Consideraciones para una Solución Data Warehouse

Antes de iniciar un proyecto data warehousing, hay varias consideraciones de las que debe estar consciente. La comprensión de estas consideraciones le ayudará a crear una solución data warehousing que direccione sus necesidades y restricciones específicas.

Base de Datos y Almacenamiento Data Warehouse

Un data warehouse es una base de datos relacional que está optimizada para la lectura de datos para el análisis y los reportes. Cuando está planeando un data warehouse, debe tomar en cuenta las siguientes consideraciones.

Esquema de Base de Datos

El esquema lógico de un data warehouse está típicamente diseñado para desnormalizar los datos en una estructura que minimice el número de operaciones JOIN que son requeridas en las consultas utilizadas para recuperar y agregar datos. Un enfoque común es diseñar un esquema estrella en la cual las medidas numéricas son almacenadas en tablas de hechos que tienen llaves foráneas a múltiples tablas de dimensión que contienen las entidades del negocio por la cual las medidas pueden ser agregadas. Antes de diseñar su data warehouse, debe conocer qué dimensiones necesitan utilizar sus usuarios del negocio cuando agregan datos, qué medidas necesitan ser analizadas y en qué granularidad, y cuales hechos incluyen tales medidas. También debe planificar las llaves que serán utilizadas para vincular hechos a dimensiones cuidadosamente, y considerar si su data warehouse debe soportar el uso de dimensiones que cambian con el tiempo (por ejemplo, el manejo de registros de dimensión para clientes que cambian su dirección).

También debe considerar la implementación física de la base de datos, ya que esto afectará el rendimiento y la manejabilidad del data warehouse. Es común utilizar el particionado de tablas para distribuir datos de hechos grandes a través de varios filegroups, cada uno en un disco físico diferente. Esto puede incrementar el rendimiento de la consulta y le permite implementar una estrategia de backup basado en filegroup que puede ayudar a reducir el tiempo de inactividad en caso de una falla de disco único. También debe considerar la estrategia de indexación apropiada para sus datos, y si debe utilizar la compresión de datos cuando almacena los datos.

Hardware

La elección del hardware para su solución data warehouse puede hacer una diferencia significativa en el rendimiento, manejabilidad, y el costo de su data warehouse. Las consideraciones del hardware para una data warehouse incluyen:

• Los requisitos del procesamiento de consultas, incluyendo la memoria pico previsto y la utilización del CPU.
• El volumen de almacenamiento y requisitos de entrada/salida de disco.
• La conectividad de red y ancho de banda.
• La redundancia de componentes para alta disponibilidad.

Puede optar por construir su propia solución data warehouse por la compra y el montaje de componentes individuales, usando una arquitectura de referencia probada, o comprar un dispositivo de hardware que incluya componentes preconfigurados en un paquete listo para su uso. Los factores que influyen en su elección del hardware incluyen:

• Presupuesto.
• Acuerdos de empresa existente con los vendors de hardware.
• Tiempo de la solución.
• Experiencia en el ensamblaje de hardware y en la configuración.

Alta Disponibilidad y Recuperación de Desastres

Un data warehouse puede muy rápidamente llegar a ser una parte crítica para el negocio de su infraestructura de aplicación general, por lo que es esencial considerar cómo garantizará su disponibilidad. SQL Server incluye soporte para varias técnicas de alta disponibilidad, incluyendo el reflejado de base de datos y el clustering de servidores. Debe evaluar estas tecnologías y escoger la mejor opción para su solución individual en base a:

• Los requisitos de tiempo de conmutación por error.
• Requisitos de hardware y de costos.
• Complejidad de configuración y de gestión.

Además de una solución de alta disponibilidad a nivel de servidor, también debe considerar la redundancia a nivel de componente individual para las interfaces de red y arreglos de almacenamiento.

La solución de alta disponibilidad más robusta no puede proteger su data warehouse de todas las eventualidades, así que también debe planificar una solución de recuperación a desastres adecuado, que incluye una estrategia de backup completa. Su estrategia backup debe tener en cuenta:

• El volumen de datos en el data warehouse.
• La frecuencia de los cambios a los datos en el data warehouse.
• El efecto del proceso backup en el desempeño del data warehouse.
• El tiempo de recuperación de la base de datos en el caso de un fallo.

