| Diseño y uso de bases de datos analíticas | Código: 22.510 : 6 |
Desde hace unos años, la toma de decisiones basada en los datos está tomando cada vez más fuerza dentro del mundo empresarial, ya que ha quedado demostrado que estas decisiones permiten a las organizaciones ser más eficientes. No obstante, para poder utilizar los datos y convertirlos en información de interés, uno de los puntos más importantes es que estos estén correctamente tratados y almacenados teniendo en cuenta el amplio abanico de soportes de almacenamiento que existen actualmente. Hoy en día podemos encontrar los datos en sistemas de ficheros, directamente en formatos de audio, vídeo y texto, así como en bases de datos no-SQL. Sin embargo, el modelo de almacenamiento de datos estructurado sigue siendo sin duda líder en el mercado de soluciones analíticas.
Dentro de los sistemas de almacenamiento estructurado o SQL, podemos encontrar las siguientes bases de datos:
- Las bases de datos operacionales, que han sido concebidas para dar respuesta al día a día de las empresas y organizaciones. El problema es que estas bases de datos no son óptimas para el análisis de datos, como por ejemplo la extracción de conocimiento o la toma de decisiones.
- Las bases de datos analíticas ofrecen respuesta a necesidades que van más allá de la operativa de las organizaciones y empresas. Se nutren principalmente de las bases de datos operacionales y de diversidad de fuentes de datos, disponibles en múltiples formatos. Dada la gran variedad de fuentes y formatos de presentación de datos, recopilar los datos provenientes de todas estas fuentes en uno o más almacenes de datos para garantizar respuesta inmediata a diversidad de consultas, implica disponer de un contexto que permita extraer, transformar y recopilar dicha información llevando a cabo una serie de procesos. Este es uno de los grandes retos a los que se enfrentan las empresas y organizaciones del siglo XXI.
Las bases de datos analíticas son las que estudiaremos en esta asignatura. El almacén de datos o data warehouse (DW) es el soporte sobre el que se disponen los datos y a partir del cual se da respuesta a las consultas formuladas. Éste, a su vez, se convierte en la pieza central de un contexto más amplio, llamado Factoría de la Información Corporativa (FIC). La FIC y el DW son hoy en día el centro de atención de las grandes Instituciones para proporcionar un mejor conocimiento de la propia organización y de sus clientes/usuarios.
El objetivo de esta asignatura es aprender a diseñar un DW y crear la FIC, con todos sus componentes, con el fin de obtener una implementación que pueda dar rápida respuesta a las consultas formuladas con finalidad analítica. Además de aprender sobre almacenes de datos, estructuras multidimensionales y procesos de transformación, se aprenderá a gestionar datos y metadatos, a administrar un sistema de data warehouse y los diferentes enfoques que existen para crear la FIC. Dado el carácter eminentemente práctico de la asignatura, el aprendizaje se realizará básicamente a través de la resolución de un proyecto de data warehousing.
Diseño y uso de bases de datos analíticas es una asignatura obligatoria en el Grado en Ciencia de Datos Aplicada que forma parte del conjunto de asignaturas de la materia de bases de datos.
Dentro del plan de estudios del grado en Ciencia de datos la asignatura precedente es "Bases de datos para data warehousing", la cual introduce al estudiantado en el diseño de las bases de datos y el uso del lenguaje estructurado de consultas SQL. Partiendo de esta base, en "Diseño y uso de bases de datos analíticas" se presenta el modelo multidimensional de datos y su explotación desde diferentes dimensiones. Posteriormente a "Diseño y uso de bases de datos analíticas" hay que cursar la asignatura "Bases de datos no relacionales" para conocer otro tipo de bases de datos no basadas en SQL. Y opcionalmente, para completar la formación en materia, puede escogerse "Optimización de bases de datos para entornos analíticos".
Los conocimientos adquiridos en esta asignatura serán de utilidad para perfiles técnicos, tales como arquitectos, ingenieros y científicos de datos, administradores de bases de datos o consultores de business intelligence. Es decir, profesionales responsables de la construcción de la arquitectura de un sistema de análisis de datos o inteligencia de negocio, que, a su vez, se encarguen, entre otros, del diseño de la estructura de datos y los procesos ETL (Extract, Transform and Load), los cuales permiten convertir los datos en información que pueda ser explotada con diferentes herramientas de reporting, análisis y cuadros de mando, entre otras visualizaciones posibles.
