Cuestionario

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 16

.

UNIVERSIDAD NACIONAL PEDRO RUIZ


GALLO DE LAMBAYEQUE
Facultad de Ciencias Económicas Administrativas y Contables

Escuela:

Comercio y Negocios Internacionales

Curso:

Sistema de información gerencial

Docente:

Dr. César W. Roncal Diaz

Integrantes:

Carlos Calderon, Anyolina

Herrera Tarrillo, Alex David

Miranda Roncal, Zully

Rojas Morales, Cesar


Lambayeque, 2024

1.- ¿Cuáles son los problemas de administrar los recursos de


datos en un entorno

tradicional de archivos?

Problemas de administrar los recursos de datos en un entorno tradicional


de archivos

Los entornos tradicionales de archivos se caracterizan por almacenar los


datos en archivos individuales, cada uno de los cuales está diseñado para
almacenar un tipo específico de información. Esto puede conducir a una
serie de problemas, que incluyen:

 Redundancia de datos: Los datos pueden estar duplicados en varios


archivos, lo que puede provocar inconsistencias y errores.
 Independencia de datos: Los programas que acceden a los datos
están estrechamente vinculados a los archivos específicos en los que
se almacenan los datos. Esto puede dificultar el mantenimiento y la
actualización de los datos.
 Dificultad de compartir datos: Los datos pueden ser difíciles de
compartir entre diferentes aplicaciones o departamentos de una
organización.
 Ausencia de control de acceso: Los datos pueden ser accesibles a
personas no autorizadas.

Estos problemas pueden tener un impacto significativo en la eficiencia y la


eficacia de una organización. Por ejemplo, la redundancia de datos puede
provocar errores de entrada y salida, y la independencia de datos puede
dificultar la implementación de cambios en los datos.

2. Liste y describa cada uno de los componentes en la


jerarquía de datos.

La jerarquía de datos es un modelo de datos que organiza los datos en una


estructura jerárquica. La jerarquía consta de los siguientes componentes:

 Raíz: La raíz es el elemento superior de la jerarquía.


 Nodos: Los nodos son los elementos intermedios de la jerarquía.
 Hojas: Las hojas son los elementos inferiores de la jerarquía.

Los nodos pueden tener hijos, que son nodos que están subordinados a
ellos. La relación entre un nodo y sus hijos se denomina relación padre-
hijo.

3. Defina y explique el significado de entidades,


atributos y campos clave.

En el modelo de datos relacional, los datos se organizan en entidades,


atributos y campos clave.

 Entidades: Las entidades son objetos del mundo real que se


representan en una base de datos. Por ejemplo, una entidad podría ser
un cliente, un producto o una orden.
 Atributos: Los atributos son las características de una entidad. Por
ejemplo, los atributos de un cliente podrían incluir su nombre,
dirección y número de teléfono.
 Campos clave: Los campos clave son los atributos que se utilizan
para identificar de forma única una entidad. Por ejemplo, el campo
clave de un cliente podría ser su número de identificación personal
(NIP).

4. Liste y describa los problemas del entorno tradicional


de archivos.

Los problemas del entorno tradicional de archivos se pueden dividir en dos


categorías principales:

 Problemas de integridad de datos: Estos problemas se refieren a la


precisión, consistencia y completitud de los datos. Los entornos
tradicionales de archivos pueden ser propensos a problemas de
integridad de datos debido a la redundancia de datos, la
independencia de datos y la dificultad de compartir datos.
 Problemas de rendimiento: Estos problemas se refieren a la
velocidad y eficiencia con la que se pueden acceder a los datos. Los
entornos tradicionales de archivos pueden ser ineficientes en el
acceso a los datos debido a la fragmentación de datos y la falta de
control de acceso.

5. ¿Cuáles son las principales capacidades de los


sistemas de administración de bases de datos (DBMS) y
por qué es tan poderoso un DBMS relacional?

Los sistemas de administración de bases de datos (DBMS) son software


que proporciona una interfaz para crear, administrar y acceder a los datos
en una base de datos. Los DBMS ofrecen una serie de capacidades, que
incluyen:

 Independencia de datos: Los programas que acceden a los datos


están aislados de los detalles de la implementación de la base de
datos. Esto facilita el mantenimiento y la actualización de los datos.
 Reutilización de datos: Los datos pueden ser compartidos entre
diferentes aplicaciones o departamentos de una organización.
 Control de acceso: Los datos pueden ser protegidos de acceso no
autorizado.
 Integridad de datos: Los DBMS pueden ayudar a garantizar la
precisión, consistencia y completitud de los datos.
 Rendimiento: Los DBMS pueden ayudar a optimizar el acceso a los
datos para mejorar el rendimiento.

