UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

UNIVERSIDAD NACIONAL DE

TRUJILLO

F ACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

ESCUELA PROFESIONAL DE INGENIERÍA INFORMÁTICA

PROYECTO BASE DE DATOS II

TITULO:

DATA MART

DEL ÁREA DE COMPRAS LIBRERÍA BOOK CENTER

AUTORES:

PAREDES PAREDES, José Alejandro

SIPRA MORGADO, Teddy Everson

VÁSQUEZ RAFAEL, Danny Jonatán

VEGA SANTOS, Roy Rogier

VELÁSQUEZ CASTRO, Hemerson Yorvin

DOCENTE:

Ing. DÍAZ PULIDO Arturo

TRUJILLO – PERU

2014

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

RESUMEN En los últimos años el área de aplicaciones OLAP ha tenido un importante desarrollo. Este tipo

de aplicaciones utiliza estructuras multidimensionales para proporcionar un acceso rápido a los datos con el fin de analizarlos. Los datos de origen de OLAP se almacenan habitualmente en

almacenes de datos en una base de datos relacional.

A pesar de su amplia difusión, estos productos no se basan en un modelo de datos bien definido

ampliamente aceptado, sino que existen un conjunto de funcionalidades que todos proveen, y otras que marcan las diferencias entre los distintos productos.

La mencionada ausencia de un estándar es lo que dificulta el intercambio de información entre

distintos servidores OLAP. Este proyecto pretende migrar la estructura multidimensional utilizada por Microsoft

OLAP Services hacia una representación de la misma expresada en XML. Esta representación

permitirá reconstruir un cubo en otro servidor OLAP.

Palabras Claves:

Sistema, aplicaciones, funcionamiento, modelo, interfaz, diseño, programación y

funcionalidad.

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

1. INTRODUCCIÓN

El presente trabajo analiza una metodología práctica para el desarrollo de un sistema de

información que comprende: el área de compras y la evaluación de los procesos críticos. La finalidad de este proyecto es lograr una mejor automatización en el área de compras

hacia la empresa, para la mejor organización de los productos pertenecientes a los

distintos proveedores, para lo cual detallaremos los requerimientos al adquirir los productos además de saber mantener actualizado el sistema y saber que no solo es

adquirir un producto sino tener en cuenta la logística de la empresa, la cual satisfaga las

necesidades de la empresa y poder controlar las compras hacia los proveedores.

Daremos a conocer paso a paso como vamos desarrollando nuestro proyecto dentro de la empresa Book Center, de tal manera que nos centremos en el área de compras para

mejorar la administración de sus productos dentro de la empresa.

1.1. USOS DE UN SISTEMA OLAP O BI El uso del Business Intelligence (BI) en las empresas se ha extendido debido a la necesidad de información de calidad frente a la multitud y dispersión de datos.

Con estas herramientas se facilita la toma de decisiones y se genera un conocimiento que de otra forma sería difícil, y sobre todo costoso de obtener.

Los sistemas OLAP, son utilizados por las empresas para conocer la historia del negocio y poder realizar la toma de decisiones. Podemos enunciar entonces las

siguientes áreas en donde el uso de un sistema OLAP está difundido:

SISTEMAS DE INFORMACIÓN EJECUTIVOS

Los usuarios y los administradores generalmente de mandos altos y medios, reciben

la información sobre los indicadores de funcionamiento dominantes del negocio y de las excepciones o las variaciones según sea de patrones y de estándares

preestablecidos. Los Sistemas de Información Ejecutivos (EIS) presentan

típicamente datos multidimensionales en formatos gráficos. OLAP en EIS:

* Alertas.

* Toma de decisiones.

APLICACIONES FINANCIERAS

Para diversos usos de tipo financiero se utilizan las bases de datos de OLAP como ser para comunicar, planear, y analizar. Los ejemplos de usos financieros incluyen

la comunicación, análisis del mes-cierre, análisis de lo beneficioso del producto, los

presupuestos y pronóstico. Los analistas financieros utilizan OLAP extensivamente

para el análisis de datos financieros y operacionales para contestar las preguntas de la gerencia mayor. OLAP en la Actividad Financiera:

* Reportes analíticos. * Planeamiento.

* Análisis.

VENTAS Y APLICACIONES DE MARKETING

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Existen diferentes formas de llegar a los clientes para alcanzar los objetivos de

venta y de comercialización propuestos. Por esto, la utilización de sistemas OLAP, donde es importante contar con información organizada de manera rápida, es

aconsejable. Los ejemplos incluyen análisis de la facturación, análisis de producto,

análisis del cliente, y análisis de ventas regional. OLAP en el Marketing:

* Análisis de productos.

