Bussines Intelligence

y sus herramientas básicas

1st Nestor David Ruiz Delgado 2nd Diego Armando Suárez Castillo
C.C. 1095828931 C.C. 1072708876
Corporación Unificada Nacional de Educación Superior Corporación Unificada Nacional de Educación Superior
Bogotá, Colombia Bogotá, Colombia
Ingenieria de Sistemas Ingenieria de Sistemas

Abstract—This article discusses a technical review, concerning

the origin, development and application of Business Intelligence,
data warehouses, data warehouse layers, data mining and deci-
sion making, bearing in mind that determining how to handle
and use information on the basis of its quality is essential for
business management to be translated into better results, which is
why we talk about business intelligence or business intelligence
bi, This is the process that facilitates the analysis of the data
that a company has to convert them into knowledge and useful
information, supporting the decisions to be made.
Index Terms—Datos, Decisiones, información, Inteligencia, Ne-
gocios, gestión

I. I NTRODUCCI ÓN
Hablar de Inteligencia de negocio es hablar de un concepto
muy extendido actualmente en empresas de todo tipo, en este
artı́culo vamos a analizar qué es la inteligencia de negocio,
conocida como business intelligence, Además, hablaremos de
las diferentes herramientas que utiliza y cómo pueden ayudar
a las empresas hoy en dı́a. Fig. 1. Caption

II. A PLICABILIDAD
Las soluciones de inteligencia de negocios se pueden aplicar de sistemas de soporte a la toma de decisiones(DSS), permi-
a cualquier tipo de negocio, independientemente de su sector tiendo la modelación de datos y ampliando la aplicabilidad de
o tamaño. Desde una pequeña empresa hasta las ya conocidas las decisiones que dependan de los mismos.
multinacionales.
A. Tipos de Sistemas DSS
Su principal objetivo, es la obtención de informes y consul- DEn la actualidad hay dos tipos de sistemas DSS, Sistemas
tas que apoyen la toma de decisiones, permitiendo confirmar DSS Pasivos, que recopilan y organizan de forma eficaz los
que lo planeado, estratégica y operativamente se está ejecu- diferentes tipos de datos. Y los Sistemas DSS Activos, que
tando según las expectativas esperadas, abriendo la posibilidad se encargan de mostrar soluciones explicitas tras analizar los
de realizar acciones de mejoras que impacten de manera posi- datos suministrados.
tiva en los distintos niveles estratégicos, tácticos y operativos,
mediante un proceso recursivo. Los sistemas DSS cuentan con 5 modelos básicos los cuales
facilitan la ejecución de los diferentes procesos, estos modelos
A partir de ahı́, el BI tiene múltiples utilidades que mejoran son: DSS Impulsado, DSS impulsado por la comunicación,
la productividad de una empresa y la hacen mucho más DSS impulsado por modelos de datos, DSS impulsado por
competitiva en el mercado. documentos y DSS impulsado por conocimientos.
III. O PTIMIZACI ÓN DEL STOCK
IV. V ENTAJAS DEL B USINESS I NTELLIGENCE
La BI mejora la optimización del stock de las empresas,
mediante técnicas y herramientas basadas en la implantación Una de sus principales ventajas es que cualquier empresa
puede aprovechar sus beneficios, sin importar su tamaño y
Identify applicable funding agency here. If none, delete this. al sector al que pertenezca, centrándose en los procesos de
recopilación, análisis y monitorización de la información para Los datos obtenidos de diferentes aplicaciones de proce-
optimizar la gestión empresarial. samiento de transacciones Online (OLTP) y otras fuentes son
• Recolección de datos: Todas las operaciones y aspectos seleccionados minuciosamente para su uso en aplicaciones
de la empresa son analizadas para determinar los puntos analı́ticas y de consultas por usuarios.
clave que permiten impulsar el proyecto, como la pro-
ductividad o las oportunidades de mercado.
• Procesamiento y análisis: Todos los datos recopilados se
organizan y analizan para facilitar la toma de decisiones.
• Monitorización: Una vez que se toma la decisión,
basándose en los datos analizados, los resultados son
monitorizados.