Seguridad

Su data warehouse contiene un gran volumen de datos que es típicamente sensible comercialmente. Además, es posible que desee proporcionar acceso a algunos datos a todos los usuarios, pero restringir el acceso a algunos datos para un subconjunto de usuarios.

Las consideraciones para asegurar su data warehouse incluyen:

• Los mecanismos de autenticación que debe soportar para proporcionar el acceso al data warehouse.
• Los permisos que requerirán los distintos usuarios que acceden al data warehouse.
• Las conexiones sobre las cuales los datos son accedidos.
• La seguridad física de la base de datos y de los medios de backup.

Orígenes de Datos

Debe identificar los orígenes de datos que proporcionan los datos para su data warehouse, y considerar los siguientes factores a la hora de planificar su solución.

Tipos de Conexión de Orígenes de Datos

Su data warehouse puede requerir datos de una variedad de orígenes de datos. Para cada origen, debe considerar cómo su proceso ETL puede conectar y extraer los datos requeridos. En muchos casos, sus orígenes de datos serán las bases de datos relacionales para las cuales puede utilizar un proveedor OLE DB u Open Database Connectivity (ODBC). Sin embargo, algunos orígenes de datos pueden utilizar un almacenamiento propietario que requiere un proveedor hecho a la medida o para el cual no existe proveedor. En este caso, se debe desarrollar un proveedor personalizado o determinar si es posible exportar los datos del origen de datos en un formato que el proceso ETL puede consumir fácilmente (como XML o texto delimitado por comas).

Credenciales y Permisos

La mayoría de los orígenes de datos requieren un acceso seguro en la forma de autenticación de usuarios y permisos individuales sobre los datos. Debe trabajar con los propietarios de los orígenes de datos que utiliza en su solución data warehousing para establecer:

• Credenciales que su proceso ETL puede utilizar para acceder al origen de datos.
• Los permisos requeridos para acceder a los datos que utiliza el data warehouse.

Formatos de Datos

Un origen de datos puede almacenar los datos en un formato diferente. Su solución debe tener en cuenta los problemas derivadas de esto, incluyendo:

• La conversión de datos de un tipo de datos a otro, por ejemplo, la extracción de valores numéricos desde un archivo de texto.
• El truncamiento de datos cuando copia datos a un destino, que tiene una longitud de datos limitados.
• Los formatos de fecha y de tiempo que son utilizados en los orígenes de datos.
• Los formatos numéricos, escalas y precisiones.
• Soporte para caracteres Unicode.

Ventanas de Adquisición de Datos

Dependiendo de los patrones de carga de trabajo de la empresa, cada origen de datos puede tener períodos de tiempo donde el origen de datos no está disponible o el nivel de uso es tal que la sobrecarga adicional de una extracción de datos no es deseable. Cuando planea una solución data warehousing, debe trabajar con cada propietario de los orígenes de datos para determinar la ventana de adquisición de datos adecuada basada en:

• El patrón de la carga de trabajo del origen de datos, y sus niveles de capacidad y utilización de los recursos.
• El volumen de datos a ser extraídos, y el tiempo que toma extraerlo.
• La frecuencia con la cual necesita actualizar el data warehouse con nuevos datos.
• Si es aplicable, las zonas de tiempo en el cual los usuarios del negocio están accediendo a los datos.

Procesos de Extracción, Transformación y Carga

Una parte importante de los esfuerzos en la creación de una solución data warehouse es la implementación de un proceso ETL. Cuando se diseña un proceso ETL para una solución data warehousing, debe tener en cuenta los siguientes factores.

Staging

En algunas soluciones data warehousing, puede transferir datos directamente de los orígenes de datos para al data warehouse sin ningún staging intermedio. Sin embargo, en muchos casos, debe considerar el staging de datos para:

• Sincronizar una actualización del data warehouse que incluye los datos de origen que han sido extraídos durante varias ventanas de adquisición de datos.
• Realizar la validación de datos, la limpieza, y las operaciones de deduplicación de los datos antes de que sean cargados al data warehouse.
• Realizar transformaciones en los datos que no pueden ser realizados durante los procesos de extracción de datos o del flujo de datos.

Si un área staging es requerido en su solución, debe decidir en un formato para los datos staged. Los formatos posibles son:

• Una base de datos relacional.
• Archivos de texto o de XML.
• Archivos RAW (archivos binarios en un formato propietario de la plataforma ETL que está siendo utilizada).