* Análisis de Clientes.

* Análisis de Facturación.

OTROS USOS

Las bases de datos de OLAP se adaptan a una amplia gama de análisis, incluyendo

rendimiento de procesamiento y eficacia de la fabricación, eficacia del servicio de

cliente, y análisis de coste del producto. En definitiva, un sistema OLAP es útil para todo proceso en el que sea necesario tomar decisiones. OLAP en Otros Usos:

* Análisis de la Producción.

* Análisis de Servicios al cliente. * Evolución del Costo del producto.

1.2. ARQUITECTURA Y FUNCIONAMIENTO DE UN CUBO O BI

El objeto OLAP básico es el cubo, que consiste en una representación

multidimensional de datos de detalle y resumen. Un cubo consta de un origen de

datos, dimensiones, medidas y particiones. Los cubos se diseñan a partir de los requisitos de análisis de los usuarios. Un almacén de datos puede contener muchos

cubos distintos, por ejemplo, el cubo Ventas, el cubo Inventario, etc.:

o El origen de datos del cubo identifica y se conecta con la base de datos donde se

encuentra el almacén de datos, que es el origen de los datos del cubo.

o Una dimensión virtual es un tipo especial de dimensión que asigna las propiedades de los miembros de otra dimensión a una dimensión que, a partir de

ese momento, se puede utilizar en cubos. Por ejemplo, una dimensión virtual de

la propiedad tamaño de un producto permite que un cubo resuma datos como, por ejemplo, la cantidad de ventas por producto y por tamaño.

o Las medidas identifican los valores numéricos extraídos de la tabla de hechos

que están resumidas para realizar el análisis.

o Las particiones son los contenedores multidimensionales de almacenamiento

que guardan los datos del cubo. Cada cubo contiene, al menos, una partición y los datos de un cubo se pueden combinar a partir de varias particiones.

El funcionamiento de un cubo se realizará en migraciones de estos cubos en dos etapas: primero el cubo es llevado a un formato intermedio (cubo exportado), y

luego se lleva de ese estado intermedio al servidor destino, reconstruyendo el cubo

al formato utilizado por OLAP Services.

1.2.1. Modelo del Negocio Dimensional

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Hay un amplio acuerdo entre los usuarios y el modelamiento dimensional es la mejor forma de presentar la información porque es la mejor manera de reunir las

principales metas de diseño:

Presentar la información a los usuarios en la forma más simple posible.

Retornar los resultados a los usuarios lo más rápido posible.

Proveer información relevante que guarde pistas de los procesos subyacentes.

Un modelo dimensional tiene mucho menos tablas y la información es agrupada en

categorías de negocio coherentes que tienen sentido para los usuarios. Estas

categorías ayudan a los usuarios a navegar por el modelo ya que categorías enteras pueden ser pasadas por alto si no son útiles para un determinado análisis.

Un modelo dimensional consta de una (o varias) tablas de hechos central y sus

dimensiones asociadas. El modelo dimensional es también llamado modelo en estrella porque es similar a una estrella, con la tabla de hechos en el medio y las

dimensiones formando las puntas de la estrella.

Desde la perspectiva de un modelo de datos relacional, el modelo dimensional consiste en una tabla de hechos normalizada, con tablas dimensionales des

normalizadas.

1.2.2. Base de Datos

Las estructuras básicas de las bases de datos OLAP son dimensiones, medidas,

jerarquías, niveles, cubos y celdas. Por otro lado, las implementaciones de estas

bases de datos son más escalables y son frecuentemente atractivas a los clientes

debido a que aprovechan las inversiones en tecnologías de bases de datos relacionales preexistentes.

Sistemas ROLAP: La arquitectura ROLAP, accede a los datos almacenados en un datawarehouse para

proporcionar los análisis OLAP. La premisa de los sistemas ROLAP es que las

capacidades OLAP se soportan mejor contra las bases de datos relacionales.

Sistemas MOLAP:

La arquitectura MOLAP usa unas bases de datos multidimensionales para

proporcionar el análisis, su principal premisa es que el OLAP está mejor implantado almacenando los datos multidimensionalmente. Por el contrario, la arquitectura

ROLAP cree que las capacidades OLAP están perfectamente implantadas sobre

bases de datos relacionales Un sistema MOLAP usa una base de datos propietaria multidimensional, en la que la información se almacena multidimensionalmente,

para ser visualizada en varias dimensiones de análisis.

