Por qué Data Warehouse ?

1. “Diseño de un Data Mart para la Unidad de Programación y Abastecimiento de Hidrocarburos de Petrocomercial, Filial de Petroecuador”.

2. Datos Datos ? Datos Datos Datos Datos Datos Datos Datos Datos Información para la toma de decisiones Islas de Información Por qué Data Warehouse ?

3. Qué es un Data Warehouse? “Data Warehouse nos permite la integración de datos corporativos en un único depósito donde los usuarios puedan consultar o analizar los datos para la toma de decisiones”.

4. DATOS OPERACIONALES BATCH SOPORTE DE DECISIÓN DATOS OPERACIONALES TRANSACCIONALES METADATOS Transfor_mación DATA WAREHOUSE DATOS EXTERNOS Data Warehouse

5. Características • Tema Orientado • Integrado • Variante en el tiempo • No Volátil

6. 20 10 Serie1 Serie2 0 S1 1 2 3 DATOS DATOS CONSULTAS Y REPORTES MINERIA DE DATOS ANALISIS OPERACIONALES EXTERNOS INTERACTIVOS SEGMENTACION MULTIDIMENSIONAL PREDICCION O ANALISIS OLAP Extracción , limpieza transformación y Metadatos carga DATA WAREHOUSE PROCESOS Y FUNCIONES Arquitectura

7. Datos acerca de los datos. Herramienta que almacena datos u otro punto de apoyo para los sistemas de información, guardando la pista de las relaciones entre el Data Warehouse y las Bases de Datos Operacionales, incluyendo además los pasos requeridos para el almacenamiento de los datos. Se clasifican en: Metadatos de Transformación, y Metadatos de Aplicación. Metadatos DATA WAREHOUSE Metadatos

8. Contenido de losMetadatos • Tablas de Estructura del Data Warehouse • Tabla de Atributos del Data Warehouse • Datos de origen del Data Warehouse (El sistema de registros) • El mapeo desde los sistemas de registros hasta el Data Warehouse. • La especificación de los Modelos de Datos. • La extracción y el registro • Las rutinas de acceso a los datos • Las equivalencias de tipos de datos entre Base de Datos Fuente y Destino.

9. Cliente Tiempo Cliente Geografía Geografía Producto Producto Tiempo DIMENSIONES INTERRELACIONES Mes Rebanar/Picar Trim Día Navegación Profundización y resumen Año Fiscal Pivote Cálculos Año Resúmenes y adiciones JERARQUIAS SERVICIOS Análisis Multidimensional

10. Análisis Multidimensional OLAP “OLAP es una tecnología de procesamiento analítica que crea nueva información empresarial a partir de los datos existentes, por medio de un rico conjunto de transformaciones empresariales y cálculos numéricos”.

11. Tipos y Modelos de OLAP • Tipos • OLAP Relacional (ROLAP) • OLAP Multidimensional (MOLAP) • OLAP Híbrida (HOLAP) • Modelos • Modelo Cubo • Esquema Estrella • Esquema Copo de Nieve • Esquema Mixto

12. Tabla de Volúmenes Atributos de Producto Clave: Producto Clave: Tiempo Atributos de Tiempo Atributos de Región Clave: Región Atributos de Terminal Clave: Terminal Volumen Final Volumen Despachado Tipos y Modelos de OLAPEsquema Estrella

13. Minería de Datos(Data Mining) • Esta técnica consiste en extraer información de grandes bases de datos en función de estos mismos. Se trata de un proceso automatizado de presentación de patrones, normas o funciones a un usuario informado para su revisión y estudio. • Procesos de Minería de Datos • Selección de Datos • Transformación de Datos • “Data Mining” • Interpretación de resultados

14. Procesamiento Analítico en Línea OLAP Minería de Datos Acceso WEB Consultas y Reportes Necesidades del Negocio Data Warehouse (Data Mart) Necesidades de Desarrollo Manejar Acceso Almacenar Transformar Automatizar Distribuir Definir DB2 INFORMIX VSAM ORACLE SYBASE Files SQL Server IMS Datos Fuentes externos y operacionales Esquema Data Warehousing

15. Herramientas • Herramientas de Modelamiento de datos • Herramientas de Construcción de un Data Warehouse • Herramientas de análisis multidimensional u OLAP, Consultas y reportes • Minería de Datos

16. Sistemas Operacionalesde Petrocomercial • IBM S/390 • Base de datos DB2 • Sistema de Movimiento de Productos (MOPRO) • Archivos VSAM • Sistema de Comercialización (Ventas) • IBM AS/400 • Base de Datos DB2/400 • Sistemas Financieros • Sistemas Administrativos • Sistema de Inventarios y Compras • Sistema de Mantenimiento • Sistema de Contratos

17. Construcción de Data Warehouse Visual Warehouse (IBM) Oracle Express (Oracle Corporation) Herramientas OLAP DB2 OLAP Server (IBM) Oracle Express (Oracle Corporation) Power Play (Cognos) Business Objects (BO) Base de Datos DB2 UDB (IBM) Oracle 8 Consultas y Reportes Lotus Approach (IBM) Discoverer (Oracle Corporation) Impromptu (Cognos) Business Query (Business Objects) Minería de Datos Intelligent Miner (IBM) 4 thought (Cognos) Business Miner (Business Objects) Selección de Herramientas