6. Definición de una base de datos y un sistema de administración de


bases de datos,

Una base de datos es una colección organizada de datos. Los datos en una
base de datos están relacionados entre sí de alguna manera. Un sistema de
administración de bases de datos (DBMS) es software que proporciona una
interfaz para crear, administrar y acceder a los datos en una base de datos.

7. Nombre y describa brevemente las capacidades de


un DBMS.

Las capacidades de un DBMS se pueden dividir en dos categorías


principales:

 Capacidades de definición de datos: Estas capacidades permiten a los


usuarios definir la estructura de los datos en una base de datos. Esto
incluye definir los tipos de datos, los campos clave y las relaciones
entre las entidades.

8, Defina un DBMS relacional y explique cómo


organiza los datos.

Un DBMS relacional es un tipo de sistema de administración de bases de


datos (DBMS) que utiliza el modelo relacional para organizar los datos. El
modelo relacional es un modelo de datos que organiza los datos en tablas,
filas y columnas.

Cómo organiza los datos un DBMS relacional

Los DBMS relacionales organizan los datos en tablas, que son colecciones
de filas y columnas. Cada fila representa una instancia de una entidad, y
cada columna representa un atributo de una entidad.
Por ejemplo, una tabla de clientes podría tener las siguientes columnas:

 Nombre
 Dirección
 Número de teléfono

Cada fila de esta tabla representaría un cliente individual. La columna


"Nombre" representaría el nombre del cliente, la columna "Dirección"
representaría la dirección del cliente y la columna "Número de teléfono"
representaría el número de teléfono del cliente.

Los DBMS relacionales utilizan las relaciones para conectar tablas entre sí.
Una relación es un vínculo entre dos o más tablas que comparten un
atributo común.

Por ejemplo, una relación entre una tabla de clientes y una tabla de pedidos
podría basarse en el campo "ID del cliente". Esto significa que cada fila en
la tabla de clientes tiene un valor único para el campo "ID del cliente", y
cada fila en la tabla de pedidos tiene un valor correspondiente para el
campo "ID del cliente".

9. Liste y describa las tres operaciones de un DBMS


relacional.

Los DBMS relacionales proporcionan tres operaciones básicas para acceder


y manipular datos:

 Selección: La selección se utiliza para recuperar filas de una tabla


que cumplen con ciertos criterios.
 Unión: La unión se utiliza para combinar dos o más tablas en una
sola tabla.
 Proyección: La proyección se utiliza para crear una nueva tabla que
contiene solo algunos de los atributos de una tabla existente.

10. Explique por qué son útiles las bases de datos no
relacionales

Las bases de datos no relacionales son útiles para una variedad de


aplicaciones, incluyendo:

 Almacenamiento de datos de gran volumen: Las bases de datos no


relacionales pueden ser más eficientes para almacenar datos de gran
volumen que las bases de datos relacionales.
 Almacenamiento de datos semiestructurados o no estructurados: Las
bases de datos no relacionales pueden almacenar datos
semiestructurados o no estructurados, que son tipos de datos que no
se ajustan bien al modelo relacional.
 Aplicaciones que requieren un alto rendimiento: Las bases de datos
no relacionales pueden ser más eficientes que las bases de datos
relacionales para aplicaciones que requieren un alto rendimiento.

11. Defina y describa la normalización y la integridad


referencial; explique cómo contribuyen a una base de datos
relacional bien diseñada.

. Normalización e integridad referencial


Normalización

La normalización es un proceso de diseño de una base de datos que reduce


la redundancia de datos y mejora la integridad de los datos. Hay cinco
formas normales, cada una de las cuales introduce restricciones adicionales
sobre la estructura de la base de datos.

Integridad referencial

La integridad referencial es un conjunto de reglas que garantizan que los


datos en dos o más tablas relacionadas sean consistentes. Las reglas de
integridad referencial incluyen la regla de clave principal, la regla de clave
externa y la regla de no nulos.
Cómo contribuyen la normalización y la integridad referencial a una base
de datos relacional bien diseñada

La normalización y la integridad referencial son dos de los principios más


importantes del diseño de bases de datos relacionales. Estas dos técnicas
ayudan a garantizar que las bases de datos relacionales sean eficientes,
precisas y consistentes.