Sistemas HOLAP: Un desarrollo un poco más reciente ha sido la solución OLAP híbrida (HOLAP), la

cual combina las arquitecturas ROLAP y MOLAP para brindar una solución con las

mejores características de ambas: desempeño superior y gran escalabilidad. Un tipo de HOLAP mantiene los registros de detalle (los volúmenes más grandes) en la base

de datos relacional, mientras que mantiene las agregaciones en un almacén MOLAP

separado.

1.2.3. Modelo Relacional

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

NIVEL CONCEPTUAL: DIAGRAMA ENTIDAD RELACIÓN

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

NIVEL INTERNO: DIAGRAMA RELACIONAL

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

1.2.4. Interfaz con el Usuario

Ventana Principal:

Agregamos Productos:

Órdenes de Compra:

Visualizar Productos:

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Proveedores:

Guía de Remisión:

Búsqueda de órdenes de Compra:

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

1.2.5. Módulo de Explicación

Para diseñar un cubo OLAP es necesario tener un origen de datos, la fuente de datos

con la que se trabajó fue una base de datos relacional creada previamente,

administrada en SQL Server.

CONEXIÓN A ORIGEN DE DATOS

Para realizar la conexión de origen de datos se utilizará el Asistente para Orígenes de Datos. Crear una nueva conexión:

Figura 1 Asistente para orígenes de datos.

Configurar la conexión indicado el nombre del servidor y el de la base de datos con

la que se trabajará. Comprobar conexión:

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Figura 2 Configuración de conexión.

Para finalizar la conexión es necesario proporcionar un nombre al origen de datos.

Figura 3 Finalización del asistente de origen de datos.

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Luego seleccionar los objetos de a base de datos relacional que van a incluirse en la

vista del origen de datos, esto con el Asistente para vistas del origen de datos. Se

puede observar la vista previa de las tablas que aparecerán en la vista.

Figura 4 Asistente para vistas de origen de datos.

Finalmente, se creará el siguiente diagrama.

Figura 5 Diseño de vista de origen de datos

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

1.2.6. Módulo de Adquisición

CONSTRUCCIÓN DEL CUBO OLAP

Para construir un nuevo cubo se necesita seleccionar la vista del origen de datos y

las tablas del cubo, para establecer sus propiedades.

NOTA También se puede crear un cubo vacío (sin origen de datos) o generando

tablas en el origen de datos.

Seleccionar la tabla o las tablas que se utilizarán para el grupo de medidas, luego en

la siguiente ventana seleccionar las medidas que se desean considerar en el cubo.

Figura 6 Asistente para cubos. Selección de tabla de medidas

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Figura 7 Asistente para cubos. Selección de medidas.

Al inicio no existen dimensiones, pero el asistente para la creación de cubos sugiere la creación de dimensiones simples.

Figura 10 Asistente para cubos. Selección de dimensiones.

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Finalmente, asignar un nombre al cubo. Se puede observar la vista previa de los

grupos de medida y las dimensiones como se observa en la siguiente figura.

Figura 11 Finalización del asistente para cubos.

A continuación mostrará el diseño del cubo.

Figura 12 Estructura del cubo. Hechos y dimensiones.

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

En la pestaña Examinador, se puede modelar el cubo según las dimensiones que se

tengan.

Figura 13 Examinador de datos.

1.3. VENTAJAS E INCONVENIENTES DE UN CUBO U OTRO MODELO

DE BI

Ventajas:

o Permite disponer de una herramienta de información sobre la gestión del

negocio.

o Facilita información que permite priorizar actividades basadas en la necesidad

de cumplimiento de objetivos de corto, mediano y largo plazo.

o Proporciona una única versión de la realidad del negocio.

o Reduce la incertidumbre y la subjetividad en el proceso de toma de decisiones

o El usuario es capaz de construir sus propios reportes e índices de desempeño.

o Permite crear escenarios con respecto a una decisión y hacer pronósticos de

ventas y devoluciones.

o Disminuye el tiempo de recolección de la información por lo que aumenta el

tiempo disponible para el análisis.

o Requiere poca capacitación para utilizar todas las bondades de la herramienta.

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Inconvenientes:

El cubo es estructura adicional de datos que mantener y actualizar, eso supone un gasto extra de recursos (servidores, discos, procesos de carga…).

El modelo de negocio no siempre se adapta bien en un modelo jerárquico. Por

poner algunos ejemplos típicos: Una semana no pertenece a un único mes, o las

zonas de venta corporativas no tienen por qué coincidir con la estructura provincial de cada país, o varios responsables pueden encargarse de una misma

tienda, o distintos departamentos de la compañía pueden utilizar distintas

agrupaciones de los productos... Estas casuísticas, que pueden parecer triviales,

son habituales en cualquier compañía, y dificultan enormemente la construcción

y uso de los cubos OLAP.