Fig. 3. Caption

A. Función DW
Un DW debe entregar la información correcta a las personas
indicadas en el momento adecuado y en el formato correcto.
Fig. 2. Caption Dando respuesta a las necesidades de los usuarios conocedores
y utilizando sistemas de ayuda en la decisión (DSS), Sistemas
de Información Ejecutiva (EIS) o herramientas para hacer
V. HERRAMIENTAS BI consulta o informes. Permitiendo hacer consultas sobre sus
Las herramientas que ofrece el BI, son soluciones de DW sin tocar o afectar la operación del sistema.
software que recogen y procesan una gran cantidad de datos no
estructurados. Estos datos pueden proceder tanto de fuentes in- B. Estructura DW
ternas como externas, incluyendo documentos, libros, revistas, Un almacén de datos queda definido por la suma de los
informes, registros médicos, imágenes, correos electrónicos, diferentes DataMarts integrados, no sólo a nivel fı́sico sino
videos u otras fuentes de información. también a nivel lógico, dando plazo a la implementación de
variables.
De este modo, el Business Intelligence nos ofrece una forma
de obtención de datos que facilita la búsqueda de información C. Variables
a través de consultas. Permitiendo a las empresas obtener una También llamadas “indicadores de gestión”, son datos que
visión completa de las operaciones y predecir su evolución están siendo analizados continuamente. Formando parte de las
futura. Tablas de Hecho (Fact Table). Siendo concretos, las variables
representan un aspecto cuantificable o medible de los objetos
A. funciones esenciales del BI o eventos a analizar.
• Informes.
• Procesos de análisis online. D. Nivel operacional
• Exploración de datos. Contiene datos primitivos (operacionales) que son constan-
• Procesamiento de eventos complejos. temente actualizados, siendo usados por los sistemas opera-
• IGestión del desempeño empresarial. cionales tradicionales realizando operaciones transaccionales.
• Benchmarking.
• Análisis predictivo. E. Nivel departamental (Data Mart)
Contiene casi exclusivamente datos derivados de cada de-
VI. DATA WAREHOUSE
partamento de la empresa determinando su nivel departamental
El Data Warehouse es un almacén electrónico donde las con información de interés. siendo el blanco de salida sobre el
empresas y organizaciones mantienen una gran cantidad de cual los datos en el almacén son organizados y almacenados
información. Inicialmente, un DW se aloja en un servidor para las futuras consultas decretadas por los usuarios finales,
corporativo, siendo cada vez más común, en la nube. los desarrolladores de reportes y otras aplicaciones.
F. Nivel individual D. Mecanismos de Carga
Contiene un nivel bajo de datos, resultado de procesos Existen dos formas básicas de desarrollar esta tarea:
estadı́sticos, a los datos contenidos en el Data Mart. El nivel • Acumulación Simple. La acumulación simple es, sin
individual es el objetivo final de un Almacén de DW. duda, la más sencilla y común, y cuyo funcionamiento
consiste en realizar un resumen de todas las transacciones
Desde este nivel el usuario final accede a la información comprendidas en el perı́odo de tiempo seleccionado y
contenida y se realizan las diferentes hipótesis, ası́ como enviar el resultado como una única transacción hacia el
también dando espacio a la navegación a través de los datos DW.
contenidos en el Almacén de Datos. • Rolling. se aplica en los casos donde se opta por mantener
varios niveles de granularidad. Para esto se almacena in-
formación resumida en distintos niveles, correspondientes
a distintas agrupaciones de la unidad de tiempo.
VII. E LEMENTOS QUE INTEGRAN UN A LMAC ÉN DE DATOS
VIII. E STRUCTURAS DE UN DW
A. Metadata
Uno de los componentes más importantes de la arquitectura
de un DW es el Metadata. definido normalmente como: ”datos
acerca de los datos”, en el sentido de que se trata de datos
que describen cuál es la estructura de los datos y cómo se
relacionan entre sı́, permitiendo la contemplación de qué tablas
existen para la implementación de los diferentes elementos,
qué columnas poseen cada una de las tablas y qué tipo de
datos se pueden almacenar. Estos datos son de gran interés
para el usuario final, y para los programas los cuales manejan
estos datos.

