios ver los mismos datos de distintas formar mediante el uso de varias dimensiones.

La minería de datos está más orientada al descubrimiento, ya que provee perspectivas hacia los datos corporativos que no se pueden obtener mediante OLAP. Se pueden obtener los siguientes tipos de información:

·         Las asociaciones son ocurrencias vinculadas a un solo evento.

·         En las secuencias, los eventos se vinculan en el transcurso del tiempo.

·         La clasificación reconoce los patrones que describen el grupo al que pertenece un elemento.

·         El agrupamiento funciona de una manera similar a la clasificación cuando no se han definido grupos.

·         Aunque estas aplicaciones implican predicciones, el pronóstico utiliza las predicciones de una manera distinta.

El análisis predictivo utiliza las técnicas de minería de datos, los datos históricos y las suposiciones sobre las condiciones futuras para predecir los resultados de los eventos.

En la actualidad hay herramientas de minería de texto disponibles para ayudar a las empresas a analizar datos no estructurados.

El descubrimiento y análisis de los patrones útiles y la información proveniente de world wide web se denomina minería web.

En un entorno cliente/servidor, el DBMS reside en una computadora dedicada llamada servidor de base de datos. El DBMS recibe las solicitudes de SQL y provee datos requeridos. El middleware transforma la información de la base de datos interna y la devuelve al servidor web para que la ofrezca en forma de una página web al usuario.

Hay varias ventajas en cuanto al uso de web para acceder a las base de datos internas de una organización. En primer lugar, el software de navegador web es mucho más fácil de usas que las herramientas de consultas propietarias. En segundo lugar, la interfaz web requiere pocos o ningún cambio en la base de datos interna. Es mucho menos costoso agregar un interfaz web frente a un sistema heredado que rediseñar y reconstruir el sistema para mejorar el acceso de los usuarios.

Administración de los recursos de datos

Una política de información es la que especifica las reglas de la organización para compartir, diseminar, adquirir, estandarizar, clasificar e inventar la información.

La administración de datos es responsable de las políticas y procedimientos específicos a través de los cuales se pueden administrar los datos como un recurso organizacional.

La gobernanza de datos es promovida por IBM y se encarga de los políticas y procedimientos para administrar la disponibilidad, utilidad, integridad y seguridad de los datos empleados en una empresa, con énfasis especial en promover la privacidad, seguridad, calidad de los datos y cumplimiento con las regulaciones gubernamentales.

Si una base de datos está diseñada en forma apropiada y hay estándares de datos establecidos a nivel empresarial, los elementos de datos duplicados o inconsistentes deben reducirse al mínimo.

La auditoría de calidad de datos es una encuesta estructurada  de la precisión y el nivel de su integridad en un sistema de información.

La limpieza de datos, data scrubbing, consiste en actividades para detectar y corregir datos en una base que sean incorrectos, incompletos, que tengan un formato inapropiado o que sean redundantes.