1.4. LENGUAJE DE PROGRAMACIÓN USADO

MICROSOFT SQL SERVER Microsoft SQL Server es un sistema para la gestión de bases de datos producido por Microsoft basado en el modelo relacional.

CARACTERÍSTICAS DE MICROSOFT SQL SERVER

Soporte de transacciones.

Soporta procedimientos almacenados. Incluye también un entorno gráfico de administración, que permite el uso de

comandos DDL y DML gráficamente.

Permite trabajar en modo cliente-servidor, donde la información y datos se alojan en el servidor y los terminales o clientes de la red sólo acceden a la

información.

Además permite administrar información de otros servidores de datos.

Este sistema incluye una versión reducida, llamada MSDE con el mismo motor de

base de datos pero orientado a proyectos más pequeños, que en sus versiones 2005 y 2008 pasa a ser el SQL Express Edition, que se distribuye en forma gratuita.

Es común desarrollar completos proyectos complementando Microsoft SQL Server y Microsoft Access a través de los llamados ADP (Access Data Project). De esta

forma se completa la base de datos (Microsoft SQL Server), con el entorno de

desarrollo (VBA Access), a través de la implementación de aplicaciones de dos

capas mediante el uso de formularios Windows.

Para el desarrollo de aplicaciones más complejas (tres o más capas), Microsoft SQL

Server incluye interfaces de acceso para varias plataformas de desarrollo, entre ellas .NET, pero el servidor sólo está disponible para Sistemas Operativos.

El tipo NUMERIC fue mejorado para ser usado como identificador de columna a

partir de la versión 2008 R2.

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

MICROSOFT VISUAL STUDIO

Microsoft Visual Studio es un entorno de desarrollo integrado (IDE, por sus siglas en inglés) para sistemas operativos Windows. Soporta múltiples lenguajes de

programación tales como C++, C#, Visual Basic .NET, F#, Java, Python, Ruby,

PHP. Visual Studio permite a los desarrolladores crear aplicaciones, sitios y aplicaciones

web, así como servicios web en cualquier entorno que soporte la plataforma .NET

(a partir de la versión .NET 2002). Así se pueden crear aplicaciones que se

comuniquen entre estaciones de trabajo, páginas web, dispositivos móviles, dispositivos embebidos, consolas, etc.

2. NOMBRE DEL CUBO U OTRO MODELO DE NEGOCIO

INTELIGENTE

DATA WAREHOUSE

Un Data Warehouse (DW) o almacén de datos es una colección de datos que es extraída

desde diferentes fuentes de información a lo largo de la empresa (bases de datos departamentales, intranet, sistemas transaccionales, etc.) con la finalidad de permitir la

realización de consultas y análisis, fundamentalmente, para ayudar a la toma de

decisiones.

DATA MART

Aunque para algunos se trata casi de un sinónimo de Data Warehouse, un Data Mart o cubo de datos puede entenderse como un subconjunto del repositorio de datos, que se

orienta a un área específica del negocio, como recursos humanos, ventas o marketing,

por ejemplo. En otras palabras, un Data Mart corresponde a un almacén de datos más restringido que un DW en cuanto al volumen de datos que contiene y al alcance dentro

de la organización.

Desde ese punto de vista, se trata de un repositorio que requiere menores costos y tiempo para construirse respecto de un DW, teniendo en común el que ambos permiten

la realización de consultas, a través del uso de las herramientas OLAP.

HERRAMIENTAS OLAP

OLAP (Online Analytical Processing) son un conjunto de herramientas capaces de

responder rápida y ágilmente a las solicitudes de información de los usuarios y que deben reflejar cualquier lógica de negocio por las que se consulte.

Este proceso analítico en línea es el nombre formal para el análisis de cubos

multidimensionales - una forma más intuitiva de ver la información empresarial. Con OLAP se puede ver un conjunto de datos de su negocio de muchas y diversas

formas sin mucho esfuerzo. Los archivos OLAP o cubos modelan los datos en

dimensiones. Una dimensión es una clasificación de alguna actividad en una organización por la cual se puede medir su éxito. Por ejemplo, puede monitorear sus

ventas contra los productos o clientes en un periodo de tiempo.

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

MICROSOFT ANALYSIS SERVICES

Microsoft SQL Server Analysis Services es parte de Microsoft SQL Server, un sistema

de gestión de bases de datos. Microsoft ha incluido una serie de servicios de SQL Server

relacionados con la inteligencia empresarial y almacenamiento de datos. Estos servicios incluyen servicios de integración y servicios de análisis. El servicio de análisis incluye

un conjunto de capacidades OLAP y de minería de datos.