Es conveniente disponer de ciertos conocimientos de SQL y diseño de bases de datos relacionales o en su defecto haber cursado la asignatura "Bases de datos para data warehousing" en el caso del Grado en Ciencia de Datos.
Además, es necesario cierto conocimiento de la lengua inglesa para comprender documentación técnica de los productos instalados y/o información de referencia disponible en la red.
La información que los estudiantes deben conocer antes de matricularse es:
Es una asignatura práctica.
Su modelo de evaluación es EC y la PR es la actividad de evaluación fundamental del curso. Es obligatoria y requiere una calificación mínima para aprobar.
Hay también otras actividades de EC.
Se dispone de un entorno de prácticas configurado para la realización de la práctica y soporte a dicho entorno.
Ver conocimientos previos en el apartado anterior.
Las principales competencias que el estudiantado debe adquirir son las siguientes:
Dado un problema de ciencia de datos, saber diseñar e implementar un almacén de datos orientado a procesos analíticos, eligiendo la mejor infraestructura que soporte el sistema y saberlo administrar.
Ser capaz de poblar los almacenes de datos a partir de distintas fuentes de información mediante la creación y ejecución de procesos ETL.
Conocer y adquirir destreza en la utilización de diferentes tipos de aplicaciones y herramientas (EIS, OLAP) para una óptima explotación del almacén de datos.
Ser capaz de llegar a conclusiones importantes como consecuencia del análisis de resultados obtenido de la explotación de datos.
Estas competencias se relacionan con las siguientes competencias específicas (CE):
CE3- Definir, evaluar y seleccionar soluciones tecnológicas, así como recursos (espaciales, temporales) necesarios para el desarrollo y ejecución de proyectos, teniendo en cuenta las alternativas disponibles, las condiciones de mercado y las normativas vigentes.
CE8- Identificar y combinar datos de diferentes fuentes y formatos en diferentes gestores de bases de datos para obtener un almacenamiento de datos eficiente en cada contexto de aplicación.
CE9- Aplicar técnicas específicas de captura, tratamiento y análisis de datos estructurados, semi-estructurados y no estructurados.
os contenidos principales de la parte teórica de la asignatura se recogen en los módulos didácticos que se detallan a continuación:
- Introducción a las bases de datos analíticas. Introduce los almacenes de datos o data warehouse (DW) en comparación con las bases de datos relacionales. Los sitúa en el centro de la factoría de la información corporativa (FIC), junto a los demás componentes que la forman (almacén de datos departamental, corporativo, operacional, el componente de integración y transformación de datos, las estructuras multidimensionales y los metadatos), de forma que se pueda tener una primera vista de la arquitectura lógica de las bases de datos analíticas. También resalta, en este contexto, la importancia de los datos, de su gestión y de su correcta explotación, así como la administración del sistema de data warehouse. Presenta también las tendencias actuales.
- La construcción de la factoría de la información corporativa. Se definen las distintas estrategias de construcción de un sistema de data warehouse, los pasos a seguir para la construcción de los almacenes de datos y el componente de transformación e integración de la FIC. Asimismo, se presentan los perfiles que intervienen en el desarrollo y gestión de la FIC.
- Diseño multidimensional y explotación de datos. Tras una introducción a las necesidades de los analistas de datos y las herramientas OLAP, se presenta el modelo multidimensional. Se explica cómo construir un modelo multidimensional, cada una de las etapas del proceso de diseño (conceptual, lógico y físico) para conseguir una implementación del cubo en un sistema relacional. También se describen algunas operaciones propias del modelo multidimensional que pueden ser ejecutadas en SQL estándar. Finalmente, se aborda la explotación de los datos, desde la necesidad de una adecuada presentación de estos, pasando por los distintos formatos de presentación y las herramientas de apoyo.
Los contenidos complementarios de la parte teórica de la asignatura se recogen en los siguientes módulos didácticos:
Los datos en la factoría de la información corporativa. En este módulo se abordan cuestiones como la calidad de los datos, la gestión de los datos maestros, gestión de los metadatos y el gobierno del dato. También se tratan los aspectos relacionados con la legalidad y la ética en el tratamiento de dato.