La normalización reduce la redundancia de datos, lo que puede mejorar el


rendimiento de la base de datos y reducir el riesgo de errores.
La integridad referencial garantiza que los datos en dos o más tablas
relacionadas sean consistentes. Esto puede ayudar a evitar errores y
problemas de integridad de datos.

En general, la normalización e integridad referencial son técnicas


importantes que pueden ayudar a las organizaciones a crear bases de datos
relacionales eficientes, precisas y consistentes.

12. Defina y describa un diagrama entidad-relación;


explique su función en el diseño de bases de datos.

Un diagrama entidad-relación (ERD) es un diagrama que representa los


componentes lógicos de un modelo de datos relacional. Los componentes
de un ERD son las entidades, los atributos, las relaciones y los
cardinalidades.

 Entidades: Las entidades son objetos del mundo real que se


representan en una base de datos. Por ejemplo, una entidad podría ser
un cliente, un producto o una orden.
 Atributos: Los atributos son las características de una entidad. Por
ejemplo, los atributos de un cliente podrían incluir su nombre,
dirección y número de teléfono.
 Relaciones: Las relaciones son los vínculos entre dos o más
entidades. Por ejemplo, una relación entre una tabla de clientes y una
tabla de pedidos podría basarse en el campo "ID del cliente".
 Cardinalidades: Las cardinalidades describen la relación entre dos
entidades. Por ejemplo, una cardinalidad uno a muchos significa que
una entidad puede estar relacionada con muchas entidades de otro
tipo, pero cada entidad de ese otro tipo solo puede estar relacionada
con una entidad del primer tipo.
Función en el diseño de bases de datos

Los diagramas ERD son una herramienta importante para el diseño de


bases de datos relacionales. Se utilizan para visualizar la estructura de los
datos y las relaciones entre ellos. Los ERD ayudan a los diseñadores de
bases de datos a identificar los requisitos de datos de una organización y a
crear una base de datos que sea eficiente y efectiva.

13¿Cuáles son las principales herramientas y tecnologías para


acceder a la información de las bases de datos y mejorar
tanto el desempeño de negocios como la toma de decisiones?

Las principales herramientas y tecnologías para acceder a la información de


las bases de datos son las siguientes:

 Interfaz de consulta de lenguaje natural: Las interfaces de consulta


de lenguaje natural permiten a los usuarios acceder a la información
de las bases de datos mediante el uso de un lenguaje natural.
 Herramientas de análisis de datos: Las herramientas de análisis de
datos permiten a los usuarios analizar los datos de las bases de datos
para identificar tendencias y patrones.
 Tableros de instrumentos: Los tableros de instrumentos proporcionan
una vista visual de los datos de las bases de datos.

Estas herramientas y tecnologías pueden ayudar a las organizaciones a


mejorar tanto el desempeño de negocios como la toma de decisiones.

14. Defina Big Data y describa las tecnologías para


administrarlos y analizarlos.
Big Data es un término que se utiliza para describir conjuntos de datos de
gran tamaño y complejidad. Los datos de Big Data pueden ser
estructurados, semiestructurados o no estructurados.

Las tecnologías para administrar Big Data incluyen las siguientes:

 Almacenamiento: Las tecnologías de almacenamiento de Big Data


están diseñadas para almacenar grandes volúmenes de datos.
 Procesamiento: Las tecnologías de procesamiento de Big Data están
diseñadas para procesar grandes volúmenes de datos de forma
eficiente.
 Análisis: Las tecnologías de análisis de Big Data están diseñadas
para analizar grandes volúmenes de datos para identificar tendencias
y patrones.

Las tecnologías para analizar Big Data incluyen las siguientes:

 Análisis estadístico: El análisis estadístico es un conjunto de técnicas


que se utilizan para analizar datos numéricos.
 Minería de datos: La minería de datos es un conjunto de técnicas que
se utilizan para extraer información de los datos.
 Aprendizaje automático: El aprendizaje automático es un conjunto
de técnicas que permiten a los sistemas aprender de los datos sin ser
programados explícitamente.
Componentes de una infraestructura de inteligencia de negocios
contemporánea

Una infraestructura de inteligencia de negocios (BI) es un conjunto de


componentes que se utilizan para recopilar, almacenar, analizar y visualizar
datos. Una infraestructura de BI contemporánea puede incluir los siguientes
componentes:

 Fuentes de datos: Las fuentes de datos son los sistemas que


proporcionan los datos para la infraestructura de BI.
 Almacenamiento de datos: El almacenamiento de datos es el lugar
donde se almacenan los datos de la infraestructura de BI.
 Procesamiento de datos: El procesamiento de datos es el proceso de
preparar los datos para el análisis.
 Análisis de datos: El análisis de datos es el proceso de extraer
información de los datos.
 Visualización de datos: La visualización de datos es el proceso de
presentar los datos de una manera fácil de entender.

