METODOLOGÍA HEFESTO

Identificar los requerimientos de los usuarios a través de preguntas.

Identificar cuáles serán los Indicadores y Perspectivas.

Finalmente se confeccionará un Modelo Conceptual en donde se podrá visualizar el resultado obtenido.

Ejemplo

Los requerimiento consta de dos Data Marts, deberá aplicarse la metodología dos veces, una por cada Data Mart.

Área de” Ventas” y” Compras”

Se deberá aplicar la metodología al área de Ventas y Compras de forma independiente.

1.1) PREGUNTAS DE NEGOCIO

Acopio de las necesidades de información

Área de” Ventas” y” Compras”

Características inherentes y específicas

Ejemplo

entrevistas, cuestionarios, observaciones, etc.

Guiar la investigación hacia un desarrollo

El objetivo principal de esta fase

Obtener e identificar las necesidades de información clave de alto nivel

Ejecutar las estrategias de la empresa

Desarrollar los pasos sucesivos

Asegurarse de un buen análisis

CASO PRÁCTICO

En las primeras entrevistas se indagó a los usuarios en busca de sus necesidades de información, pero las mismas abarcaban casi todas las actividades de la empresa, por lo cual se les pidió que escogieran el proceso que considerasen más importante en las actividades diarias de la misma y que estuviese soportado de alguna manera por algún Data Source.

El proceso elegido fue el de Ventas.

Cuáles es su criterio,

Indicadores más representativos del proceso de Ventas

Cuál es el análisis que se desea realizar

Las Preguntas de Negocio obtenidas fueron las siguiente

Unidades vendidas de cada producto a cada cliente en un tiempo determinado.

Monto total de ventas de cada producto a cada cliente en un tiempo determinado.

1.2) INDICADORES Y PERSPECTIVAS

Descubrir los Indicadores que se utilizarán y las Perspectivas de análisis que intervendrán.

INDICADORES

Son valores numéricos y representan lo que se desea analizar

PERSPEPTIVAS

Se refieren a las entidades mediante los cuales se quieren examinar los Indicadores, con el fin de responder a las preguntas planteadas.

EJEMPLO

Clientes, proveedores, sucursales, países, productos, rubros, etc.

1.3) MODELO CONCEPTUAL

Es una descripción de alto nivel de la estructura de la base de datos

Representada a través de

Objetos

Relaciones

Atributos.

REPRESENTACIÓN GRAFICA

IZQUIERDA

Se colocan las Perspectivas seleccionadas

ÓVALO CENTRAL

Representa y lleva el nombre de la Relación que existe entre ellas

DERECHA

Los Indicadores

CASO PRÁCTICO

Determina cómo serán calculados los Indicadores para establecer el mapeo.

Se definirán qué campos se incluirán en cada Perspectiva.

Se ampliará el modelo conceptual con la información obtenida en este paso

2.1) HECHOS E INDICADORES

Hecho/s que lo componen

Fórmula de cálculo

Hecho1 + Hecho2

Función de agregación

Se utiliza

SUM, AVG, COUNT, etc.

CASO PRÁCTICO

Indicador=

Unidades Vendidas

o Hechos: Unidades Vendidas

o Función de agregación: SUM

Monto Total de Ventas

o Hechos: (Unidades Vendidas) * (Precio de Venta)

o Función de agregación: SUM

2.2) MAPEO

Examina los Data Sources e identifica sus características propias

Los Data Sources disponibles contengan los datos requeridos.

CASO PRÁCTICO

En el Data Source de la empresa analizada, el proceso de venta .

Representado por

Diagrama de Entidad Relación

Cardinalidades

Claves

Atributos

Jerarquías de generalización

• La Perspectiva Productos

Se relaciona con tabla Productos

• La Perspectiva Clientes

Se relaciona con la tabla Clientes

Mapeo entre los dos Modelos

• La Perspectiva Tiempo

Se relaciona con el campo fecha de la tabla Facturas_Venta.

Campos posibles

Día de la semana

Quincena

Mes

Trimestre

Semestre

Año

2.3) GRANULARIDAD

Establecido el Mapeo con los Data Sources

Se deben seleccionar los campos

Contendrá

Perspectiva

Indicadores

2.4) MODELO CONCEPTUAL AMPLIADO

Gaficar los resultados obtenidos en los pasos anteriores

Se ampliará el Modelo Conceptual

Colocando debajo de cada Perspectiva los campos seleccionados

Debajo de cada Indicador su respectiva fórmula de cálculo.

CASO PRÁCTICO

Estructurado del DW, teniendo como base el Modelo Conceptual que ya ha sido creado.

Representación de una estructura de datos

3.1) TIPOLOGÍA

Mejor se adapte a los requerimientos y necesidades de los usuarios

Empleará

Esquema en Estrella

Esquema en Copo de Nieve

Esquema en Constelación

3.2) Tablas de Dimensiones

Proceso

Se elegirá un nombre que identifique la tabla de Dimensión

Se añadirá un campo que represente su clave principal

Se redefinirán los nombres de los campos

Gráficamente

Esquemas Copo de nieve

Cuando existan Jerarquías dentro de una tabla de Dimensión, esta tabla deberá ser normalizada

Ejemplo

Como referencia la siguiente tabla de Dimensión y su respectivas relaciones padre-hijo entre sus campos