Administración de la FIC. Una vez construido el data warehouse y la FIC, hay que explotarlo y mantenerlo, de aquí la importancia de la administración de sistemas de datawarehousing. Se presenta el ciclo de vida del data warehouse, desde las primeras etapas de planificación y diseño; pasando por su puesta en marcha y crecimiento; llegando hasta las fases de monitorización, mantenimiento y optimización. También se presentan las figuras concretas encargadas de llevar a cabo conjuntos de tareas especializadas, que las organizaciones deben contemplar para asegurar el buen funcionamiento del sistema.
Para reforzar los contenidos estudiados en los módulos didácticos y conseguir que sean más fácilmente aplicables a la práctica, se ofrece al estudiantado un material teórico-práctico basado en un caso concreto. Su objetivo es acercar la teoría a la práctica y por eso se plantean una serie de retos que, a medida que se van logrando, permiten destacar la aplicación de los conceptos teóricos más importantes estudiados en el caso de estudio en cuestión; hecho que facilita la comprensión del proceso de creación del modelo multidimensional y su posterior explotación de datos.
| Espacio de recursos de ciencia de datos | Web |
| Pasos comunes de transformación de datos con Spoon | Audiovisual |
| Pasos de acceso a bases de datos con PDI | Audiovisual |
| Procesar una dimensión con Visual Studio | Audiovisual |
| Creación de conexión a una base de datos con Spoon | Audiovisual |
| Paso de transformación con Spoon: lectura de un fichero externo (Excel) | Audiovisual |
| Creación de Jobs con Spoon | Audiovisual |
| Creación de un cubo OLAP con Visual Studio | Audiovisual |
| Caso de uso. Actividad volcánica mundial. Reto 2. La arquitectura de la FIC, importa y mucho |
A parte de los módulos didácticos previamente mencionados, la asignatura dispone de material teórico-práctico que facilita el estudio de los módulos didácticos y la puesta en práctica de los conocimientos mediante la resolución de una serie de retos relativos al caso práctico dado.
También se dispone de materiales de muestra de cursos anteriores (caso práctico completo de muestra) recursos de soporte (documentos y vídeos) que se publican junto a las actividades de evaluación del curso. El caso práctico de ejemplo no se debe interpretar como un tutorial o guía paso a paso para realizar la PR, se facilita únicamente a modo de ejemplo.
Destacamos por su importancia 2 documentos que hay que leer con atención para el correcto desarrollo de las prácticas:
DW_Entorno_Virtual_VDI.pdf: como guía de configuración y conexión.
Importar_base_de_datos_como_crear_Vistas_y_Cubos.pdf: con indicaciones sobre cómo proceder en la creación de cubos.
Estos materiales se pueden encontrar en el apartado Recursos de Aprendizaje de cada actividad que los requiere (PEC1 y PR3).
Así mismo, dado el carácter práctico de la asignatura se proporciona un entorno de prácticas previamente configurado para la realización de las actividades prácticas del curso. Este entorno virtual es de uso únicamente docente.
En la parte servidor:
Sistema operativo: Windows Server 2016
Base de datos: Windows SQL Server 2016 (SGBD + SQL Server Analysis
Services + SQL Server Reporting Services)
Y en la parte cliente:
SQL Server Management Studio 2017
Visual Studio 2017
SQL Server Data Tools
Power BI Desktop
Pentaho Data Integration v.9.2
Y para ofrecer soporte técnico en este entorno y resolver las incidencias que puedan suceder con el uso del entorno VDI o del software instalado, dispondréis de un profesor/a en el aula de laboratorio, M2.884.
Laboratorio de soporte al entorno VDI. Dado que esta aula será diferente del aula de teoría, deberéis consultar frecuentemente las dos aulas.
En la UOC, la evaluación generalmente es virtual. Se estructura en torno a la evaluación continua, que incluye diferentes actividades o retos; la evaluación final, que se lleva a cabo mediante pruebas o exámenes, y el trabajo final de la titulación.
