{"id":36765,"date":"2023-02-09T10:32:03","date_gmt":"2023-02-09T10:32:03","guid":{"rendered":"https:\/\/www.conectasoftware.com\/magazine\/?post_type=glossary&#038;p=36765"},"modified":"2023-12-10T22:08:59","modified_gmt":"2023-12-10T22:08:59","slug":"data-warehouse","status":"publish","type":"glossary","link":"https:\/\/www.conectasoftware.com\/magazine\/glosario\/data-warehouse\/","title":{"rendered":"Data Warehouse<span class=\"dashicons \" data-icon=\"\" style=\"color:#000;display:inline;vertical-align:baseline;\"><\/span>"},"content":{"rendered":"\n<p>Un data warehouse es un sistema de almacenamiento de datos dise\u00f1ado para la integraci\u00f3n, an\u00e1lisis y recuperaci\u00f3n de datos de una empresa. Su arquitectura se basa en un modelo de almacenamiento de datos orientado a la informaci\u00f3n, en lugar de a las transacciones. Suele incluir una combinaci\u00f3n de bases de datos relacionales, data marts y tecnolog\u00edas de inteligencia artificial y aprendizaje autom\u00e1tico.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"260\" src=\"https:\/\/www.conectasoftware.com\/magazine\/wp-content\/uploads\/2023\/08\/banner-bi-studio-white-cta.png\" alt=\"banner bi studio white cta\" class=\"wp-image-38597\"\/><figcaption class=\"wp-element-caption\">Conoce BI Studio<\/figcaption><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">El Data Warehouse en Business Intelligence<\/h2>\n\n\n\n<p>Los casos de uso en el \u00e1mbito empresarial incluyen <\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>toma de decisiones basadas en datos<\/li>\n\n\n\n<li>identificaci\u00f3n de tendencias y patrones en la informaci\u00f3n de la empresa<\/li>\n\n\n\n<li>generaci\u00f3n de informes<\/li>\n\n\n\n<li>mejora de la eficiencia de los procesos de negocios<\/li>\n<\/ul>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/www.conectasoftware.com\/magazine\/business-intelligence\/bi-por-departamentos\/\">Business Intelligence por Departamento<\/a><\/div>\n<\/div>\n\n\n\n<p>El data warehouse es la fuente centralizada de informaci\u00f3n que permite un acceso coherente y confiable a los datos de la empresa. La informaci\u00f3n almacenada en el almac\u00e9n de datos es agregada y optimizada para el an\u00e1lisis. Esto permite a los usuarios obtener una visi\u00f3n detallada y completa de sus operaciones, clientes, productos, finanzas, etc.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Copo de nieve o estrella?<\/h2>\n\n\n\n<p>Los modelos de bases de datos copo de nieve y estrella son dos enfoques diferentes para organizar la estructura de una data warehouse:<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Modelo Estrella:<\/strong><\/h3>\n\n\n\n<p>El modelo estrella en el \u00e1mbito de bases de datos y data warehousing representa una estructura organizativa simple pero eficaz. En este modelo, la tabla de hechos central contiene medidas cuantitativas, mientras que las tablas de dimensiones que la rodean almacenan atributos descriptivos. Esta disposici\u00f3n facilita consultas directas y eficientes, ya que las relaciones son directas entre la tabla de hechos y las dimensiones. A diferencia del modelo copo de nieve, el modelo estrella tiende a desnormalizar las tablas de dimensiones, incorporando redundancias para mejorar el rendimiento de las consultas. Aunque puede resultar en un uso m\u00e1s extensivo del espacio de almacenamiento, la simplicidad de la estructura estrella facilita el mantenimiento del sistema. <\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Simplicidad:<\/strong> El modelo estrella es m\u00e1s simple en comparaci\u00f3n con el modelo copo de nieve. Tiene una estructura central de tabla de hechos rodeada por tablas de dimensiones.