B. Middleware
La función del Middleware es la de asegurar la conectividad
entre todos sus componentes permitiendo a los programadores
desarrollar las diferentes aplicaciones que trabajarán en los
diferentes ambientes sin preocuparse de los protocolos de Fig. 4. Caption
red y comunicaciones en que se ejecutarán. Ofreciendo una
mejor relación costo/rendimiento que pasa por el desarrollo la arquitectura de un dw puede ser dividida en tres estruc-
de aplicaciones más complejas, en menos tiempo. turas simples: básica, básica con un área de ensayo y básica
con área de ensayo y data marts.
C. Mecanismos de Extracción
Con una estructura básica, sistemas operativos y archivos
Otro componente de la arquitectura de DW son los sistemas planos proporcionan datos los cuales son almacenados junto
OLAP. Esta clase de sistemas están orientados a la ejecución con metadatos, permitiendo a los usuarios finales acceder
de análisis estratégicos de la información contenida en un a ellos para realizar los análisis, generación de informes y
DW de esta manera, los análisis estratégicos requieren de minerı́a.
una visión dinámica y multidimensional de la información
diferente a la que se encuentra en los sistemas OLTP. Al añadir un área de ensayo que se puede colocar en las
fuentes de datos y los almacenes de datos, éstos proporcionan
Este tipo de análisis está enfocado al procesamiento de un lugar donde los datos se pueden limpiar antes de entrar en el
grandes volúmenes de datos permitiendo que se puede medir almacén, permitiendo personalizar la arquitectura del almacén
la evolución del negocio a través del tiempo, mediante la con- para la validación de diferentes grupos DW de la organización.
strucción de comparaciones, el estudio de indicadores, desvia-
ciones, etc. Requiriendo la posibilidad de realizar análisis Se puede hacer agregando data marts, siendo sistemas
Top Down, es decir, que estos sistemas deben poseer la diseñados para una lı́nea de negocio en particular. Se pueden
flexibilidad necesaria para permitir la reformulación de las tener una data marts separado para ventas, inventario y com-
consultas realizadas de acuerdo al análisis de los resultados pras, y los usuarios finales pueden acceder a datos de uno o
obtenidos en una primera instancia. de toda la data marts del departamento.
 IX. DATA WAREHOUSE EN LA NUBE X. DATA MINING
La data warehouses están atravesando actualmente dos la minerı́a de datos o la data mining es un campo de la
transformaciones muy importantes que tienen el potencial de estadı́stica que se refiere al procedimiento de analizar datos
impulsar niveles significativos de innovación empresarial: para encontrar relaciones, descubrir patrones, para generar
datos de una manera comprensible y útil para las los analistas
• primera área: transformación: Dando el impulso para de datos o software´s de análisis de datos. La data mining
aumentar la agilidad general. En esta primera área los es un conjunto de estrategias las cuales exploran las bases
directivos exigen cada vez más y más datos históricos, de datos que pertenecen a empresas y organizaciones, dando
mientras que los cientı́ficos de datos y los analistas de patrones y algoritmos los cuales dan como resultado patrones
negocios están explorando nuevas formas de introducir de comportamiento.
nuevos flujos de datos para enriquecer las bases ya exis-
A. explorador de datos
tentes. Esta acelerada expansión de volúmenes y fuentes
de datos está obligando a los equipos de TI a invertir Los exploradores de datos o mineros de datos, están
más tiempo y esfuerzo en mejorar el rendimiento de las compuestos por profesionales encargados de analizar y des-
consultas y proporcionando cada vez más entornos para cubrir patrones en grandes volúmenes de datos. Para ello se
equipos para el análisis de los nuevos conjuntos de datos. implementan herramientas como la inteligencia artificial, el
• segunda área: control de costos. Existe una gran necesi- aprendizaje automático, la estadı́stica y sistemas de base de
dad de hacer más con cada vez menos recursos, garanti- datos.
zando que todos los datos sensibles y estratégicos estén B. Fases data mining
completamente asegurados, a lo largo de todo el proceso
de análisis, de una manera cada vez más rentable. La
nube es un facilitador dominante permitiendo a las orga-
nizaciones enfrentarse de forma activa a los desafı́os que
presentan estas dos áreas claves en el DW.

Fig. 6. Caption

Las fases del data mining no siempre son los mismos. Varı́an
según el tipo de problema o la persona que ejecuta estos
procesos.

Un proceso de minerı́a de datos básica contempla cuatro

etapas principales: determinación de objetivos (definiendo qué
objetivos se quieren alcanzar), procesamiento de los datos
(selección limpia, Transformación de bases de datos), de-
Fig. 5. Caption
terminación del modelo (análisis estadı́stico y representación
gráfica) y análisis de resultados.
A. ¿Por qué migrar a la nube?
Las 3 tecnologı́as que ya tienen y seguirán teniendo un C. Ventajas del data mining
gran impacto en la transformación de negocios son: datos, • La minerı́a de datos permite la obtención de información
análisis e Internet. Estas tres tecnologı́as son parte fundamental de las empresas o negocios que no se esperaban obtener
del ecosistema actual del DW. Podemos concluir que la data • Las combinaciones de distintas técnicas otorgan valor
warehouse en la nube tiene un gran potencial para generar añadido a la empresa.
un impacto significativo en los negocios, dándoles una mayor • Cualquier volumen de datos puede ser analizado mediante
agilidad y un mejor control de costos la tecnologı́a de data mining.
 • Los resultados obtenidos son fáciles de entender.
• La información obtenida ayuda a la toma de decisiones
tácticas y estratégicas.
• Permite encontrar nuevas oportunidades y reducir riesgos
a la hora de perder clientes.
• Ayuda en la creación de productos y servicios especı́ficos
por tipo de cliente.
• Las predicciones son confiables y válidas basándose en
el análisis estadı́stico en grandes cantidades de datos.
• Crea nuevas oportunidades de negocio y permite la re-
ducción de costos a empresas y organizaciones.
XI. D ÓNDE SE ULTILIZA LA MINER ÍA DE DATOS
La minerı́a de datos DM se da dentro de los siguientes
aspectos:

