Cátedra BI - Info - UNLP

Artículo: Análisis de datos no estructurados en tiempo real http://sg.com.mx/revista/40/an%C3%A1lisis-datos-no-estructurados-tiempo-real

En este prezi se recomiendan una serie de pasos que me parecieron ideales para cualquier trabajo de investigación..

Quería compartir una excelente presentación de Anabella Di Grazia sobre Big Data con Oracle. Curso BI el año pasado y finalizó la materia con este excelentre trabajo.

Capítulo 3 – Inventario Supermercado Tema: Arquitectura de Bus – Dimensiones conformadas – Tipos Snapshot (Periódico, Transacciones, Acumulativos) – Uso de varias granularidades Capítulo 7 – Contable – Análisis Financiero Tema: Consolidación de tablas de Hechos para combinar metricas de diferentes procesos de negocios – Snapshot periódico y transaccional – Tablas de Hechos Múltiples – Dimensiones Comunes Bertino - De Marzi - 2013 Bertino - De Marzi - 2013 - PPT Capítulo 5 – Gestión de Pedidos Tema: Distintos roles entre dimensiones – Dimensiones Lentamente Cambiantes SCD Tipo 1, 2, 3 y 6 Mahl Franco - 2013 Mahl Franco - 2013 - PPT Capítulo 6 – Gestión de Clientes Tema: Dimensión Cliente – Minidimensiones – Anexos (Outtriggers) de una dimensión - Dimensiones Lentamente Cambiantes SCD Tipo 2 Wadel - Vargar - 2013 Wadel - Vargar - 2013 - PPT Capítulo 8 – RRHH Tema: Dimensión Auditoría – Dimensión “Habilidades de la Persona” (Conjunto de palabras claves) Burriel -

Capítulo 3 – Inventario Supermercado Tema: Arquitectura de Bus – Dimensiones conformadas – Tipos Snapshot (Periódico, Transacciones, Acumulativos) – Uso de varias granularidades Capítulo 7 – Contable – Análisis Financiero Tema: Consolidación de tablas de Hechos para combinar metricas de diferentes procesos de negocios – Snapshot periódico y transaccional – Tablas de Hechos Múltiples – Dimensiones Comunes GRUPO 10 - 2012 GRUPO 1 - 2012 Capítulo 5 – Gestión de Pedidos Tema: Distintos roles entre dimensiones – Dimensiones Lentamente Cambiantes SCD Tipo 1, 2, 3 y 6 GRUPO 2 - 2012 GRUPO 12 - 2012 Capítulo 6 – Gestión de Clientes Tema: Dimensión Cliente – Minidimensiones – Anexos (Outtriggers) de una dimensión - Dimensiones Lentamente Cambiantes SCD Tipo 2 GRUPO 3 Capítulo 8 – RRHH Tema: Dimensión Auditoría – Dimensión “Habilidades de la Persona” (Conjunto de palabras claves) GRUPO 4 - 2012 Capítulo 9 – Servicios Financieros Tema: Gestión de Dimensiones con gran v

Sobre Pasos para implementar Big Data Estoy en la etapa de buscar los primeros pasos para implementar Big Data y me encontré con 2 notas muy interesantes de IBM para compartir Cooking Up a Hadoop Implementation Nos presenta las capas que hay que tener en cuenta en el momento de la implementación de una solución de Big Data, es un proyecto de entre 4 y 6 meses de duración y sugiere varios productos, muy interesante y para no perder de vista.   Putting big data myths to rest by Tom Deutsch de IBM Artículo muy interesante para desterrar varios mitos relacionados con:  Big data se usa sólo con datos no estructurados: se puede usar con datos estructurados tambien.  Big data trae un problema de calidad de datos: posiblemente haya, pero no necesariamente tiene que resolverse en esta etapa, y se sugiere usar ETL.  El aprendizaje automático evita el sesgo humano.  El aprendizaje automático es una actividad en tiempo real.  Smart analytics in education Continuamos...

Se adjunta un script SQL el cual crea las tablas de datos para la base de datos a utilizar en el Trabajo Practico del municipio. El script también genera registros en las tablas para poder hacer uso de las mismas. Archivo Script SQL para generación de la base de dato datos a utilizar en la creación del cubo: https://dl.dropboxusercontent.com/u/16951678/BI_Blog_Files/script_bi_muni.zip Planillas excel con datos a utilizar en la creación del cubo: https://dl.dropboxusercontent.com/u/16951678/BI_Blog_Files/tasa4_municipio.zip El municipio tiene sistematizada 3 tasas en la base de datos que ya se presentó. Desde el año 2011 se generó el cobro de una tasa especial, llamada "Contribución extraordinaria para inmuebles con altas valuaciones". Esta tasa que no se procesará aún a través del sistema existente (en el futuro será integrada con el id_tasa = 4) y sus datos residen actualmente en planillas excel de la siguiente forma: : 1) Una planilla por cada año (2011, 20

Mapa conceptual - Profundizando en modelos, dimensiones y hechos http://www.mindmeister.com/328012472

Actividad 2013: A partir de los problemas planteados en la evolución de los sistemas operacionales y las necesidad de información, se propone que piensen sobre uno de estos problemas y su solución, y creen un cómic para ilustrarlo. Cómic Nro. 1 Augusto Pellegrinetti Cómic Nro. 2 Camila Burriel y Celeste Suarez Cómic Nro. 3 Ezequiel Nogueira y Verónica Aguirre Cómic Nro. 4 Máximo Zarza y Alan Featherston Cómic Nro. 5 Máximo Zarza y Alan Featherston Cómic Nro. 6 Máximo Zarza y Alan Featherston Cómic Nro. 7 Nicolás Rodsevich

