cubo multidimensional aplicado para el analisis de reportes estacionales de los consumos de...

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS

ESCUELA ACADEMICO PROFESIONAL DE INFORMÁTICA

CUBO MULTIDIMENSIONAL APLICADO PARA EL ANALISIS DE REPORTES

ESTACIONALES DE LOS CONSUMOS DE MEDICAMENTOS EN LA FARMACIA

“INFOFARMA”

Docente : Ing. Arturo Díaz Pulido.

Autores : Alvarez Carhuajulca, Pedro Angel

Gomez Guerrero, Jordan

Quispe Moreno, Julissa Vanessa

Ramirez Avila, Diani

Rodriguez Zavaleta, Kevin Gianmarco

TurKowsky Vega, Oskar Eduardo

Trujillo – Perú

2015

CUBO MULTIDIMENSIONAL APLICADO PARA EL ANALISIS DE REPORTES ESTACIONALES DE LOS CONSUMOS DE MEDICAMENTOS EN LA FARMACIA “INFOFARMA”

[Escriba texto] Página 2

Dedicatoria

Queremos dedicar este trabajo en primer lugar a

nuestras familias que con su apoyo, su confianza,

su paciencia y sobre todo su amor incondicional

fue posible llegar a esta etapa de nuestras vidas y

culminarla exitosamente y así mismo a nuestros

docentes por brindarnos las enseñanzas necesarias

para nuestra formación profesional.



Agradecimiento

Agradecer ante todo a Dios ya que sin él no

hubiera sido posible llegar a esta etapa de nuestras

vidas, a nuestros padres por siempre estar

apoyándonos en las buenas y en las malas, a

nuestro docente por la enseñanza brindada y así ser

posible llegar a culminar este proyecto

satisfactoriamente y nuestros amigos por la

confianza que nos tuvieron y su apoyo.



TABLA DE CONTENIDO

Dedicatoria.......................................................................................................................... 2

Agradecimiento ............................................................................................................................ 3

Resumen ....................................................................................................................................... 6

Ingeniería del Proyecto ............................................................................................................... 6

1. Introducción ......................................................................................................................... 6

1.1 Usos de un Sistema OLAP: ......................................................................................... 6

1.2 Arquitectura y Funcionamiento de un CUBO: ........................................................ 7

1.2.1 Modelo del Negocio Dimensional: .................................................................... 16

1.2.2 Base de Datos: .................................................................................................... 16

1.2.3 Modelo Relacional ............................................................................................. 17

1.2.4 Interfaz con el Usuario ...................................................................................... 17

1.2.5 Módulo de Explicación ...................................................................................... 18

1.2.6 Módulo de Adquisición ..................................................................................... 19

1.3 Ventajas e Inconvenientes de un CUBO : ............................................................... 19

1.4 Lenguaje de Programación Usado :Transact-SQL ................................................ 20

1.4.1 Introducción Transact-SQL: ............................................................................ 20

1.4.2 Características de Transact-SQL: ................................................................... 20

2. Nombre del Cubo

2.1 Planteamiento y Diseño: ........................................................................................... 21

2.2 Implementación: ........................................................................................................ 21

3. Ejecución ............................................................................................................................ 22



TABLA DE IMÁGENES

Figura N° 1: Relational OLAP(ROLAP) .......................................................................................... 9

Figura N° 2: Hybrid OLAP (HOLAP) ............................................................................................. 11

Figura N° 3: Modelo estrella ...................................................................................................... 12

Figura N° 5: base de datos .......................................................................................................... 16

Figura N° 7: Numero de ventas por usuario ............................................................................. 21

Figura N° 8: Numero de ventas por sucursal ........................................................................... 22

Figura N° 9: Categorías más vendidas ........................................................................................ 22

Figura N° 10: Clientes con más compras .................................................................................. 23

Figura N° 11: Medicamentos más vendidos ............................................................................. 23



Resumen

En el siguiente proyecto se implementara una base de datos utilizando el sistema OLAP

(cubos) para una farmacia donde se requiere el reporte de ventas de medicamentos de

acuerdo a las estaciones, para así poder establecer que tipos de medicamentos son los

más vendidos.

Palabras Clave

OLAP, business intelligence, diseño.