• Sistemas parcialmente desconocidos: Si el modelo del

sistema que produce los datos es conocido, no es nece-
saria la minerı́a de datos ya que todas las variables son
predecibles. Este no es el caso del comercio electrónico,
el cual se ve altamente afectado por la espontaneidad
del comportamiento de las variables en un entorno web,
donde los datos las acciones de los usuarios son en su
mayorı́a, impredecibles.
En estos casos habrá una parte del sistema que es cono-
cida y habrá una parte aparentemente de la naturaleza
de las reglas no puedan ser cambiadas, pero si resulte
aleatoria, bajo ciertas circunstancias, dependiendo de una
posible realizar modificaciones en la organización con el
gran cantidad de datos asociados al sistema, ampliando
propósito de mejorar su desempeño.
la posibilidad de encontrar nuevos aspectos previamente
• Predicción(Forecasting): Una vez descubiertas las reglas
desconocidos del modelo.
más importantes, estas pueden ser utilizadas para estimar
• Gran cantidad de datos: Al contar con mucha información
algunas variables de salida. pudiendo ser en el caso de
en las bases de datos se vuelve importante para una
secuencias en el tiempo, o bien en la identificación e
empresa encontrar la forma de analizar ”grandes canti-
interrupción a tiempo, de una futura mala experiencia
dades” de información y que este análisis le produzca un
de crédito. En esta tarea, se contemplan las técnicas
beneficio. Esto solo se puede lograr implementando un
estadı́sticas tradicionales con aquellas provenientes de la
potente software, siendo este una las herramientas con
inteligencia artificial. Usando conceptos adaptativos como
más importancia en la minerı́a de datos. Están basadas
son los algoritmos genéticos y las redes neuronales, las
en el uso intensivo de la informática, en consecuencia,
cuales permiten realizar predicciones más acertadas, espe-
un equipo potente y un software eficiente, con el cual
cialmente en casos de gran complejidad y con relaciones
debe contar la compañı́a, esto aumentará el desempeño
internas.
del proceso de análisis. El uso de la data mining es
efectivo en el caso de poseer datos concretos sobre sus XIII. CREACI ÓN DE UN PROYECTO DE MINER ÍA
procesos productivos, datos de seguimiento de clientes, DE DATOS
datos externos de mercado y datos sobre la actividad de Para la implementación de un proyecto de DM se em-
competidores. plean cuatro fases sin importar la técnica de extracción de
XII. OBJETIVOS PRINCIPALES DE LA MINER ÍA DE conocimiento usada, estas son:
DATOS A. Filtrado de datos
Data Mining persigue objetivos especı́ficos, el principal El formato de los datos contenidos en la fuente de datos
objetivo de la minerı́a de datos es él; nunca es preciso, y la mayorı́a de las veces no es posible
• Descubrimiento de reglas: Estas mostrarán nuevas rela- utilizar ningún algoritmo de minerı́a.
ciones entre las variables o excepciones de acuerdo a la
compañı́a en donde se utilice este proceso. esto mostrará B. Mediante el preprocesado
el análisis y la descripción de la metodologı́a que im- se realiza filtración de datos, se obtienen muestras de los
plementa la compañı́a y ayudará en la planificación y mismos, o se reducen el número de valores posibles (mediante
en el diseño de futuros cambios. Es posible que algunas redondeo, agrupamiento, etc.).
C. Selección de variables XV. C APAS ARQUITECTURA DATAWAREHOUSE
La selección de caracterı́sticas reducen el tamaño de los
datos, permitiendo la elección de las variables más in-
fluyentes en el problema, sin perder la calidad del modelo
de conocimiento obtenido. Se cuentan con dos métodos para
la selección de caracterı́sticas.
• Las variables basadas en la elección de los mejores
atributos del problema.
• Las variables independientes mediante tests de sensibili-
dad, algoritmos de distancia o heurı́sticos.
XIV. A RQUITECTURA DE UNA SOLUCI ÓN BI
Una solución de Business Intelligence parte de las bases
de datos, ERPs, ficheros de texto, etc. Donde suele ser nece-
sario aplicar una transformación estructural para optimizar su
proceso analı́tico.

