Fortalezas y debilidades de metodología Kimball

Mai multe ca aceasta

HABEAS DATA

după Estrada Diago

Introducción a la Informática

după Oscar Julian Rodriguez Cardenas

Estadistica Media, mediana y moda

după Francisco Ofenis Dueñas Segovia

TIPOS DE DATOS

după Alfredo Vera Giler

Bibliografía utilizada

https://colaboracion.dnp.gov.co/CDT/DNP/PI-G04%20Implementaci%C3%B3n%20bodega%20datos.pdf. http://www.essai.rnu.tn/Ebook/Informatique/The%20Data%20Warehouse%20Toolkit,%203rd%20Edition.pdf. https://www.tableau.com/es-es/resource/business-intelligence, https://www.tableau.com/sites/default/files/media/Whitepapers/5_steps_to_self-service_analytics_that_scales_es-es.pdfhttp://saimasolutions.com/qlik-sense/, https://www.businessintelligence.info/mercado/007-autoservicio-para-matar.html http://www.informationbuilders.mx/self-service-bi www.tableau.com/learn/whitepapers/tdwi-self-service-business-intelligence

Integrantes

María Rios Gutierrez, Leonardo Ardila, Francis Paola Cardenás, Paola Fandiño.

Metodología Kimball utilizando tecnologías autoservicio de BI

Tiempos de implementación sujeto a complejidad del modelo de negocio

Infraestructura tecnológica dedicada

Vista Diseño restringida a usuarios no autorizados

Existe un riesgo que es propio de la aplicación de la metodología Kimball y es que, en la integración de datos, la solución de BI se convierta en una isla, debido a la inconsistencia en las reglas de negocio, en este caso ni la mejor herramienta de autoservicio podrá proveer al usuario de negocio información con valor para la toma de decisiones.

También existe otra fase que consumirá mucho tiempo y por lo general no se estima completamente bien y es la de Diseño y planteamiento de la ETL, la cual consume mucho tiempo del proyecto a nivel general a pesar de que existan aplicaciones de “autoservicio de BI” que acorten tiempo en consultas.

Es importante aclara que con la aplicación de una metodología Kimball, el desarrollo en las bodegas de datos nunca termina por lo general es continuo lo cual genera un impacto alto en la inversión para el mantenimiento y de personal especializado y exclusivo en ese tema.

Aun cuando la existe una aplicación de “autoservicio de BI” esta solo será considerada en la etapa de “especificación de la aplicación de BI”, las demás fases referentes a la metodología Kimball seguirán su camino sin reducir tiempo ni costos.

Ninguna solución cubre todo a la perfección.

Puede llegar a existir una deficiente gestión de datos por parte de los usuarios de negocio lo cual provoca generar información incorrecta.

Se deja todo en manos del usuario pero ellos a veces ni siquiera definen de forma correcta que tipo de datos necesitan para crear información, con una plataforma de autoservicio de BI, es posible que se cree más confusión.

Los modelos de autoservicio pueden ser costosos si no se cuenta con una metodología y selección de fuentes de datos óptima

Debilidades

Costo de implementación.

Bajo personal capacitado

Incremento continuo de requerimientos

Los usuarios finales no pueden construir sus propias visualizaciones.

Poco conocida

Demanda de altos niveles de seguridad

Si se construye un DW (Data warehouse) primero, se requiere hardware adicional para soportar a los DM individuales.

Se puede inadvertidamente construir DM (Data Mart) incompatibles entre si.

Se tienen datos descentralizados por lo que el usuario puede necesitar hacer búsquedas en más de un lugar

Implica la adquisición de herramientas de consulta y análisis y su respectiva capacitación.

No tiene certificaciones

No usa metodología independiente

No tiene un nivel de herramientas gerenciales

Catalogo amplio de software con cualidades “Self service”

Tibco Spotfire Desktop

Tableau Desktop

Qlik Sense Enterprise Server

Microsoft Power BI

Looker,

Information Builders WebFocus,

IBM Watson Analytics

Domo

Clearify QQube,

Estructura de datos normalizada

Acceso en múltiples dispositivos (La interactividad, la visibilidad y la compatibilidad entre sistemas, aplicaciones y dispositivos)

Alta disponibilidad

Control de acceso a información administrado

Autonomía al momento de construcción de nuevos indicadores y/o reportes

Involucra a todas las unidades de la organización en el conocimiento de un “autoservicio de BI”; lo cual ayuda en el alcance de la fase de construcción y levantamiento de las fuentes de datos que van a resolver las preguntas de negocio.

En los pasos de la metodología Kimball de “paso a producción y mantenimiento y crecimiento”; es posible que se reduzca el tiempo y sea más intuitivo con el uso de una aplicación de “autoservicio de BI” ya que son herramientas dirigidas a usuarios de negocio interno y externo que permiten una adaptación más sencilla.

Las aplicaciones de autoservicio de BI les dan a los usuarios un entendimiento más claro de la información de la organización y permiten que cubra esas necesidades secundarias de información.

Algo interesante de la apropiación de un “autoservicio de BI” es que permite a un usuario de negocio armar sus propios escenarios con los datos recolectados en la bodega de datos.

Al poder utilizar un “autoservicio de BI” se hace posible para el usuario de negocio crear vistas más detalladas de la información que busca.

Al realizar la conexión entre todas las fuentes de datos identificadas, el autoservicio de BI no consume rendimiento de las aplicaciones.

Al utilizar un autoservicio de BI integrado en la metodología Kimball es posible identificar que una solución de “autoservicio de BI” Permitirá conectar a múltiples fuentes de datos.

Fortalezas

La aceptación en el mercado es buena

Su soporte documental es calificado como bueno

Flexibilidad alta

Ayuda a la toma de decisiones tácticas

El tiempo de desarrollo es a corto y mediano plazo

Dirigido a usuarios finales.

La complejidad de implementación es simple.

El costo de implementación es bajo.

Se basa en que son los procesos de negocio los que deben de marcar la forma en la que diseñamos el datawarehouse y organiza los datos de una forma más intuitiva y natural para los usuarios.

Se basa en la creación de tablas de hechos, es decir, tablas que contengan la información numérica de los indicadores a analizar, o sea la información cuantitativa de la información para la toma de decisiones.

Flexible para aceptar datos nuevos e inesperados: Las herramientas para generar reportes o consultas no necesitan ser reprogramadas para adaptarse a los cambios. Y, finalmente, las aplicaciones utilizadas continúan ejecutándose sin cambios en su rendimiento.

Resistencia a cambios en la conducta del usuario: El diseño lógico de este modelo puede realizarse independientemente de los patrones esperados de consulta, pues todas las dimensiones son generadas como puntos de entrada simétricos a la tabla de hechos.

Marco de trabajo predecible: A partir de herramientas para generar reportes y realizar consultas, además de las interfaces de usuario, se pueden realizar suposiciones bastante acertadas del Modelo Dimensional, lo cual permite que el procesamiento de la información sea más eficiente.

Es acorde a nuestras empresas porque se pueden implementar pequeños datamarts en áreas específicas de las mismas (compras, ventas, etc.), con pocos recursos y de poco irlos integrándolos en un gran almacén de datos.

Se basa en un modelado dimensional proporcionando un enfoque de menor a mayor, muy versátil que ayudan a la implementación de un DW.