La decisión sobre el formato se basa en varios factores, incluyendo:

• La necesidad de acceder y modificar los datos staged.
• El tiempo que es tomado para almacenar y leer los datos staging.

Por último, si una base de datos relacional es utilizada como el área staging, debe decidir dónde residirá esta base de datos. Las opciones posibles son:

• Un servidor staging dedicado.
• Una instancia de SQL Server dedicado en el servidor data warehouse.
• Una base de datos staging dedicado en la misma instancia de SQL Server así como el data warehouse.
• Una colección de tablas staging (tal vez en un esquema dedicado) en la base de datos data warehouse.

Los factores que debería considerar cuando decide la ubicación de la base de datos staging incluyen:

• Los requisitos del hardware de Servidor y los costos.
• El tiempo que toma transferir los datos a través de las conexiones de red.
• El uso de técnicas de carga Transact-SQL que son realizados mejor cuando los datos staging y de data warehouse son co-localizados en la misma instancia de SQL Server.
• Las sobrecargas de recursos del servidor que son asociadas con el proceso de carga de staging y del data warehouse.

Transformaciones Requeridas

La mayoría de los procesos ETL requieren que los datos que están siendo extraídos de los orígenes de datos sean modificados para coincidir con el esquema del data warehouse. Cuando planea un proceso ETL para una solución data warehousing, debe examinar el esquema de datos de origen y de destino, e identificar qué transformaciones son requeridas. Entonces, debe determinar el lugar óptimo dentro del proceso ETL para realizar estas transformaciones. Las opciones para la implementación de las transformaciones de datos incluyen:

• Durante la extracción de datos. Por ejemplo, por la concatenación de dos campos en un origen de datos SQL Server en un único campo en la consulta Transact-SQL que es utilizada para extraer los datos.
• En el flujo de datos. Por ejemplo, por utilizar una tarea de transformación de datos Derived Column en un flujo de datos de SQL Server Integration Services.
• En el área staging. Por ejemplo, por utilizar una consulta Transact-SQL para aplicar los valores por defecto a campos null en una tabla staging.

Factores que afectan la elección de la técnica de transformación de datos incluyen:

• La sobrecarga del rendimiento de la transformación. Por lo general, es mejor utilizar el enfoque que tiene la menor sobrecarga del rendimiento. Las operaciones basadas en conjuntos que son realizadas en consultas Transact-SQL generalmente tienen mejor desempeño que las transformaciones basadas en filas que son aplicadas en un flujo de datos.
• El nivel de soporte para consultas y actualización en los orígenes de datos o área staging. En los casos en que está extrayendo los datos de un archivo delimitado por comas y son staged en un archivo RAW, sus opciones para realizar transformaciones están limitadas a transformaciones de fila por fila en el flujo de datos.
• Dependencias sobre los datos son requeridos para la transformación. Por ejemplo, puede necesitar mirar un valor en un origen de datos para obtener datos adicionales de otro origen de datos. En este caso, debe realizar la transformación de datos en una ubicación donde ambos orígenes de datos sean accesibles.
• La complejidad de la lógica que está implicada en la transformación. En algunos casos, una transformación puede requerir múltiples pasos y ramas dependiendo de la presencia o el valor de campos de datos específicos. En este caso, a menudo es más fácil aplicar la transformación por la combinación de varios pasos en un flujo de datos de lo que sería crear una sentencia Transact-SQL para realizar la transformación.

ETL Incremental

Después de la carga inicial del data warehouse, generalmente necesitará nuevas cargas incrementales o datos de origen actualizados en el data warehouse. Cuando planea su solución data warehousing, debe considerar los siguientes factores que se relaciona con el ETL incremental:

• ¿Cómo identificará registros nuevos o modificados en los orígenes de datos?
• ¿Necesita eliminar registros en el data warehouse cuando los registros correspondientes en los orígenes de datos son eliminados? Si es así, ¿Eliminará físicamente los registros, o simplemente les marcará como inactivos (a menudo referido como un borrado lógico)?
• ¿Cómo determinará si un registro que será cargado en el data warehouse debería ser un nuevo registro o una actualización de un registro existente?
• ¿Existen registros en el data warehouse para el cual los valores históricos deban ser preservados por la creación de una nueva versión del registro en lugar de actualizar el registro existente?