Se debe realizar una fase de extracción, transformación y

carga (ETL) de datos. Esta etapa se apoya en un almacén
intermedio, llamado ODS, que actúa como canal entre los A. Capa de fuentes de datos
sistemas fuente y los sistemas destino (generalmente un
Esta representa por las diferentes fuentes de datos, los cuales
datawarehouse), cuyo principal objetivo consiste mayormente
alimentan todos los datos del datawarehouse. La fuente de
en evitar la saturación de los servidores funcionales de la
datos puede presentar cualquier formato: archivo de texto
organización.
plano, base de datos relacional, otros tipos de base de datos,
archivo Excel, etc.
La información resultante, ya unificada, depurada y con-
Todos estos pueden actuar como fuente de datos. Teniendo
solidada, es almacena en un datawarehouse corporativo, el
en cuenta, los tipos de datos pueden ser muy variados:
cual sirve de base para la construcción de distintos datamarts
departamentales. Caracterizándose por poseer la estructura • Datos de operacionales, datos de ventas, datos de recursos
óptima para la ejecución de análisis en las diferentes áreas humanos, datos de productos, datos de inventario, datos
de la empresa, ya sea mediante la implementación de bases de marketing y datos de sistemas.
de datos transaccionales (OLTP) o bases de datos analı́ticas • Logs de un servidor web, con datos de navegación
(OLAP). alimentado por los usuarios.
• Datos internos de análisis de mercado.
• Datos de terceros, datos del censo, datos demográficos o
datos de encuestas.

XVI. C APA DE EXTRACCI ÓN DE DATOS

Los datos son extraı́dos de las fuentes de datos donde se
lleva a cabo el sistema datawarehouse. Permitiendo que en
esta capa se realice la limpieza de algunos datos mı́nimos,
pero no es probable que haya una transformación de datos
importante.
• Área de pruebas: En esta área todos los datos son
depurados y transformados en datamart y datawarehouse.
Esto, nos permite tener un área común la cual facilita el
Fig. 7. Caption proceso de integración de los datos.

Los datos albergados en el dw o en cada datamart son XVII. C APA ETL

explotados utilizando herramientas comerciales de análisis,
reporting, alertas... etc. estas herramientas están basadas en Los datos obtienen su inteligencia de la lógica aplicada para
la construcción de productos BI más completos, como los transformar de datos de una naturaleza transaccional o una
sistemas de soporte a la decisión (DSS), los sistemas de naturaleza analı́tica. La fase de diseño ETL es frecuentemente
información ejecutiva (EIS) y los cuadros de mando (CMI) la fase más demorada en un proyecto de datawarehouse y
o Balanced Scorecard (BSC). normalmente se utiliza una herramienta ETL en esta capa.
 XVIII. C APA DE ALMACENAMIENTO DE DATOS B. ¿Que son los gestores de bases de datos?
Es un software invisible, este gestor esta un compuesto por
Sección donde se colocan los datos transformados y limpios.
un lenguaje, cuyo fin es el esclarecimiento de datos, este
Se basa en el alcance y la funcionalidad donde se encuntran
encargado de manipular y brindar información de consulta
tres tipos de entidades analiticas: datawarehouse, data mart
trabajando en varios niveles de información, estos niveles
y almacén de datos operacional (ODS). En cualquier sistema
dependen de la importancia de la información almacenada.
puedes encontrar sólo uno de los 3, 2 de los 3, o los tres tipos
juntos.
Las funciones del gestor de base de datos son permitir a
cada uno de los- usuarios de las organizaciones almacenar
XIX. C APA L ÓGICA DE DATOS diferente tipo de información, modificar la misma y acceder a
dicha información almacenada en las diferentes bases de datos
Sección donde se almacenan las reglas de negocio. Estas y realizar un análisis de información para finalmente realizar
reglas de negocio no tienen efectos negativos sobre las reglas un informe de los datos que se soliciten.
de transformación de datos, pero si afecta en gran medida la
información de yacente en los informes. El objetivo principal del SGBD es manipular de manera
ordenada, especı́fica y breve una serie de datos almacenados,
XX. C APA DE PRESENTACI ÓN DE DATOS que a futuro serán de suma importancia para cualquier orga-
nización.
Capa en la cual la información llega a los usuarios de una
manera informe tabular o gráfica a través de un navegador Los gestores de base de datos controlan cualquier tipo de
web, un informe enviado por email generado automáticamente operaciones ejecutadas por el usuario en la base de datos,
y es enviada a diario, una alerta con una clara advertencia para que la operación se ejecute de manera exitosa se deben
a los usuarios acerca de excepciones, etc. Normalmente esta usar diferentes herramientas, como los son los sistemas de
capa utiliza una herramienta OLAP y una herramienta de búsqueda y los de generar informes adicionales esto diferentes
generación de informes. aplicaciones.