Ingeniería del Proyecto

1. Introducción

Con el paso de los años y el avance de las tecnologías informáticas al servicio de las

empresas, que han logrado convertirse en la solución adecuada para la realización de

negocios inteligentes, la herramienta OLAP ha dado lugar al nacimiento de diversos

sistemas basados en su arquitectura que pueden ofrecer respuestas a las necesidades de

las distintas compañías.

Los sistemas OLAP son una de las herramientas más utilizadas en el campo de las

soluciones Business Intelligence, ya que brinda la posibilidad de disponer de una base de

datos multidimensional que permite llevar a cabo el procesamiento analítico de la

información de manera online.

1.1 Usos de un Sistema OLAP:

Es una solución utilizada en el campo de la llamada Inteligencia empresarial (o

Business Intelligence) cuyo objetivo es agilizar la consulta de grandes

cantidades de datos. Para ello utiliza estructuras multidimensionales (o Cubos

OLAP) que contienen datos resumidos de grandes Bases de datos o Sistemas

Transaccionales (OLTP).

http://www.informatica-hoy.com.ar/informatica-tecnologia-empresas/Business-Intelligence-Solucionar-problemas-con-informacion.php



Se usa en informes de negocios de ventas, marketing, informes de dirección,

minería de datos y áreas similares.

La razón de usar OLAP para las consultas es la rapidez de respuesta. Una base

de datos relacional almacena entidades en tablas discretas si han sido

normalizadas. Esta estructura es buena en un sistema OLTP pero para las

complejas consultas multitabla es relativamente lenta. Un modelo mejor para

búsquedas (aunque peor desde el punto de vista operativo) es una base de datos

multidimensional.

La principal característica que potencia a OLAP, es que es lo más rápido a la

hora de ejecutar sentencias SQL de tipo SELECT, en contraposición con OLTP

que es la mejor opción para operaciones de tipo INSERT, UPDATE Y

DELETE.

Brinda la posibilidad de disponer de una base de datos multidimensional que permite

llevar a cabo el procesamiento analítico de la información de manera online.

La herramienta OLAP ha dado lugar al nacimiento de diversos sistemas basados

en su arquitectura que pueden ofrecer respuestas a las necesidades de las

distintas compañías.

1.2 Arquitectura y Funcionamiento de un CUBO:

Arquitectura:

La herramienta OLAP ha dado lugar al nacimiento de diversos sistemas basados

en su arquitectura que pueden ofrecer respuestas a las necesidades de las

distintas compañías.

OLAP presenta la siguiente arquitectura:

Relational OLAP (ROLAP):



Este tipo de plataforma almacena los datos en una base de datos relacional, lo

que implica que no es necesario que los datos se repliquen en un

almacenamiento separado para el análisis (veremos que en la mayoría de los

casos es preferible esta diferenciación). Los cálculos se realizan en una base de

datos relacional, con grandes volúmenes de datos y tiempos de navegación no

predecibles. Parte de la premisa que las capacidades OLAP se desarrollan mejor

contra este tipo de bases de datos.

El sistema ROLAP utiliza una arquitectura de tres niveles. La base de datos

relacional maneja los requerimientos de almacenamiento de datos, y el motor

ROLAP proporciona la funcionalidad analítica.

El nivel de base de datos usa bases de datos relacionales para el manejo,

acceso y obtención del dato.

El nivel de aplicación es el motor que ejecuta las consultas

multidimensionales de los usuarios.

El motor ROLAP se integra con niveles de presentación, a través de los

cuales los usuarios realizan los análisis OLAP.

https://churriwifi.files.wordpress.com/2009/11/rolap1.jpg



Figura N° 1: Relational OLAP(ROLAP)

Los usuarios finales ejecutan sus análisis multidimensionales, a través del motor

ROLAP, que transforma dinámicamente sus consultas a consultas SQL. Se

ejecutan estas consultas SQL en las bases de datos relacionales, y sus resultados

se relacionan mediante tablas cruzadas y conjuntos multidimensionales para

devolver los resultados a los usuarios.