Calidad de Datos y Gestión de Datos Maestros

La utilidad de un data warehouse es determinada en gran medida por la calidad de los datos que contiene. Por esta razón, cuando se planea un proyecto data warehousing, debería determinar cómo asegurará la calidad de los datos y si debería considerar el uso de una solución de gestión de datos maestros.

Calidad de Datos

Para validar y hacer cumplir la calidad de los datos en el data warehouse, es recomendado que los usuarios del negocio que tienen conocimiento de un área comprendida en el data warehouse, tomen el rol de steward de datos para esa área. Un steward de datos es responsable de:

• Construir y mantener una base de conocimiento que identifica los errores de datos comunes y sus correcciones.
• Validación de datos sobre la base de conocimientos.
• Asegurar que los valores consistentes sean utilizados para los atributos de datos donde múltiples formas del valor pueden considerarse válidos (por ejemplo, asegurar que un campo Country siempre utiliza el valor "United States" cuando se refiere a America, aun cuando "USA", "The U.S." y "America" son también valores válidos).
• Identificar y corregir los valores de datos faltantes.
• Identificación y consolidación de entidades de datos duplicados (así como un registro de cliente para "Robert Smith" y un registro de cliente para "Bob Smith" que ambos se refieren a un mismo cliente físico).

Puede utilizar SQL Server Data Quality Services para proporcionar una solución de calidad de datos que ayude al steward de datos a realizar estas tareas.

Gestión de Datos Maestros

Es común en las grandes organizaciones tener múltiples aplicaciones de negocio, y en muchos casos, estos sistemas realizan tareas que están relacionadas con las mismas entidades de la empresa. Por ejemplo, una organización puede tener una aplicación e-commerce que permite a los clientes a comprar productos, y un sistema de gestión de inventario separado que también almacena datos acerca de los productos. Un registro representando un producto en particular puede existir en ambos sistemas. Puede ser útil en este escenario implementar un sistema de gestión de datos maestros que proporcione una definición autorizada de cada entidad del negocio (en este ejemplo, un producto en particular) que puede utilizar sobre múltiples aplicaciones para garantizar la coherencia.

En un escenario data warehousing, el uso de la gestión de datos maestros es especialmente importante, ya que garantiza que los datos en el data warehouse se ajusten a la definición acordada por las entidades del negocio que serán incluidos en cualquier solución de análisis y de reportes que deben soportar.

Puede utilizar SQL Server Master Data Services para implementar una solución de gestión de datos maestros.

Leer Mas

Introducción al Data Warehousing

El data warehousing es una solución que las organizaciones pueden utilizar para centralizar los datos del negocio, para la presentación de reportes y análisis. La implementación de una solución data warehouse lo puede proporcionar una empresa u otra organización con importantes beneficios, incluyendo:

• Reportes completos y precisos de la información clave del negocio.
• Un origen centralizado de datos del negocio para el análisis y la toma de decisiones.
• La base para una solución de inteligencia de negocios empresarial (BI).

El data warehousing es una técnica bien establecida para los datos del negocio centralizada en la presentación de reportes y análisis. Aunque los detalles específicos de soluciones individuales pueden variar, hay algunos elementos comunes en la mayoría de las implementaciones data warehousing. La familiaridad con estos elementos le permitirá planificar mejor y construir una solución data warehousing eficiente.

El Problema de la Empresa

El manejo efectivo de una empresa puede presentar un reto importante, especialmente cuando el negocio crece o se ve afectado por las tendencias en el mercado objetivo del negocio o la economía global. Para tener éxito, una empresa debe adaptarse a las condiciones cambiantes, lo que requiere personas en las organizaciones para tomar buenas decisiones estratégicas y tácticas del negocio. Sin embargo, los siguientes problemas del negocio a menudo pueden hacer difíciles la toma de decisiones:

• Los datos claves del negocio se distribuyen a través de múltiples sistemas. Esto hace que sea difícil recopilar toda la información necesaria para una decisión de un negocio en particular.
• La búsqueda de la información necesaria para la toma de decisiones del negocio toma tiempo y es propenso a errores. La necesidad de reunir y conciliar los datos de múltiples orígenes resulta en procesos de toma de decisiones ineficientes y lentos, que pueden ser agudizados aún más a través de las inconsistencias entre duplicados, y orígenes contradictorios de la misma información.
• Las preguntas del negocio fundamentales son difíciles de responder. La mayoría de las decisiones del negocio requieren un conocimiento de los hechos fundamentales, tales como "¿Cuántos clientes tenemos?" o "¿Qué productos vendemos más frecuentemente?" Aunque estas preguntas pueden parecer simples, la distribución de los datos a través de múltiples sistemas en una organización típica puede hacerlos difíciles, o incluso imposibles, de responder.