Pero este no es el único objetivo del SGBD entre otros

XXI. C APA DE METADATOS
objetivos están:
Aquı́ es donde permanece la información sobre los datos • Abstracción de Datos: esta tiene como fin ahorrar algunos
almacenados en el datawarehouse. La implementación de un detalles acerca del almacenamiento fı́sico.
modelo de datos lógico es un ejemplo de lo es esta capa de • Independencia: tienen la capacidad de transformar el
metadatos. Donde normalmente se utiliza una herramienta de esquema fı́sico y lógico de una base de datos.
metadatos para administrar los mismos. • Consistencia: Actualiza la información de datos repetidos
modificándolos según su condición de forma coherente.
• Seguridad: ya que la información almacenada en los
XXII. C APA DE OPERACIONES DEL SISTEMA
SGBD tiene un valor significante para cada una de las
Esta capa contiene información sobre el funcionamiento organizaciones, estos tienen con fin brindar seguridad
del sistema de datawarehouse, estado de trabajo ETL, el para el ingreso de usuarios a ingresar a la información
rendimiento del sistema y el historial de acceso de los usuarios. depositada en las mismas.
• Tiempo de respuesta: Minimizan el tiempo de búsqueda
y en almacenar los cambios que se realicen al ingresar
algún tipo de información.
XXIII. SISTEMAS GESTOR DE BASES DE DATOS
C. ¿Qué compone un SGBD?
A. Sistema gestor de Base de Datos (SGBD) o también Para que exista un buen funcionamiento de un software de
llamados DataBase. Managenent System (DBMS) SGBD existen tres componentes los cuales son:
es un método el cual permite crear, gestionar y administrar • Diccionario de datos:
bases de datos, cuyo fin es conseguir las herramientas ade- es una lista de metadatos los cuales evidencian cada una
cuadas para administrar o realizar, búsquedas de información de las caracterı́sticas de los datos almacenados en el
de la manera más segura, fácil y eficiente. También se pueden SGBD, estos se encargan de informar sobre cada uno de
conocer como una colección de datos que se relacionan los permisos de uso a cada registro de información que se
entre ellos mismos, con una estructuración y organización realice y la presentación fı́sica de el mismo, ası́ se logra
determinada dentro de una serie de programas que permiten que dicho diccionario brinde la información importante
acceder a ellos y ası́ facilitar su gestión; Pero para conocer a sobre los datos almacenados.
fondo los conceptos es necesario identificar: • Lenguaje de definición de datos:
 Este lenguaje de definición de datos también conocido Es un Software libre el cual permite almacenar datos de
como DDL Data definition language, tiene como fin es- manera breve en dispositivos con poca capacidad de hardware
tructurar el contenido de las bases de datos. Este lenguaje o almacenamiento. También es utilizado como una Biblioteca
permite crear, modificar objetos individuales como lo son en varias aplicaciones actualmente ya que sus consultas son
las referencias, vı́nculos o los derechos que posee cada eficaces.
usuario.
• Lenguaje de manipulación de datos: Este lenguaje DML Caracterı́sticas:
Data manipulación language, es el que permite realizar • El tamaño es mucho menor que cualquier SGBD.
nuevos registros de datos, ası́ como eliminar, modificar • Posee Atomicidad, consistencia, Aislamiento y Durabili-
y consultar los que están registrado previamente, este dad.
también permite comprimir y extraer los datos. • Gran Portabilidad y rendimiento.
Actualmente, existen varios SGBD y estos pueden ser clasifi- • La base de datos general está ubicada en un solo archivo.
cados en relacionales o no relacionales según la forman que • Es completamente autocontenida ya que no depende de
administran los datos: ningún software externo.
• Posee un footprint de menos de 230KB.
XXIV. S ISTEMAS G ESTOR DE DATOS R ELACIONALES
• Soporta texto de formato UTF 8 o UTF 16 y datos
Este tipo de sistemas gestores de base de datos relacionales numéricos de 64 bits.
se empezaron a usar en al año 1970, pero con el tiempo se
le realizaron una serie de trasformaciones hasta la actualidad C. SQL Server
para administrar las bases de datos.
Este sistema de gestión de bases de datos relacional de-
sarrollado como un servidor el cual brinda servicio a otras
En este tipo de SGBD se establecen vı́nculos entre los
aplicaciones de Software, ya que maneja una gran variedad
mismos datos, creando imaginariamente una tabla separada por
de aplicaciones de procesamiento transacciones este posee
cada relación con cada uno de los registros que se almacenen.
una inteligencia empresarial y facilita el análisis en entornos
informáticos.
La ventaja de este tipo de sistema gestor de base de datos,
está en la posibilidad que brinda de crear diferentes tipos de
Es una alternativa de la empresa Microsoft este es una de
relaciones entre las filas existentes y ası́ poder mostrarlas en
la tecnologı́a de bases de datos lı́deres.
columnas.
Caracterı́sticas:
Actualmente los sistemas gestores de bases de datos rela-
cionales más usados son:
Alta disponibilidad al lograr un gran tiempo de actividad
A. MySQL con una conmutación rápida, esto lo logra sin utilizar muchos
Es el sistema gestor de bases de datos relacional multihilo recursos de la memoria del sistema, también ofrece una
y multiusuario, este sistema es utilizado en muchas de las solución aplica la cual integra a la familia de servidores de
páginas web actualmente, Adicional a esto es el más usado en Microsoft server.
aplicaciones creadas como software libre.
D. Oracle
Existen varias ventajas de este Sistema gestor de bases de Se define como una colección de datos que se tratan en
datos estas son: si como una unidad. tiene como objetivo principal almacenar
• El Soporte SSL (Secure Sockets Layer) el cual permite datos, recuperar información.
garantizar la integridad y la autenticación de las comuni-
caciones. Este servidor gestionar a información de manera confiable
• Soporte multiplataforma: Ya que este trabaja bajo varias todos los datos almacenados en un multiusuario ya que permite
plataformas permite brindarle la ayuda requerida en que varios usuarios accedan a dicha información de manera
cualquiera de las plataformas que estén haciendo uso. simultánea.
• Brinda una facilidad a la hora de instalar el software como
a la hora de configurarlo. Oracle fue la primera base de datos creada para la con-
• La facilidad a la hora de hacer uso del mismo y garantiza mutación empresarial, fue la forma más flexible y económica
un buen rendimiento en la ejecución. para administrar información y aplicaciones.