Las infraestructuras de BI contemporáneas se basan en tecnologías de Big


Data para recopilar, almacenar y analizar grandes volúmenes de datos.

15. Liste y describa los componentes de una infra-


estructura de inteligencia de negocios contemporánea.

Una infraestructura de inteligencia de negocios (BI) es un conjunto de


componentes que se utilizan para recopilar, almacenar, analizar y visualizar
datos. Una infraestructura de BI contemporánea puede incluir los siguientes
componentes:

 Fuentes de datos: Las fuentes de datos son los sistemas que


proporcionan los datos para la infraestructura de BI. Pueden incluir
sistemas operacionales, bases de datos, sistemas de aplicaciones y
sistemas de Internet.
 Almacenamiento de datos: El almacenamiento de datos es el lugar
donde se almacenan los datos de la infraestructura de BI. Puede
incluir sistemas de almacenamiento tradicionales, sistemas de
almacenamiento de Big Data y sistemas de almacenamiento en la
nube.
 Procesamiento de datos: El procesamiento de datos es el proceso de
preparar los datos para el análisis. Esto puede incluir tareas como
limpieza de datos, transformación de datos y integración de datos.
 Análisis de datos: El análisis de datos es el proceso de extraer
información de los datos. Puede incluir técnicas de análisis
estadístico, minería de datos y aprendizaje automático.
 Visualización de datos: La visualización de datos es el proceso de
presentar los datos de una manera fácil de entender. Puede utilizar
gráficos, tablas, mapas y otras herramientas visuales.
16, Describa las capacidades del procesamiento analítico en
línea (OLAP).
El procesamiento analítico en línea (OLAP) es un conjunto de técnicas que
permiten a los usuarios analizar datos de forma interactiva. Las capacidades
de OLAP incluyen:

 Consultas multidimensionales: OLAP permite a los usuarios realizar


consultas multidimensionales sobre los datos. Esto significa que los
usuarios pueden analizar los datos desde diferentes perspectivas,
como por producto, región o tiempo.
 Analítica ad hoc: OLAP permite a los usuarios realizar análisis ad
hoc sobre los datos. Esto significa que los usuarios pueden realizar
análisis sin tener que programar previamente las consultas.
 Visualización de datos: OLAP puede utilizar la visualización de
datos para ayudar a los usuarios a comprender los resultados del
análisis.

17. Defina minería de datos; describa cómo difiere de


OLAP y los tipos de información que proporciona.

La minería de datos es un conjunto de técnicas que se utilizan para extraer


información de los datos. La minería de datos difiere de OLAP en que
OLAP se centra en el análisis de datos existentes, mientras que la minería
de datos se centra en la extracción de información nueva de los datos.

La minería de datos puede proporcionar los siguientes tipos de


información:

 Tendencias: La minería de datos puede identificar tendencias en los


datos. Por ejemplo, la minería de datos puede identificar tendencias
en las ventas, los precios o el comportamiento del cliente.
 Patrones: La minería de datos puede identificar patrones en los datos.
Por ejemplo, la minería de datos puede identificar patrones en los
datos de transacciones, los datos de sensores o los datos de redes
sociales.
 Reglas: La minería de datos puede identificar reglas en los datos. Por
ejemplo, la minería de datos puede identificar reglas que predicen el
comportamiento del cliente o la probabilidad de un evento.
18. Explique cómo difieren la minería de texto y la minería Web de la
minería de datos convencional

La minería de texto y la minería Web son tipos especializados de minería


de datos que se centran en datos de texto y datos de Internet,
respectivamente.

La minería de texto difiere de la minería de datos convencional en que los


datos están en formato de texto. Los datos de texto pueden ser más difíciles
de analizar que los datos numéricos, ya que los datos de texto pueden
contener ambigüedades y semántica.