<\/li>\n\n\n\n<li><strong>Estructura Central:<\/strong> En este modelo, hay una tabla de hechos que contiene datos cuantitativos (medidas) y se conecta directamente a varias tablas de dimensiones. Las tablas de dimensiones contienen atributos descriptivos.<\/li>\n\n\n\n<li><strong>Facilidad de Consulta:<\/strong> Debido a su estructura simple, las consultas en el modelo estrella son generalmente m\u00e1s simples y r\u00e1pidas de realizar.<\/li>\n\n\n\n<li><strong>Desnormalizaci\u00f3n:<\/strong> En el modelo estrella, las tablas de dimensiones suelen estar desnormalizadas, lo que significa que contienen redundancias para mejorar el rendimiento de las consultas.<\/li>\n\n\n\n<li><strong>Mantenimiento:<\/strong> Es m\u00e1s f\u00e1cil de mantener ya que tiene una estructura m\u00e1s simple, pero puede resultar en redundancia de datos.<\/li>\n<\/ol>\n\n\n\n<h3 class=\"wp-block-heading\"><strong>Modelo Copo de Nieve:<\/strong><\/h3>\n\n\n\n<p>El modelo copo de nieve en el contexto de bases de datos y data warehousing es una estructura organizativa que se caracteriza por su enfoque en la normalizaci\u00f3n de datos. En este modelo, las tablas de dimensiones se dividen en subconjuntos m\u00e1s peque\u00f1os, creando una estructura jer\u00e1rquica que se asemeja a la forma de un copo de nieve. A diferencia del modelo estrella, el copo de nieve busca reducir redundancias al descomponer las tablas de dimensiones en subdimensiones, lo que puede resultar en un uso m\u00e1s eficiente del espacio de almacenamiento. Aunque esta normalizaci\u00f3n puede ofrecer flexibilidad y adaptabilidad a cambios en la estructura de datos, tambi\u00e9n puede introducir complejidades en las consultas y en el mantenimiento del sistema. <\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Normalizaci\u00f3n:<\/strong> A diferencia del modelo estrella, el modelo copo de nieve tiende a normalizar las tablas de dimensiones, dividiendo los datos en subconjuntos m\u00e1s peque\u00f1os.<\/li>\n\n\n\n<li><strong>Estructura Jer\u00e1rquica:<\/strong> Las tablas de dimensiones en el modelo copo de nieve pueden dividirse en subdimensiones, creando una estructura m\u00e1s jer\u00e1rquica.<\/li>\n\n\n\n<li><strong>Uso Eficiente del Espacio:<\/strong> La normalizaci\u00f3n puede reducir el espacio de almacenamiento ya que evita redundancias, pero puede hacer que las consultas sean m\u00e1s complejas.<\/li>\n\n\n\n<li><strong>Mantenimiento:<\/strong> Debido a la normalizaci\u00f3n, el mantenimiento puede ser m\u00e1s complicado, y las consultas pueden requerir un mayor n\u00famero de uniones.<\/li>\n\n\n\n<li><strong>Flexibilidad:<\/strong> Aunque es m\u00e1s flexible en t\u00e9rminos de cambios en la estructura, puede generar m\u00e1s complejidad en las consultas y afectar el rendimiento.<\/li>\n<\/ol>\n\n\n\n<p><strong>Elecci\u00f3n del Modelo:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Rendimiento vs. Flexibilidad:<\/strong> La elecci\u00f3n entre un modelo estrella y un modelo copo de nieve a menudo se basa en la preferencia entre un rendimiento de consulta m\u00e1s r\u00e1pido (modelo estrella) o una mayor flexibilidad y eficiencia en el uso del espacio (modelo copo de nieve).<\/li>\n\n\n\n<li><strong>Complejidad del Sistema:<\/strong> En sistemas m\u00e1s complejos con requisitos de datos m\u00e1s detallados y variables, el modelo copo de nieve podr\u00eda ser preferible. En sistemas m\u00e1s simples con consultas m\u00e1s directas, el modelo estrella podr\u00eda ser m\u00e1s adecuado.