B. SQLite La base de Datos tiene estructuras lógicas y estructuras

Esta aplicación fue creada en mayo del año 2000 creada por fı́sicas, ya que ambas estructuras están divididas, el alma-
el doctor Richard Hip. ha liderado las diferentes versiones de cenamiento se puede administrar sin afectar el acceso a las
SQLite, basada en la licencia GPL. mismas.
 Caracterı́sticas: • Una multiplataforma
• Posee un propio lenguaje de consultas. (CQL)
• Usan un modelo racional el cual permite visualizar los • Utiliza Peer-to-peer como arquitectura.
datos con formatos filas y columnas.
• Manejan un control de acceso y tecnologı́as avanzadas y C. ¿Cuándo puedo utilizar un sistema gestor de bases de
ası́ controlar la entrada de datos. datos SQL o NoSQL?
• Brinda la protección de los datos, ya que tiene opción de • Cuando la cantidad de los datos que se manejan no tiene
copias de seguridad. crecimiento alguno o lo hace de manera lenta utiliza un
• Permite agilidad en cada uno de los tramites que se real- SQL.
izan y con la gestión de usuarios controlan la información • En caso contrario ellos crecen de manera ágil y en
de cada uno de ellos. momentos especı́ficos Utiliza NoSQL.
XXV. S ISTEMAS DE GESTI ÓN DE BASES DE DATOS NO • Cuando se crean picos en el uso del sistema por parte de
RELACIONALES . los usuarios, Utiliza SQL.
• Cuando se tiene picos al utilizar el sistema y es por parte
de los usuarios en reiteradas ocasiones Utiliza No SQL.
Esos Sistemas de Bases de datos no relacionales (NoSQL)
No requieren de estructuras de datos fijas como lo son las
tablas.