La arquitectura ROLAP es capaz de usar datos precalculados si estos están

disponibles, o de generar dinámicamente los resultados desde los datos

elementales si es preciso. Esta arquitectura accede directamente a los datos del

Data Warehouse, y soporta técnicas de optimización de accesos para acelerar las

consultas. Estas optimizaciones son, entre otras, particionado de los datos a nivel

de aplicación, soporte a la desnormalización y joins múltiples.

Algunos fabricantes son: Oracle’s BI EE, SAP Netweaver BI, MicroStrategy,

Cognos 8, BusinessObjects Web Intelligence.

Multidimensional OLAP (MOLAP):

Los datos son replicados en plataformas con un almacenamiento construido a

propósito que asegura mayor velocidad en los análisis. Los cálculos se llevan a

cabo en un servidor con una base de datos multidimensional, partiendo de la

premisa que un sistema OLAP estará mejor implantado almacenando los datos

multidimensionalmente.

El sistema MOLAP utiliza una arquitectura de dos niveles: La bases de datos

multidimensionales y el motor analítico.

La base de datos multidimensional es la encargada del manejo, acceso y

obtención del dato.

El nivel de aplicación es el responsable de la ejecución de los

requerimientos OLAP. El nivel de presentación se integra con el de



aplicación y proporciona un interfaz a través del cual los usuarios finales

visualizan los análisis OLAP. Una arquitectura cliente/servidor permite a

varios usuarios acceder a la misma base de datos multidimensional.

La información procedente de los sistemas operacionales, se carga en el sistema

MOLAP, mediante una serie de rutinas batch. Una vez cargado el dato elemental

en la Base de Datos multidimensional (MDDB), se realizan una serie de cálculos

en batch, para calcular los datos agregados, a través de las dimensiones de

negocio, rellenando la estructura MDDB. Tras rellenar esta estructura, se

generan unos índices y algoritmos de tablas hash para mejorar los tiempos de

accesos a las consultas.

Una vez que el proceso de compilación se ha acabado, la MDDB está lista para

su uso. Los usuarios solicitan informes a través del interface, y la lógica de

aplicación de la MDDB obtiene el dato. La arquitectura MOLAP requiere unos

cálculos intensivos de compilación. Lee de datos precompilados, y tiene

capacidades limitadas de crear agregaciones dinámicamente o de hallar ratios

que no se hayan precalculados y almacenados previamente.

Algunos fabricantes son: Oracle’s Hyperion Essbase, Microsoft Analysis

Services, TM1, SAS OLAP, Cognos PowerCubes.

Hybrid OLAP (HOLAP):

Plataformas que usan una combinación de varias técnicas de almacenamiento.

Las agregaciones se realizan en cache, pero el drill-down a traves de la base de

datos relacional. Algunos fabricantes son: Microsoft Analysis Services, SAS

OLAP, Oracle’s Hyperion Essbase.



Figura N° 2: Hybrid OLAP (HOLAP)

En un cubo OLAP contamos con 2 formas de hacer el diseño de las dimensiones,

pero al final darán resultados satisfactorios. La primera, es un modelo de diseño

llamado “modelo estrella”, el cual consta de dimensiones bien definidas, y es

muy aplicable al mundo de las ventas. El segundo lleva el nombre de “modelo

copo de nieve”, el cual es totalmente igual al modelo estrella, la diferencia es

que este mantiene las relaciones existentes entre las tablas de la base de datos. Es

decir, al final en teoría se convierte en un modelo estrella, porque sigue siendo

una sola tabla la que contiene las medidas, pero las dimensiones mantienen sus

relaciones con las demás tablas, lo que hace que tenga la forma en que se

observe sea distinta a una estrella.

Modelo estrella:

Como se muestra en la imagen. Las dimensiones básicas de este diseño son

tiempo, producto, cliente, y la tabla ventas vendría a ser los hechos que se

realizan en la empresa, es la que nos proporcionará las medidas.