La minería Web difiere de la minería de datos convencional en que los


datos están en formato de Internet. Los datos de Internet pueden ser más
difíciles de acceder y procesar que los datos de otras fuentes, ya que los
datos de Internet pueden estar distribuidos en diferentes servidores y
formatos.

19. Describa cómo pueden acceder los usuarios a la


información de las bases de datos internas de una
compañía por medio de Web.

Los usuarios pueden acceder a la información de las bases de datos internas


de una compañía por medio de Web a través de una variedad de métodos,
incluyendo:

 Interfaces de usuario web: Las interfaces de usuario web son las


formas más comunes de acceder a las bases de datos internas a través
de Web. Estas interfaces proporcionan una interfaz gráfica de
usuario (GUI) que los usuarios pueden utilizar para realizar
consultas, agregar datos y editar datos.
 APIs: Las APIs (interfaz de programación de aplicaciones)
proporcionan un conjunto de funciones que los usuarios pueden
utilizar para acceder a las bases de datos internas desde sus propias
aplicaciones.
 Soporte de aplicaciones móviles: Muchas aplicaciones móviles
permiten a los usuarios acceder a los datos de las bases de datos
internas.

Los métodos específicos que se utilizan para acceder a las bases de datos
internas a través de Web dependerán de las necesidades específicas de la
organización y de los usuarios.

20. ¿Por qué la política de información, la administración de datos y el


aseguramiento de la calidad de los datos, son esenciales para
administrar los recursos de datos de la empresa

La política de información, la administración de datos y el aseguramiento


de la calidad de los datos son esenciales para administrar los recursos de
datos de la empresa porque proporcionan un marco para garantizar que los
datos sean precisos, completos y confiables.
La política de información establece los principios y directrices para la
gestión de los datos de la empresa. La política de información debe abarcar
temas como la propiedad de los datos, el acceso a los datos, la seguridad de
los datos y la privacidad de los datos.
La administración de datos es el proceso de gestionar los datos de la
empresa. La administración de datos incluye tareas como la recopilación de
datos, el almacenamiento de datos, el procesamiento de datos y la
distribución de datos.
El aseguramiento de la calidad de los datos es el proceso de garantizar que
los datos sean precisos, completos y confiables. El aseguramiento de la
calidad de los datos incluye tareas como la limpieza de datos, la validación
de datos y la auditoría de datos.

21. Describa los roles de la política de la información y la


administración de datos en cuanto a la administración de la
información.

La política de información y la administración de datos desempeñan


papeles complementarios en la administración de la información.
La política de información proporciona un marco para la administración de
datos. La política de información establece los principios y directrices que
deben seguirse para gestionar los datos. La política de información ayuda a
garantizar que los datos se gestionen de una manera consistente y eficaz.
La administración de datos es el proceso de poner en práctica la política de
información. La administración de datos incluye tareas como la
recopilación de datos, el almacenamiento de datos, el procesamiento de
datos y la distribución de datos. La administración de datos ayuda a
garantizar que los datos se gestionen de una manera que cumpla con los
requisitos de la política de información.

22. Explique por qué son esenciales las auditorías de calidad


de los datos y su limpieza.

Las auditorías de calidad de los datos y su limpieza son esenciales para


garantizar que los datos sean precisos, completos y confiables.

Las auditorías de calidad de los datos son un proceso de evaluación de la


calidad de los datos. Las auditorías de calidad de los datos pueden
identificar problemas de calidad de datos, como datos faltantes, datos
duplicados y datos incorrectos.
La limpieza de datos es el proceso de corregir o eliminar los datos de baja
calidad. La limpieza de datos puede ayudar a mejorar la precisión, la
integridad y la confiabilidad de los datos.

Las auditorías de calidad de los datos y su limpieza son esenciales para las
siguientes razones:

 Para garantizar que los datos sean precisos: Los datos precisos son
esenciales para la toma de decisiones informadas. Las auditorías de
calidad de los datos pueden ayudar a identificar los datos inexactos y
tomar medidas para corregirlos.
 Para garantizar que los datos sean completos: Los datos completos
son necesarios para tener una visión completa de una situación. Las
auditorías de calidad de los datos pueden ayudar a identificar los
datos faltantes y tomar medidas para recopilarlos.
 Para garantizar que los datos sean confiables: Los datos confiables
son necesarios para que los usuarios puedan confiar en ellos. Las
auditorías de calidad de los datos y su limpieza pueden ayudar a
mejorar la confiabilidad de los datos.

También podría gustarte