Al resolver estos problemas, es posible tomar decisiones efectivas que ayuden a la empresa a ser más exitosa, tanto a nivel estratégico, como ejecutivo y durante las operaciones del día a día del negocio.

¿Qué es un Data Warehouse?

Un data warehouse proporciona una solución al problema de datos distribuidos que evita la toma de decisiones efectiva del negocio. Hay muchas definiciones para el término "data warehouse", y desacuerdos sobre los detalles de implementación específicos, pero es generalmente aceptado que un data warehouse es un almacén centralizado de datos del negocio que puede ser utilizado para reportes y análisis, para informar las decisiones del negocio.

Típicamente, una data warehouse:

• Contiene grandes volúmenes de datos históricos, referidos a las transacciones del negocio.
• Está optimizado para operaciones de lectura que soportan la consulta de los datos. Esto está en contraste con una base de datos de procesamiento de transacciones en línea (OLTP) típica, que está diseñada para soportar operaciones de inserción, de actualización, y de eliminación de datos, también.
• Se carga con datos nuevos o actualizados a intervalos regulares.
• Proporciona la base para aplicaciones empresariales de BI. 

Arquitecturas de Data Warehouse

Hay muchas maneras de implementar una solución data warehouse en una organización. Algunos enfoques comunes incluyen:

• La creación de un único, data warehouse empresarial central, para todas las unidades del negocio.
• La creación de pequeños, data warehouses departamentales, para las unidades del negocio individuales.
• La creación de una arquitectura hub-and-spoke, que sincroniza un data warehouse empresarial central, con los data marts departamentales que contienen un subconjunto de los datos del data warehouse.

La arquitectura adecuada para que una empresa dada, podría ser uno de estas, o una combinación de varios elementos de los tres enfoques.

Componentes de una Solución Data Warehousing

Una solución data warehousing usualmente consiste de los siguientes elementos:

• Data sources. Los orígenes de datos del negocio para el data warehouse, a menudo incluyen las bases de datos de aplicaciones OLTP y datos que han sido exportados desde sistemas propietarios como las aplicaciones de contabilidad.
• Un proceso de extracción, transformación y carga (ETL). Un flujo de trabajo para acceder a los datos de los orígenes de datos, modificándolo para ajustarse al modelo de datos para el data warehouse y cargándolo en el data warehouse.
• Areas de staging de datos. Son ubicaciones intermedias donde los datos que están siendo transferidos al data warehouse, son almacenados para prepararlos para importarlos al data warehouse y sincronizar las cargas del data warehouse.
• Un data warehouse. Una base de datos relacional que ha sido diseñado para proporcionar consultas de alto rendimiento de los datos históricos de la empresa, para reportes y análisis.

Además, muchas de las soluciones data warehousing también incluyen:

• Limpieza de datos y deduplicación. Una solución para resolver los problemas de calidad en los datos antes de que sean cargados en el data warehouse.
• Gestión de datos maestros (MDM). Una solución que proporciona una definición de datos autorizada por las entidades de la empresa que usan los múltiples sistemas a través de la organización.

Proyectos Data Warehousing

Un proyecto data warehousing tiene mucho en común con cualquier otro proyecto de implementación TI, por lo que es posible aplicar las metodologías más comúnmente utilizadas, como Agile o Microsoft Solutions Framework (MSF). Sin embargo, un proyecto data warehousing a menudo requiere de una comprensión profunda de los objetivos claves del negocio y las métricas que son utilizadas para impulsar la toma de decisiones, a diferencia de otros proyectos de desarrollo de software o infraestructura.

Un enfoque de alto nivel para la implementación de un proyecto data warehousing por lo general incluye los siguientes pasos:

1. Trabajar con los interesados del negocio y trabajadores de la información para determinar las preguntas del negocio a la cual el data warehouse debe proporcionar respuestas. Pueden incluir preguntas tales como:

• ¿Cuál fue el ingreso total de ventas para cada territorio geográfico de ventas en un mes determinado?
• ¿Cuáles son nuestros productos o servicios más rentables?
• ¿Están nuestros costos creciendo o reduciendo sobre el tiempo?
• ¿Qué empleados de ventas están cumpliendo con sus objetivos de ventas?