Las actividades o pruebas de evaluación pueden ser escritas y/o audiovisuales, con preguntas aleatorias, pruebas orales síncronas o asíncronas, etc., de acuerdo con lo que decida cada equipo docente. Los trabajos finales representan el cierre de un proceso formativo que implica la realización de un trabajo original y tutorizado que tiene como objetivo demostrar la adquisición competencial hecha a lo largo del programa.
Para verificar la identidad del estudiante y la autoría de las pruebas de evaluación, la UOC se reserva la potestad de aplicar diferentes sistemas de reconocimiento de la identidad y de detección del plagio. Con este objetivo, la UOC puede llevar a cabo grabación audiovisual o usar métodos o técnicas de supervisión durante la ejecución de cualquier actividad académica.
Asimismo, la UOC puede exigir al estudiante el uso de dispositivos electrónicos (micrófonos, cámaras u otras herramientas) o software específico durante la evaluación. Es responsabilidad del estudiante asegurar que estos dispositivos funcionan correctamente.
El proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de las actividades académicas. La web sobre integridad académica y plagio de la UOC contiene información al respecto.
La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; la suplantación de identidad; la aceptación o la obtención de cualquier actividad académica a cambio o no de una contraprestación; la colaboración, el encubrimiento o el favorecimiento de la copia, o el uso de material, software o dispositivos no autorizados en el plan docente o el enunciado de la actividad académica, incluida la inteligencia artificial y la traducción automática, entre otras, son conductas irregulares en la evaluación que pueden tener consecuencias académicas y disciplinarias graves.
Estas conductas irregulares pueden conllevar el suspenso (D/0) en las actividades evaluables definidas en el plan docente -incluidas las pruebas finales- o en la calificación final de la asignatura, ya sea porque se han utilizado materiales, software o dispositivos no autorizados durante las pruebas (como el uso de inteligencia artificial no permitida, redes sociales o buscadores de información en internet), porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas de otros estudiantes, etc.) sin la citación correspondiente, por la compraventa de actividades académicas, o porque se ha llevado a cabo cualquier otra conducta irregular.
Asimismo, y de acuerdo con la normativa académica, las conductas irregulares en la evaluación también pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda, de conformidad con lo establecido en la normativa de convivencia de la UOC.
En el marco del proceso de evaluación, la UOC se reserva la potestad de:
- Solicitar al estudiante que acredite su identidad según lo establecido en la normativa académica.
- Solicitar al estudiante que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación, tanto en la evaluación continua como en la evaluación final, a través de una entrevista oral síncrona, que puede ser objeto de grabación audiovisual, o por los medios establecidos por la UOC. Estos medios tienen el objetivo de verificar los conocimientos y las competencias que garanticen la identidad del estudiante. Si no es posible garantizar que el estudiante es el autor de la prueba, esta puede ser calificada con una D, en el caso de la evaluación continua, o con un suspenso, en el caso de la evaluación final.
Inteligencia artificial en el marco de la evaluación
La UOC reconoce el valor y el potencial de la inteligencia artificial (IA) en el ámbito educativo y, a su vez, pone de manifiesto los riesgos que supone si no se utiliza de forma ética, crítica y responsable. En este sentido, en cada actividad de evaluación se informará al estudiantado sobre las herramientas y los recursos de IA que se pueden utilizar y en qué condiciones. Por su parte, el estudiantado se compromete a seguir las indicaciones de la UOC a la hora de realizar las actividades de evaluación y de citar las herramientas utilizadas y, concretamente, a identificar los textos o imágenes generados por sistemas de IA, los cuales no podrá presentar como si fueran propios.
Respecto a usar o no la IA para resolver una actividad, el enunciado de las actividades de evaluación indica las limitaciones en el uso de estas herramientas. Debe tenerse en cuenta que usarlas de manera inadecuada, como por ejemplo en actividades en las que no están permitidas o no citarlas en las actividades en las que sí lo están, puede considerarse una conducta irregular en la evaluación. En caso de duda, se recomienda que, antes entregar la actividad, se haga llegar una consulta al profesorado colaborador del aula.
|
La asignatura solo puede aprobarse con el seguimiento y la superación de la evaluación continua (EC). La calificación final de la asignatura es la nota obtenida en la EC. |