DATA MINING

El Data Mining (DM) o minería de datos es una técnica orientada a extraer información

desde grandes volúmenes de datos y corresponde a una de las claves de la inteligencia de negocios. El DM es un proceso conocido como KDD (Knowledge Discovery in

Databases) que consta de tres fases: preparación de los datos, extracción de información

e interpretación de los resultados.

REDES NEURONALES

Son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de

interconexión de neuronas en una red que colabora para producir un estímulo de salida.

Algunos ejemplos de red neuronal son: El Perceptrón.

El Perceptrón multicapa.

Los Mapas Autoorganizados, también conocidos como redes de Kohonen.

QUERY & REPORT

Las herramientas de Query (consulta) y Report (reporte) son quizá las más conocidas en este ámbito, ya que son fundamentales para el desarrollo y manejo de listados e

informes basados en la información presente en los almacenes de datos y Data Marts.

ALGORITMO ID3

El algoritmo ID3 es utilizado dentro del ámbito de la inteligencia artificial. Su uso se

engloba en la búsqueda de hipótesis o reglas en él, dado un conjunto de ejemplos. El conjunto de ejemplos deberá estar conformado por una serie de tuplas de valores,

cada uno de ellos denominados atributos, en el que uno de ellos, (el atributo a clasificar)

es el objetivo, el cual es de tipo binario (positivo o negativo, sí o no, válido o inválido, etc.).

De esta forma el algoritmo trata de obtener las hipótesis que clasifiquen ante nuevas

instancias, si dicho ejemplo va a ser positivo o negativo. ID3 realiza esta labor mediante la construcción de un árbol de decisión.

3. EJECUCIÓN

Se han realizado pruebas con resultados satisfactorios en puntajes para de una manera u

otra encontrar promedios, ejemplo: el gasto total que efectúa por cada proveedor y

empleándolo para los cálculos anuales; para esto tenemos dos tipos, por producto y por

cantidad:

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II

Por producto: Se añade una tabla más para realizar el cubo, esta contendrá datos

específicos de acuerdo al producto más consumido, teniendo en cuanto la unidad de

medida en conjunto con los precios de costo y las fechas establecidas para la compra.

Esto deja de lado a aquellos productos que tal vez tengan un límite mínimo de consumo

pero posiblemente no sea por esta razón sino tal vez por su alto costo.

Por Cantidad: Inclinación hacia el total de elementos que el proveedor ha facilitado,

tomando en cuenta los de mayor y menor demanda, así mismo los precios costos tanto

como las fechas.

Esto puede ser especificado, arrastrando diversos atributos para determinar el tiempo

anual establecido en partes, como por ejemplo: específicamente de un determinado mes.

4. CONCLUSIONES

El Procesamiento Analítico en Línea es una buena alternativa de solución a los

problemas que se presentan en los niveles estratégicos de las empresas, ya que los

gerentes o analistas empresariales necesitan obtener respuestas rápidas a consultas complejas en grandes cantidades de datos, más aún este tiempo de respuesta se puede

optimizar implementando los diferentes tipos de cubos OLAP que existe según las

necesidades del usuario.

El entorno Business Intelligence Development Studio de Microsoft Visual Studio

permite implementar soluciones OLAP de una forma sencilla y rápida, gracias a sus

diferentes tipos de asistentes que ofrece como Asistente para Administrar conexión de Datos, Asistente para crear Vista de Origen de Datos, Asistente para Cubos, Asistente

para dimensiones, etc.

Aciertos en el diseño

Procuramos que el diseño fuera lo suficientemente flexible y simple, de manera de facilitar el mantenimiento de la aplicación así como permitir la incorporación de nuevas

funcionalidades. En consecuencia se definió una arquitectura modular, intentando

agrupar en componentes independientes las rutinas de interacción con las distintas

tecnologías que fueron utilizadas.

5. REFERENCIAS BIBLIOGRÁFICAS

https://churriwifi.wordpress.com/2010/02/11/14-7-navegacion-dimensional-y-cubos-

olap-en-microstrategy-9/

http://www.informatica-hoy.com.ar/telefonos-celulares/Cubo-OLAP-una-base-de-datos-

multidimensional.php

http://es.slideshare.net/sebasrod/eiad

http://www.businessintelligence.info/definiciones/cubos-olap.html

http://www.danysoft.com/free/BIyDW.pdf

UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

PROYECTO BASE DE DATOS II