2. Determinar los datos requeridos para responder a estas preguntas. Es normal pensar en estos datos en términos de "dimensiones" y "hechos". Los hechos contienen las medidas numéricas que necesita agregar para que pueda responder a las preguntas del negocio, que fueron identificados en el paso 1 (por ejemplo, para determinar los ingresos por ventas, es posible que necesite el monto de venta para cada transacción de venta individual). Las dimensiones representan los diferentes aspectos del negocio para los cuales desea agregar las medidas (por ejemplo, para determinar los ingresos por ventas de cada territorio en un mes determinado, puede que necesite dos dimensiones: una dimensión geográfica, para que pueda agregar las ventas por territorio, y una dimensión tiempo de modo que pueda agregar las ventas por mes).

3. Identificar los orígenes de datos que contienen los datos requeridos para responder a las preguntas del negocio. Estas son comúnmente las bases de datos relacionales que las aplicaciones de línea de negocio existentes utilizan, pero también pueden incluir:

• Archivos planos o documentos XML que han sido extraídos de sistemas propietarios.
• Los datos en la lista de Microsoft SharePoint.
• Los datos disponibles comercialmente, que han sido comprados de un proveedor de datos, tales como el Microsoft Windows Azure Marketplace.

4. Determinar la prioridad de cada pregunta del negocio basado en:

• La importancia de responder la pregunta, en relación a la conducción de los objetivos clave del negocio.
• La factibilidad de responder la pregunta de los datos disponibles.

Un enfoque común para priorizar las preguntas del negocio, que abordará en la solución data warehousing, es trabajar con los interesados claves del negocio y ubicar cada pregunta en una matriz basada en cuadrantes como la mostrada abajo. La posición de las preguntas en la matriz ayuda a reconocer el alcance del proyecto data warehousing.

Si un gran número de preguntas caen en la categoría alta importancia, alta factibilidad, es posible que desee considerar un enfoque incremental en el proyecto, en el cual distribuye el desafío en una serie de sub-proyectos. Cada sub-proyecto aborda el problema de implementar el esquema data warehouse, solución ETL, y los procedimientos de calidad de datos para un área específica de la empresa, partiendo de las preguntas del negocio de más alta prioridad. Si toma este enfoque incremental, debe tener cuidado para crear un diseño global para tablas de dimensión y de hechos en las primeras iteraciones de la solución, para que las adiciones posteriores a la solución pueden reutilizarlas.

Roles de Proyecto Data Warehousing

Un proyecto data warehousing normalmente implica varios roles. Estas roles incluyen:

• Un director de proyecto. Coordina tareas y calendarios del proyecto y asegura que el proyecto sea completado a tiempo y dentro del presupuesto.
• Un arquitecto de la solución. Tiene la responsabilidad general del diseño técnico de la solución data warehousing.
• Un modelador de datos. Diseña el esquema del data warehouse.
• Un administrador de base de datos. Diseña la arquitectura física y la configuración de la base de datos data warehouse. Además, los administradores de bases de datos que tienen la responsabilidad de los orígenes de datos que son utilizados en la solución data warehousing, deben estar involucrados en el proyecto para proporcionar el acceso a los orígenes de datos, que el proceso ETL utiliza.
• Un especialista en infraestructura. Implementa la infraestructura de servidores y de red para la solución data warehousing.
• Un desarrollador de ETL. Construye el flujo de trabajo ETL para la solución data warehousing.
• Los usuarios del negocio. Proporcionan los requisitos y ayudan a priorizar las preguntas del negocio que la solución data warehousing responderá. A menudo, el equipo incluye un analista del negocio como un miembro a tiempo completo para ayudar a interpretar las preguntas del negocio y asegurar que el diseño de la solución satisfaga las necesidades de los usuarios.
• Testers. Verifican la funcionalidad operativa y del negocio de la solución, así como su desarrollo.
• Los stewards de datos para cada tema clave en la solución data warehousing. Determinan las reglas de calidad de datos y validan los datos antes de que entren al data warehouse. Los stewards de datos son algunas veces referidos como los gobernadores de datos.