Obtendrá

CASO PRÁCTICO

Perspectiva Clientes

Perspectiva Productos

Perspectiva Tiempo

3.3) Tablas de Hechos

Esquemas en Estrella y Copo de Nieve

Asignar un nombre a la tabla de Hechos que represente la información

Contiene

Área de investigación

Negocio enfocado

Definirá su clave primaria

Se crearán tantos campos de Hechos como Indicadores

Esquemas Constelación

Las tablas de Hechos se deben confeccionar teniendo en cuenta el análisis de las preguntas

Cada tabla de Hechos debe poseer un nombre que la identifique y su clave

Caso 1:

Entonces se obtendrá

CASO PRÁCTICO

3.4) Uniones

Para los tres tipos de Esquemas

Uniones correspondientes entre sus tablas de Dimensiones

Tablas de Hechos

CASO PRÁCTICO

El DWH coincide con las metas

necesita mejorar su eficiencia en la toma de decisiones

Cuenta con información detallada a tal fin

Procura una mayor ventaja competitiva

PRINCIPALES VENTAJAS E INCONVENIENTES

Soportará la estrategia de la empresa.

Permitirá a los usuarios tener una visión general del negocio

Transformará datos operativos en información analítica, enfocada a la toma de decisiones.

Se podrán generar reportes dinámicos, ya que actualmente son estáticos y no ofrecen ninguna facilidad de análisis.

Aportará a la mejora continua de la estructura de la empresa.

PROCESOS

VENTAS

o Minorista

Realiza a Los clientes particulares que se acercan hasta la empresa para adquirir los productos que requieren.

o Mayorista

Efectúan a los grandes clientes, ya sea por medio de comunicaciones telefónicas, o a través de visitas o reuniones.

COMPRAS

El departamento de Compras, al recibir del departamento de Depósito las necesidades de mercadería,
realiza una comparación de los productos ofrecidos

Facilitar el arduo trabajo para construir un Data Warehouse desde cero

Orientada a

Amortiguar el tedio que provoca seguir pasos sin comprender el porqué de su ejecución.

Fundamentada en una extensa investigación

Aporta experiencias propias en procesos de diseño e implementación de DW.

Los feedbacks que han aportado quienes han utilizado esta metodología en diversos países.

Se adapta muy bien a cualquier ciclo de vida de desarrollo de software.

Utiliza modelos conceptuales y lógicos

Son sencillos de interpretar y analizar.

Es independiente del software/hardware

facilidad y rapidez a los cambios del negocio.

Se aplica en Data Warehouse y en Data Mart.

Los objetivos y resultados esperados en cada fase

Culmina con una fase, obteniendo entrada de la fase siguiente.

Describir las características principales

Realizar un análisis que ayudará a conocer el funcionamiento y accionar la empresa

examinar e interpretar de forma óptima las necesidades

IDENTIFICACIÓN DE LA EMPRESA

Ambiente geográfico

Alcance nacional.

Su volumen de operaciones, se la puede considerar de tamaño mediano.

Desarrolla las actividades comerciales de mayorista y minorista de artículos de limpieza

OBJETIVOS

Maximizar sus ganancias

Expandirse a un nuevo nivel de mercado

Conseguir una mayor cantidad de clientes y posicionarse competitivamente por sobre sus rivales.

POLÍTICAS

Posee grandes pero pocos clientes

Gran poder adquisitivo

Satisface ampliamente las necesidades de sus clientes, brindándoles confianza

Conseguir una mejor posición respecto a sus competidores.

ESTRATEGIAS

Expandir el ámbito geográfico, creando varias sucursales en puntos estratégicos del país.

DATOS DEL ENTORNO ESPECÍFICO

Los clientes son bastantes variados y cubren un amplio margen

Sus proveedores, posee algunos rubros

Diversas opciones de las cuales puede elegir y comparar,

Cuenta con pocas alternativas.

Rivales a nivel de mayoreo, varios competidores

Una vez construido el Modelo Lógico

Proceder a poblarlo con datos

Utilizando

Técnicas de limpieza

Calidad de datos

Procesos ETL

4.1) Carga Inicial

Debemos en este paso realizar la Carga Inicial del DW

Llevar adelante una serie de tareas básicas

Carga de Dimensión dimClientes

Carga de Dimensión dimProductos

Carga de Dimensión dimFechas

Carga de Tabla de Hechos factVentas

CASO PRÁCTICO

4.2) Actualización

Establecer las políticas y estrategias de actualización periódica.

Siguientes acciones

Determinar el proceso de limpieza de datos

Detalladar las acciones que deberá realizar cada Software

CASO PRÁCTICO

• La información se refrescará: todos los días a las 00:00hs.

• Los datos de las tablas de Dimensiones dimProductos y dimClientes serán cargados siempre en su totalidad.

• Los datos de la tabla de Dimensión dimFechas se cargarán de forma incremental teniendo en cuenta la fecha de la última actualización

• Los datos de la tabla de Hechos factVentas que corresponden al último mes (30 días) a partir de la fecha actual, serán reemplazados cada vez.

• Durante un período de prueba, para analizar cuál es la manera más eficiente de generar las actualizaciones, basadas en el estudio de los cambios que se producen en los Data Sources y que afectan al contenido del DW.

SOLUCION

Inicio

Establecer variables Fecha_Desde y Fecha_Hasta

Carga de Dimensión dimClientes

Carga de Dimensión dimProductos

Carga de Dimensión dimFechas

Carga de Tabla de Hechos factVentas

Obtener datos de Datasource