Entrar a la siguiente URL para editar el Mapa Conceptual: http://www.mindmeister.com/323452586/diferencias-er-y-dm Al entrar a la url se debería ver el mapa conceptual en modo solo lectura: Luego presionar el botón "Editar Mapa" Artículo: http://www.kimballgroup.com/1997/08/02/a-dimensional-modeling-manifesto/

Actividad 2012: A partir de los problemas planteados en la evolución de los sistemas operacionales y las necesidad de información, se propone que piensen sobre uno de estos problemas y su solución, y creen un comic para ilustrarlo. Comic Nro. 1 Comic Nro. 2 Comic Nro. 3 Comic Nro. 4 Comic Nro. 5 Comic Nro. 6 Comic Nro. 7 Comic Nro. 8 Comic Nro. 9 Comic Nro. 10 Comic Nro. 11

Un Sistema de Soporte a la Decisión es una forma de modelar datos y hacer decisiones de calidad basadas en estos. Tomar la decisión correcta en los negocios se suele basar en la calidad de sus datos y su capacidad para filtrar y analizar los datos para encontrar las tendencias en las cuales se puedan crear soluciones y estrategias. ____________________________GRUPO 1___________________________________ GRUPO 1 Maximo Zarza - Alan Featherston  http://es.wikipedia.org/wiki/ Sistemas_de_soporte_a_decisiones  El concepto de sistema de soporte a las decisiones (DSS por sus siglas en inglés Decision Support System) es muy amplio, debido a que hay muchos enfoques para la toma de decisiones y debido a la extensa gama de ámbitos en los cuales se toman. Estos sistemas de apoyo son del tipo OLAP o de minería de datos, que proporcionan información y soporte para tomar una decisión. Un DSS puede adoptar muchas formas diferentes. En general, podemos decir que un DSS es un sistema informático

Contacto con BI - 2013 Facebook: https://www.facebook.com/catedrabi.unlp Moodle: https://catedras.info.unlp.edu.ar/ Curso: Cursos 2013 -> BI - MT - 2013 Blog: http://catedrabi.blogspot.com.ar/ Twitter: https://twitter.com/@catedrabi Máquina Virtual 2013 Se utilizará una máquina virtual, la cuál tiene un sistema operativo Linux con las siguientes herramientas: - PDI CE 4.4 - Mondrian 3.5 - Bi server 4.8 - PSW  3.5 - Weka 3.6 - Talend 5.3 - Mysql 5.5 - Mysql Workbench - Postgres 9 - Pg Admin Para Iniciar sesión en la máquina virtual los datos son: a) Nombre de Usuario: catedrabi b) Password: 12345

En este post quisiera compartir la primera clase del año pasado de BI. Aquí presentamos la materia y damos una primera aproximación y definiciones. Tecnologías Aplicadas a Business Intelligence - Clase1 - 2012 from Paola Amadeo Todo comentario es bienvenido!

Nota publicada por Eduardo Rivadeneira en la revista SG Febrero - Abril 2012 http://sg.com.mx/buzz/microsoft-y-big-data

Nota publicada por Francisco Bernal en la revista SG Febrero - Abril 2012 http://sg.com.mx/revista/num/35/big-data-desafio-explosion-datos

Nota publicada por Ricardo Barranco Fragoso en la revista SG Febrero - Abril 2012 http://sg.com.mx/buzz/ibm-big-data

1.- INTRODUCCIÓN Introducción a la Inteligencia de Negocios. Conceptos de Inteligencia de Negocios. Herramientas de inteligencia de Negocios Los 5 Estilos del BI BI y Análisis de Datos 2.- ANÁLISIS DEL ENTORNO DE DATA WAREHOUSE ¿Qué es un Data Warehouse? Conceptos y funcionalidades básicas Data Warehouse vs. Data Mart Componentes a tener en cuenta a la hora de construir un Data Warehouse Metodología para la construcción de un Data Warehouse Técnicas para la extracción, transformación y carga de los datos Técnicas de Explotación de la Información OLAP. ROLAP, MOLAP Seguridad de acceso y manipulación de la información en el Data Warehouse  3. INTRODUCCIÓN AL MODELADO MULTIDIMENSIONAL Técnicas para el modelado dimensional. Esquemas de Modelamiento Multidimensional 4.- REPORTING Herramientas de SL para la construcción de reportes Arquitectura y administración 5.- MINERIA DE DATOS Introducción a la Minería de Datos Motivación y Metodología Herramientas de SL para minería de datos

La idea de este espacio es recopilar información sobre Big Data e ir compartiendola en este espacio Del libro Big Data for Dummies. Parte I Big data consiste de datos estructurados, semi estructurados y no estructurados. Los productos tradicionales de BI no están diseñados para gestionar Big Data. En general trabajan sobre BD relacionales, bien comprendidos, para hacer análisis aplicados a snapshots de datos en lugar de la cantidad total de datos disponibles. Parte IV. Saber para qué - Uno de los puntos más importantes es saber mas o menos que vamos a hacer con la información que tenemos. SAbemos que hay mucha info pero no sabemos bien para que usarla. Esto depende de la lógica del negocio. En nuestro caso sería por ejemplo predecir cuando un alumno va a dejar. Si no estoy seguro, tendré que ir revisando las distintas áreas del negocio para ver en donde puedo trabajar para detectar problemas antes de que ocurran. Hay distintos tipos de analítica de los datos en big data: Analí