Figura N° 3: Modelo estrella

Consiste en estructurar la información en procesos, vistas y métricas (recordando

a una estrella). Es decir, tendremos una visión multidimensional de un proceso

que medimos a través de unas métricas. A nivel de diseño, consiste en una tabla

de hechos en el centro para el hecho objeto de análisis y una o varias tablas de

dimensión por cada dimensión de análisis que participa de la descripción de ese

hecho. En la tabla de hecho encontramos los atributos destinados a medir el

hecho: sus métricas. Mientras, en las tablas de dimensión, los atributos se

destinan a elementos de nivel y a atributos de dimensión. En el esquema en

estrella la tabla de hechos es la única tabla del esquema que tiene múltiples joins

que la conectan con otras tablas. El resto de tablas del esquema únicamente

hacen join con esta tabla de hechos.



- Modelo Copo de Nieve:

El esquema en copo de nieve es un esquema de representación derivado del

esquema en estrella, en el que las tablas de dimensión se normalizan en

múltiples tablas. Por esta razón, la tabla de hechos deja de ser la única tabla del

esquema que se relaciona con otras tablas, y aparecen nuevas joins gracias a que

las dimensiones de análisis se representan ahora en tablas de dimensión

normalizadas. En la estructura dimensional normalizada, la tabla que representa

el nivel base de la dimensión es la que hace join directamente con la tabla de

hechos. La diferencia entre ambos esquemas reside entonces en la estructura de

las tablas de dimensión. Para conseguir un esquema en copo de nieve se ha de

tomar un esquema en estrella y conservar la tabla de hechos, centrándose

únicamente en el modelado de las tablas de dimensión, que si bien en el esquema

en estrella se encontraban totalmente desnormalizadas, ahora se dividen en

subtablas tras un proceso de normalización. Es posible distinguir dos tipos de

esquemas en copo de nieve, un "copo de nieve" completo (en el que todas las

tablas de dimensión en el esquema en estrella aparecen ahora normalizadas en el

copo de nieve) o un "copo de nieve" parcial (sólo se lleva a cabo la

normalización de algunas de ellas)

Figura N° 4: Modelo copo de nieve



Funcionalidad:

Las herramientas OLAP proporcionan a las compañías un sistema confiable para

procesar datos que luego serán utilizados para llevar a cabo análisis e informes

que permitan mejorar las operaciones productivas, tomar decisiones inteligentes

y optimizar la competitividad en el mercado.

Para funcionar, las aplicaciones OLAP utilizan un tipo de base de datos que

posee la peculiaridad de ser multidimensional, denominada comúnmente Cubo

OLAP.

Básicamente, el Cubo OLAP, es una base de datos que posee diversas

dimensiones, ampliando las posibilidades que hasta el momento ofrecían las

conocidas hojas de cálculo.

Mediante la incorporación de estos vectores o cubos, se han ampliado las

posibilidades de las bases de datos relacionales, permitiendo el procesamiento de

importantes volúmenes de información, que de lo contrario sería imposible

realizar.

Cada una de las dimensiones que posee la base de datos incorpora un campo

determinado para un tipo de dato específico, que luego podrá ser comparado con

la información contenida en el resto de dimensiones, para hacer posible la

evaluación y posteriores informes de la información realmente relevante para

una compañía.

Una base de datos multidimensional puede contener varios cubos o vectores que

extenderán las posibilidades del sistema OLAP con el cual se trabaja. Por ello, si

bien en general los sistemas OLAP suelen estar compuestos por tres

dimensiones, lo cierto es que existe la posibilidad de que el sistema OLAP

albergue más de tres dimensiones mediante la utilización de estos Cubos OLAP.

http://www.ecured.cu/index.php?title=Compa%C3%B1%C3%ADas&action=edit&redlink=1

http://www.ecured.cu/index.php?title=Operaciones&action=edit&redlink=1

http://www.ecured.cu/index.php/Optimizaci%C3%B3n_de_funciones

http://www.ecured.cu/index.php?title=Dimensiones&action=edit&redlink=1

http://www.ecured.cu/index.php/Vector

http://www.ecured.cu/index.php/Procesamiento_por_lotes

http://www.ecured.cu/index.php/Datos

http://www.ecured.cu/index.php/Evaluaci%C3%B3n_del_riesgo

http://www.ecured.cu/index.php/Sistemas



Para tener una idea más simple de la función de los Cubos OLAP dentro de una

base de datos multidimensional, cabe destacar que cada una de las dimensiones o

escalas del cubo corresponde básicamente a una jerarquía de datos.

