Bases de Datos, Big Data, Data Mart y Data Lake

Base de Datos

• Una base de datos es una colección organizada de información tratada como una unidad.
• El propósito de una base de datos es recopilar, almacenar y recuperar información para su uso en aplicaciones.

Big Data

• Los macrodatos son conjuntos de datos extensos y complejos, originados principalmente de fuentes de datos recientes.
• Debido a su gran volumen, estos conjuntos dificultan el procesamiento con software tradicional.

Data Mart

• Un data mart tiene una función similar a la de un data warehouse, pero con un alcance limitado.
• Puede servir a un departamento o unidad de negocio específica.
• Los data marts ofrecen una creación más rápida debido a su cobertura limitada, pero pueden generar problemas de inconsistencia.

Data Lake

• Un lago de datos sirve para almacenar datos estructurados y no estructurados.
• También es útil para organizar grandes volúmenes de datos diversos provenientes de diferentes fuentes.
• Los lagos de datos ingieren y preparan los datos rápidamente, mientras que los almacenes los preparan cuidadosamente antes de ingresar.

Data Warehouse

• Un almacén de datos es una base de datos diseñada para facilitar la inteligencia empresarial.
• Está diseñado para consultas y análisis en vez de procesamiento de transacciones.
• Contiene datos históricos derivados de transacciones y de otras fuentes.
• Permite separar la carga de trabajo de análisis de la de transacciones y consolida datos de múltiples fuentes.
• Sirve para mantener registros históricos y analizar datos para comprender y mejorar el negocio.

Dimension Table

• Las tablas de dimensiones proveen información de categorías para dar contexto a los datos de hechos.
• En un esquema en estrella para datos de ventas, se incluyen dimensiones para producto, fecha, ubicación, promoción, etc.
• Actúan como tablas de consulta o referencia.

DML / DDL

• Dentro de SQL, las operaciones comunes se agrupan en DML (Lenguaje de Manipulación de Datos) y DDL (Lenguaje de Definición de Datos).
• Las declaraciones DML (SELECT, UPDATE e INSERT) permiten recuperar, almacenar, modificar, eliminar, insertar y actualizar datos.
• Las sentencias DDL (CREATE, ALTER y DROP) permiten crear, modificar y eliminar objetos de la base de datos, como tablas, índices y usuarios.

Enterprise Data Warehouse (EDW)

• Un EDW consolida los datos brutos como centro de la arquitectura de almacenamiento de datos.
• Proporciona una vista de 360 grados del negocio al mantener la información comercial relevante en el formato más detallado.

ETL (Extraer, Transformar, Cargar)

• Se refiere a tres procesos combinados que se usan para extraer datos de una base de datos y moverlos a otra base de datos.
• Es una función común en el almacenamiento de datos.

Fact Table

• Las tablas de hechos contienen datos de medición con muchas filas, pero pocas columnas.
• Pueden contener miles de millones de filas en grandes empresas.
• En esquemas en estrella, la tabla de hechos representa más del 90% del espacio de almacenamiento.
• Una tabla de hechos tiene una clave compuesta formada por las claves primarias de las tablas de dimensiones.

Molap

• Se trata de una base de datos OLAP multidimensional.
• La información se almacena en estructuras especiales para luego transferirla a un servidor central.

Olap (Procesamiento Analítico en Línea)

• Es la base tecnológica de muchas herramientas de inteligencia empresarial.
• Responde rápidamente a consultas de bases de datos analíticas multidimensionales (MDA).
• Permite vistas de informes ilimitadas, análisis predictivo y cálculos analíticos complejos.

OLTP (Procesamiento Transaccional en Línea)

• Es un tipo de procesamiento de datos que ejecuta tareas centradas en transacciones.
• Implica insertar, eliminar o actualizar pequeñas cantidades de datos en la base de datos.
• Se usa en transacciones financieras, entrada de pedidos, ventas minoristas y gestión de clientes.
• Recopila transacciones de datos voluminosas, sin necesariamente analizarlas en conjunto.

Rolap

• La base de datos rolap es un modo de almacenamiento OLAP en el cual los datos están almacenados en bases de datos relacionales.

Schema

• Un esquema es una colección de objetos de base de datos (tablas, vistas, índices y sinónimos).
• Se pueden organizar los objetos de esquema en modelos diseñados para el almacenamiento de datos.
• El modelo de datos original y los requisitos de los usuarios ayudan a diseñar el esquema del almacén de datos.

Snowflake Schema

• El esquema de copo de nieve es un modelo de almacén de datos más complejo que el esquema en estrella, pero es un tipo de esquema en estrella.
• Se llama así porque el diagrama del esquema se parece a un copo de nieve.
• Los esquemas de copo de nieve normalizan las dimensiones para eliminar la redundancia.
• Los datos de dimensión se agrupan en varias tablas en lugar de una sola grande.

SQL (Structured Query Language)

• Es un formato estandarizado para consultar y administrar bases de datos.
• Es el lenguaje más común para la comunicación de datos.
• La mayoría de las bases de datos tienen al menos algo de SQL propietario.
• Algunas bases de datos no lo admiten o utilizan una versión truncada y simplificada.

Staging Area

• Un área de preparación simplifica la limpieza y consolidación de datos.
• Se usa para datos operativos que provienen de múltiples sistemas de origen.
• Es relevante en almacenes de datos empresariales donde se consolida toda la información de una empresa.

Star Schema

• Los esquemas en estrella se encuentran con frecuencia en sistemas de almacenamiento de datos con almacenes físicos o lógicos integrados.
• El modelado dimensional crea esquemas en estrella basados en un proceso comercial, como el seguimiento de ventas o envíos.
• Cada esquema en estrella puede considerarse un data mart y unos 20 data marts pueden cubrir las necesidades de inteligencia empresarial de una empresa.