<\/li>\n<\/ul>\n\n\n\n<p><\/p>\n\n\n\n<h3 class=\"wp-block-heading\">La integraci\u00f3n con Dashboards e Informes<\/h3>\n\n\n\n<p>Adem\u00e1s, se integra con herramientas de BI como dashboards, informes, cubos <a href=\"https:\/\/www.conectasoftware.com\/magazine\/glosario\/olap\/\">OLAP <\/a>y herramientas de an\u00e1lisis de datos, para permitir a los usuarios analizar y visualizar f\u00e1cilmente los datos. Esto permite a los usuarios tomar decisiones informadas sobre el rendimiento de su empresa, identificar tendencias y oportunidades, y mejorar su eficiencia.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" loading=\"lazy\" decoding=\"async\" width=\"800\" height=\"800\" src=\"https:\/\/www.conectasoftware.com\/magazine\/wp-content\/uploads\/2020\/04\/BIStudio-ETL.png\" alt=\"\" class=\"wp-image-15565\"\/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">Tecnolog\u00edas Data Warehouse<\/h2>\n\n\n\n<p>Estas son las principales tecnolog\u00edas utilizadas :<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><a href=\"https:\/\/aws.amazon.com\/es\/redshift\/\" target=\"_blank\" rel=\"noopener\">Amazon Redshift<\/a>: un almac\u00e9n en la nube altamente escalable y de bajo costo.<\/li>\n\n\n\n<li><a href=\"https:\/\/azure.microsoft.com\/es-es\/products\/synapse-analytics\/\" target=\"_blank\" rel=\"noreferrer noopener\">Microsoft Azure Synapse Analytics<\/a> (anteriormente conocido como Azure SQL Data Warehouse): un sistema de almacenamiento en la nube con capacidades de an\u00e1lisis y gesti\u00f3n de datos.<\/li>\n\n\n\n<li><a href=\"https:\/\/www.oracle.com\/es\/engineered-systems\/exadata\/\" target=\"_blank\" rel=\"noreferrer noopener\">Oracle Exadata Database Machine<\/a>: un sistema de almacenamiento de datos de alto rendimiento que combina hardware y software optimizados para el an\u00e1lisis de datos.<\/li>\n\n\n\n<li><a href=\"https:\/\/cloud.google.com\/bigquery\" target=\"_blank\" rel=\"noreferrer noopener\">Google BigQuery<\/a>: un data warehouse en la nube con capacidades de an\u00e1lisis y procesamiento de grandes vol\u00famenes de datos.<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Un data warehouse es un sistema de almacenamiento de datos dise\u00f1ado para la integraci\u00f3n, an\u00e1lisis y recuperaci\u00f3n de datos de una empresa. <\/p>\n","protected":false},"author":318,"featured_media":36767,"menu_order":0,"template":"","meta":{"content-type":"","footnotes":""},"glossary-categories":[95,371],"glossary-tags":[],"glossary-languages":[],"class_list":{"0":"post-36765","1":"glossary","2":"type-glossary","3":"status-publish","4":"has-post-thumbnail","6":"glossary-categories-diccionario-de-business-intelligence","7":"glossary-categories-integracion-de-datos"},"_links":{"self":[{"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/glossary\/36765","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/glossary"}],"about":[{"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/types\/glossary"}],"author":[{"embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/users\/318"}],"version-history":[{"count":4,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/glossary\/36765\/revisions"}],"predecessor-version":[{"id":39273,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/glossary\/36765\/revisions\/39273"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/media\/36767"}],"wp:attachment":[{"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/media?parent=36765"}],"wp:term":[{"taxonomy":"glossary-categories","embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/glossary-categories?post=36765"},{"taxonomy":"glossary-tags","embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/glossary-tags?post=36765"},{"taxonomy":"glossary-languages","embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/glossary-languages?post=36765"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}