En la base de cualquier sistema OLAP se encuentra el concepto de cubo OLAP

(también llamado cubo multidimensional o hipercubo). Se compone de hechos

numéricos llamados medidas que se clasifican por dimensiones. El cubo de

metadatos es típicamente creado a partir de un esquema en estrella o copo de

nieve, esquema de las tablas en una base de datos relacional. Las medidas se

obtienen de los registros de una tabla de hechos y las dimensiones se derivan de

la dimensión de los cuadros.

La funcionalidad de los sistemas OLAP se caracteriza por ser un análisis

multidimensional de datos corporativos, que soportan los análisis del usuario y

unas posibilidades de navegación, seleccionando la información a obtener.

Normalmente este tipo de selecciones se ve reflejada en la visualización de la

estructura multidimensional, en unos campos de selección que nos permitan

elegir el nivel de agregación (jerarquía) de la dimensión, y/o la elección de un

dato en concreto, la visualización de los atributos del sujeto, frente a una(s)

dimensiones en modo tabla, pudiendo con ello realizar, entre otras las siguientes

acciones:

Rotar (Swap): alterar las filas por columnas (permutar dos dimensiones

de análisis)

Bajar (Down): bajar el nivel de visualización en las filas a una jerarquía

inferior.

Detallar (Drilldown): informar para una fila en concreto, de datos a un

nivel inferior.

Expandir (Expand): id. anterior sin perder la información a nivel

superior para éste y el resto de los valores.

Colapsar (Collapse): operación inversa de la anterior.

http://www.ecured.cu/index.php/Escalas

http://www.ecured.cu/index.php/Jerarqu%C3%ADa



1.2.1 Modelo del Negocio Dimensional:

Es el modo óptimo de organizar los datos en los sistemas de

Business Intelligence, y puede hacerse mediante bases de datos

relacionales (ROLAP), o utilizando bases de datos

multidimensionales (MOLAP).

1.2.2 Base de Datos:

Una base de datos es un “almacén” que nos permite guardar grandes

cantidades de información de forma organizada para que luego

podamos encontrar y utilizar fácilmente.

Desde el punto de vista informático, la base de datos es un sistema

formado por un conjunto de datos almacenados en discos que

permiten el acceso directo a ellos y un conjunto de programas que

manipulen ese conjunto de datos.

Figura N° 5: base de datos



1.2.3 Modelo Relacional

Este modelo está basado en el concepto de relación. Una relación es

un conjunto de n-tuplas. Una tupla, al contrario que un segmento,

puede representar tanto entidades como interrelaciones N:M. Los

lenguajes matemáticos sobre los que se asienta el modelo relacional,

aportan un sistema de acceso y consultas orientado al conjunto.

Implementación OLAP que almacena los datos en un motor

relacional. Típicamente, los datos son detallados, evitando las

agregaciones y las tablas se encuentran desnormalizadas Los

esquemas más comunes sobre los que se trabaja son estrella o copo

de nieve, aunque es posible trabajar sobre cualquier base de datos

relacional.

1.2.4 Interfaz con el Usuario

La interfaz de usuario es el medio con que el usuario puede

comunicarse con una máquina, un equipo o una computadora, y

comprende todos los puntos de contacto entre el usuario y el equipo.

Normalmente suelen ser fáciles de entender y fáciles de accionar.

El interfaz de usuario permite que el usuario pueda describir el

problema al sistema. Interpreta sus preguntas, los comandos y la

información ofrecida. A la inversa, formula la información generada

por el sistema incluyendo respuestas a las preguntas, explicaciones y

justificaciones. Es decir, posibilita que la respuesta proporcionada

por el sistema sea inteligible para el interesado. También puede

solicitar más información si le es necesaria al sistema experto. En

algunos sistemas se utilizan técnicas de tratamiento del lenguaje



natural para mejorar la comunicación entre el usuario y el sistema

experto.

1.2.5 Módulo de Explicación

La mayoría de los sistemas OLAP contienen un módulo de

explicación, diseñado para aclarar al usuario la línea de

razonamiento seguida en el proceso de inferencia. Si el usuario

pregunta al sistema cómo ha alcanzado una conclusión, éste le

presentará la secuencia completa de reglas usada.