18. Consultas y Reportes Impromptu Power Play Data Warehouse (Data Mart) Acceso Transformar Distribuir Almacenar Manejar Automatizar VISUAL WAREHOUSE DB2 DB2 VSAM Archivos Planos Datos Fuentes externos y operacionales Esquema propuesto paraPetrocomercial Procesamiento Analítico en Línea OLAP y acceso a Web

19. IBM AS/400 PCO1 Comunicación APPC Token Ring Comunicación APPC IBM S/390 IBM AS/400 PCO2 PCORED3 Software para crear y manejar Data Warehouse • Visual Warehouse • Power Play • Impromptu Software para comunicaciones • Communications Server Base de Datos • DB2 UDB Ambiente de Data Warehouse

20. Ambiente de Data Warehouse • Ambiente de Comunicaciones • Ambiente de Base de Datos • Creación de Data Warehouse • Análisis OLAP y Consultas y Reportes

21. Configuración de un nodo de red. Configuración de dispositivos. Configuración de una conexión. Configuración de Unidades Lógicas Locales (Local LU 6.2). Configuración de modos. Configuración de Unidades Lógicas Asociadas (Partner LU 6.2). Configuración de interface común de programación (CPI-C). Ambiente de Comunicaciones

22. Ambiente de Base de Datos • Configuración de Base de Datos (Base de Datos fuentes, de control y de Data Warehouse) • Protocolo de comunicaciones(APPC) • Sistema Operativo(MVS/ESA, OS/400) • Parámetros de comunicación APPC (CPI-C) • Base de Datos destino • Pruebas de Conexión a Base de Datos (Test) • Ejecución de aplicación (Bind)

23. Desarrollo de AplicaciónMetodología • Planeación • Requerimientos • Análisis • Diseño • Construcción • Puesta en Marcha (Pruebas, Implementación)

24. Planteamiento del Problema • El proyecto piloto en Petrocomercial inicia con la construcción de un Data Warehouse para la Unidad de Programación y Abastecimiento de Hidrocarburos, el cual deberá satisfacer consultas periódicas concernientes a volúmenes finales (existencias), volúmenes despachados (demanda) y días de stock de productos derivados del Petróleo, distribuidos por terminal de despacho y región.

25. Tablas de Hechos de Volúmenes Tabla de Dimensión Tiempo Tabla de Dimensión Terminal Clave: Producto Atributos de tiempo Atributos de Terminal Clave: Tiempo Tabla de Dimensión Producto Tabla de Dimensión Región Clave: Región Atributos de Producto Clave: Terminal Atributos de Región Volumen Final Volumen Despachado Hechos Esquema Estrella de Aplicación

26. Despachos a empresas eléctricas. Unidad de Programación y Abastecimiento Existencia y demanda de productos. Existencia, demanda diaria, y días de stock de productos. Data Warehouse MOPRO Subgerencia de Transporte y Almacenamiento Sistema de MOPRO Gerencia General Stock de Refinerías Petroindustrial Procesos de Aplicación

27. Construcción del DataWarehouse (Visual Warehouse) • Acceso a datos de ambientes operacionales, y de fuentes externas. • Transformación, Integración y Distribución de datos, que permiten convertirlos en datos útiles para el negocio. Filtrado de datos usando sentencias SQL estándares. • Almacenar datos. • Encontrar y Comprender, a través de un catálogo de información. • Mostrar, Analizar y Descubrir usando una herramienta de soporte a la toma de decisiones. • Automatizar y Administrar del Data Warehouse, para maximizar la disponibilidad con un mínimo de recursos.

28. Herramienta OLAP • Herramienta para análisis multidimensional. • Empaqueta datos en estructuras multidimensionales llamadas Power Cubes • Además es una herramienta OLAP dinámica sobre el WEB.

29. Respuesta empresarial para consultas y reportes además del WEB. Presenta información de la forma que administradores miran su negocio, no la forma como la base de datos esta estructurada. Brinda facilidad y rapidez a los usuarios para crear rápida y fácilmente alguna consulta y reporte Herramienta de Consultas y Reportes

30. Conclusiones • Las empresas generan y recopilan grandes cantidades de información, el desafío consiste en aprovechar el valor de dicha información y usar los patrones y las tendencias en su uso, para obtener nuevos conocimientos. • Actualmente organizaciones de distintos tamaños y diversos sectores están descubriendo que pueden obtener ventajas para sus empresas utilizando un Data Warehouse. • Un Data Warehouse ofrece la base para técnicas eficaces de análisis y toma de decisiones, tan importantes en el entorno competitivo de nuestra época.

31. Conclusiones • La información en un sistema operacional se encuentra detallada registro por registro, mientras que la información en un Data Warehouse esta resumida, transformada, depurada y lista para la toma de decisiones. • Con la construcción de un Data Warehouse los ejecutivos descubren que requieren información más precisa y rápida que antes.

32. Recomendaciones • Petrocomercial debe continuar con el Proyecto de Data Warehouse. • Renovación de la infraestructura de hardware. • Proyecto de Minería de Datos. • Difusión del Proyecto de Data Warehouse al resto de Filiales y a Petroecuador.

33. Muchas Gracias por su Atención