Además de garantizar la asignación adecuada de estos roles, también debe considerar la importancia del patrocinio a nivel ejecutivo del proyecto data warehousing. El proyecto tiene más altas probabilidades de éxito si un patrocinador ejecutivo de alto nivel está apoyando activamente la creación de la solución data warehousing.

SQL Server como una Plataforma Data Warehousing

SQL Server incluye componentes y características que puede utilizar para implementar los diferentes elementos de la arquitectura de una solución data warehousing. Estos componentes incluyen:

• El motor de base de datos SQL Server. Un sistema relacional altamente escalable de gestión de base de datos (RDBMS) en el que se puede implementar un data warehouse. SQL Server Enterprise incluye características que lo hacen especialmente adecuado para las soluciones data warehousing. Una característica es la optimización de las consultas de unión estrella, que aumenta significativamente el rendimiento de las consultas en un esquema data warehouse típico. Otra característica es el índice columnstore, que puede mejorar significativamente el rendimiento de las cargas de trabajo del data warehouse.
• SQL Server Integration Services. Una plataforma completa y extensible para la creación de soluciones ETL, incluyendo soporte para una amplia gama de orígenes de datos y numerosas tareas de transformaciones data flow y de control flow integradas para los requerimientos ETL comunes.
• SQL Server Master Data Services. Una solución de gestión de datos maestros que permite a las organizaciones crear definiciones de datos autorizadas para las entidades del negocio claves, y asegurar la consistencia de datos a través de múltiples aplicaciones y sistemas.
• SQL Server Data Quality Services. Una solución basada en el conocimiento para la validación, la limpieza, y la deduplicación de datos.
• Microsoft SQL Azure. Una plataforma de base de datos basada en la nube, que podría ser utilizada para proporcionar un origen de datos en una solución data warehousing.
• Windows Azure Marketplace DataMarket. Un repositorio basado en la nube de los datasets disponibles comercialmente que pueden ser incorporados en su data warehouse o que el SQL Server Data Quality Services puede utilizar para validar y limpiar los datos.

Además, puede utilizar algunos componentes de SQL Server y otros productos Microsoft para construir una solución BI empresarial que amplíe el valor de su data warehouse significativamente. Estos componentes y productos incluyen:

• SQL Server Analysis Services. Un servicio para la creación de modelos de datos analíticos multidimensionales y tabulares para el llamado análisis "slice and dice", y para la implementación de modelos de minería de datos que se puede utilizar para identificar tendencias y patrones en sus datos.
• SQL Server Reporting Services. Una solución para la creación y distribución de reportes en una variedad de formatos para la visualización en línea o impresión.
• Microsoft SharePoint Server. Un portal basado en la web a través del cual los trabajadores de la información pueden usar reportes y otros entregables de BI.
• Microsoft Excel. La herramienta de análisis de datos y hoja de cálculo más comúnmente utilizada en el mundo.
• Tecnologías Microsoft PowePivot. Un poderoso motor analítico que habilita el análisis de grandes volúmenes de datos en Excel y comparte los modelos de datos tabulares en el servidor SharePoint.
• Microsoft Power View. Una herramienta de visualización de datos que proporciona una experiencia intuitiva, interactiva para usuarios que necesitan realizar el análisis de los datos no estructurados en un modelo semántico BI. 

Leer Mas

Certificaciones de Business Intelligence en SQL Server 2012

El mes pasado rendí y aprobé el examen 70-463 (Implementing a Data Warehouse with Microsoft SQL Server 2012), que es parte de la certificación MCSA para Microsoft SQL Server 2012; me base en el Training Kit de Microsoft para este examen. También consulte el material del curso de certificación 10777 que tome en un instituto. No se me ocurrió mejor idea que traducir el training kit, para que este libro traducido me sirva para consultas posteriores; una tarea titánica pero que al final valió la pena. La ultima semana rendí los exámenes del simulador, los cuales me sirvieron bastante. Aprobando este examen ya tengo mi usuario MCP y puedo usar el logo.

Ahora me encuentro preparándome para el siguiente examen, el 70-461 (Querying Microsotf SQL Server 2012), con la misma metodología. Espero lograr este objetivo en 2 meses aproximadamente. Luego debo seguir con el examen 70-462, para obtener el MCSA.
La siguiente certificación es el MCSE, el examen 70-466 y el 70-476. Aunque ya esta año salio la certificación para la nueva versión SQL Server 2014.

Leer Mas