Esta posibilidad de explicación es especialmente valiosa cuando se

tiene la necesidad de tomar decisiones importantes amparándose en

el consejo del sistema experto

Gracias a la estructura aportada por los cubos OLAP el acceso a la

información es prácticamente instantáneo.

Figura N° 6:Modulo de explicación



1.2.6 Módulo de Adquisición

El módulo de adquisición del conocimiento permite que se puedan

añadir, eliminar o modificar elementos de conocimiento (en la

mayoría de los casos reglas) en el sistema OLAP.

Si el entorno es dinámico es muy necesario, puesto que, el sistema

funcionará correctamente sólo si se mantiene actualizado su

conocimiento. El módulo de adquisición permite efectuar ese

mantenimiento, anotando en la base de conocimientos los cambios

que se producen.

1.3 Ventajas e Inconvenientes de un CUBO :

Ventajas

Escalable

Gran variedad de herramientas de carga de datos.

Posibilidad de ajustar ETL

Presenta mejoras en los operadores CUBE y ROLLUP.

A pesar de las grandes ventajas que presenta este tipo de base de datos

multidimensional que incluye Cubos OLAP, la cual permite obtener mayor

rapidez en las consultas y en el procesamiento de la información, lo cierto es que

su gran falla reside en la imposibilidad de realizar cambios en su estructura.

Inconvenientes

Sin tablas agregadas el tiempo de una consulta se ve afectado

directamente.



Si se genera demasiadas tablas agregadas también afectan el

rendimiento de las consultas y el tiempo de respuesta.

No permite el indexado jerárquico especial.

No son apropiados cuando el modelado realiza muchos cómputos que

no se traducen bien en SQL.

1.4 Lenguaje de Programación Usado :Transact-SQL

1.4.1 Introducción Transact-SQL:

Es un lenguaje muy potente que nos permite definir casi cualquier tarea

que queramos efectuar sobre la base de datos; incluye características

propias de cualquier lenguaje de programación, características que nos

permiten definir la lógica necesaria para el tratamiento de la información

1.4.2 Características de Transact-SQL:

El lenguaje SQL se creó con la finalidad de ser un lenguaje muy potente

y a la vez muy fácil de utilizar, se ha conseguido en gran medida ya que

con una sola frase (instrucción) podemos recuperar datos complejos (por

ejemplo datos que se encuentran en varias tablas, combinándolos,

calculando resúmenes), y utilizando un lenguaje muy cercano al lenguaje

hablado (¡suponiendo que hablamos inglés, claro!).

Por ejemplo: SELECT código, nombre FROM Clientes WHERE

localidad=’Valencia’; Esta instrucción nos permite SELECCIONAR el

código y nombre DE los Clientes CUYA localidad sea Valencia.



2. Nombre del cubo: Farmacia Infofarma

2.1 Planteamiento y Diseño:

Queremos realizar una aplicación para establecer un régimen de consulta

generado por reportes estacionales (durante el año) de los consumos de

medicamentos (según pacientes), para establecer su reposición de mercadería.

Para realizar el diseño de esta aplicación hemos usado la estrategia del copo de

nieve.

2.2 Implementación:

3. Ejecución:

Figura N° 7: Numero de ventas por usuario



Figura N° 8: Numero de ventas por sucursal

Figura N° 9: Categorías más vendidas



Figura N° 10: Clientes con más compras

Figura N° 11: Medicamentos más vendidos



Bibliografía Albal, P. (06 de Marzo de 2013). sistemas de gestion. Obtenido de

http://www.sistemasdegestion.com/blog/index.php/business-intelligence-por-que-y-

para-que/

Baku. (06 de Abril de 2013). blogspot. Obtenido de http://modelodimensional.blogspot.pe/

Escamilla, V. (01 de Octubre de 2012). Slideshare. Obtenido de

http://es.slideshare.net/jjgramp/descripcin-de-cubos-olap?related=2

Marquez, J. J. (26 de noviembre de 2014). Redcientifica. Obtenido de

http://www.redcientifica.com/doc/doc199908210001.html

cubo multidimensional aplicado para el analisis de reportes estacionales de los consumos de...

Documents