Manejan entornos bien distribuidos los cuales siempre REFERENCIAS

permanecerán disponibles y operativos esto logra un gran
volumen de datos.
[1]2021. [Online]. Available: https://mapal-
En la actualidad existen algunos sistemas gestores de bases os.com/es/recursos/blog/translate-to-espanol-que-es-
de datos los cuales son: inteligencia-de-negocio-y-que-herramientas-utiliza.
[Accessed: 13- Jun- 2021].
A. MongoDB
[2] competitiva, ”Ejemplos prácticos de cómo el
Este SGBD es actualmente el más utilizado ya que es un Business Intelligence hace tu empresa más competitiva
SGBD (NoSQL) que se orienta a ficheros los cuales almacenan - SES Digital”, SES Digital, 2021. [Online]. Available:
información en una serie de estructuras BSON en un esquema https://sesitdigital.com/ejemplos-practicos-de-como-el-
que permite entender fácil su función e integración. business-intelligence-hace-tu-empresa-mas-competitiva
[Accessed: 13- Jun- 2021].
Cisco, eBay y Adobe utilizan este SGBD.
[3]”5.3.1 Almacenes de Datos (Data
Caracterı́sticas: Warehouse) - Mercadotecnia Electronica”,
Sites.google.com, 2021. [Online]. Available:
• Open Source: https://sites.google.com/site/mercadotecniaige2017/5-3-1-
código abierto está diseñado de manera accesible al almacenes-de-datos-data-warehouse. [Accessed: 13- Jun-
público, modificable. 2021].
• Consultas Ad hoc
ya que este es el modo más sencillo para el armado de [4]Virtual.cun.edu.co, 2021. [Online]. Available:
una red, estas consultas tener acceso a los usuarios a la https://virtual.cun.edu.co/contenidos/migracion2020/sistemas/s9/business-
información de base de datos, ya que estos contienen intelligence/u5/recurso5.pdf. [Accessed: 13- Jun- 2021].
interfases graficas para ası́ generar de manera efectiva
dichas consultas. [5]M. Bernard Pavel Barreto Véliz, ”Inteligencia
• Almacenamiento de información en ficheros. de Negocios (página 3) - Monografias.com”,
Monografias.com, 2021. [Online]. Available:
B. Cassandra https://www.monografias.com/trabajos75/inteligencia-
Este es un SGBD NoSQL que es distribuido, masivamente negocios/inteligencia-negocios3.shtml. [Accessed: 13- Jun-
escalable, Este utiliza almacenamiento clave valor. 2021].

Plataformas como Netflix, Spotify, Instagram utilizan dicho [6]”Cuáles son los beneficios del business intelli-
SGBD. gence para las empresas”, Jasmin Software, 2021. [On-
line]. Available: https://www.jasminsoftware.es/blog/business-
Caracterı́sticas: intelligence/. [Accessed: 13- Jun- 2021].
 [7]B. Moares, ”Data mining y Big data: Qué es y Cómo
aplicarlo en mi Negocio”, Unayta, 2021. [Online]. Available:
https://unayta.es/data-mining-big-data/. [Accessed: 13- Jun-
2021].

[8]G. PowerData, ”Data Warehouse: todo lo que nece-

sitas saber sobre almacenamiento de datos”, Powerdata.es,
2021. [Online]. Available: https://www.powerdata.es/data-
warehouse. [Accessed: 13- Jun- 2021].

[9]”Sistemas de apoyo de Decisiones”,

Tecnologias-informacion.com, 2021. [On-
line]. Available: https://www.tecnologias-
informacion.com/soportedecisiones.html. [Accessed: 13-
Jun- 2021].

10 IONOS España S.L.U. (2020, March 16).

Introducción al sistema gestor de base de datos (SGBD).
Retrieved June 13, 2021, from Ionos. es website:
https://www.ionos.es/digitalguide/hosting/cuestiones-
tecnicas/sistema-gestor-de-base-de-datos-sgbd/

11 DiccAdminN3g. (2018, March 14). So-

porte Multiplataforma. Retrieved June 13,
2021, from Diccionariodenegocios.com website:
https://diccionariodenegocios.com/s/soporte-multiplataforma/

12 Marı́n, R. (2019, April 16). Los gestores de bases de

datos (SGBD) más usados. Retrieved June 13, 2021, from
Inesem.es website: https://revistadigital.inesem.es/informatica-
y-tics/los-gestores-de-bases-de-datos-mas-usados/

13 Rendón, Y. A. (n.d.). Bases de datos relacionales vs. no

relacionales. Retrieved June 13, 2021, from Com.co website:
https://www.pragma.com.co/academia/lecciones/bases-de-
datos-relacionales-vs.-no-relacionales

14 SGBD. (n.d.). Retrieved June 13, 2021, from Ecured.cu

website: https://www.ecured.cu/SGBD SQLite: La Base de
Datos Embebida. (n.d.). Retrieved June 13, 2021, from
Com.mx website: https://sg.com.mx/revista/17/sqlite-la-base-
datos-embebida

15 PowerData, R. (n.d.). ¿Qué es un gestor de

datos y para qué sirve? Retrieved June 13, 2021, from
Powerdata.es website: https://blog.powerdata.es/el-valor-de-la-
gestion-de-datos/que-es-un-gestor-de-datos-y-para-que-sirve

16 Nextech, S. (2021, February 3). ¿Qué es SQL Server?

y ¿Para qué sirve? Retrieved June 13, 2021, from Nex-
tech.website: https://nextech.pe/que-es-sql-server-y-para-que-
sirve/