Durante décadas, las organizaciones se han esforzado por gestionar sus datos con eficacia. Sin embargo, para guardarlos utilizaban almacenes de datos muy frágiles, que se deterioraban con demasiada facilidad. Como resultado, no conseguían extraer la información que necesitaban para tomar decisiones estratégicas sobre la dirección del negocio. Este ha sido el eterno problema de muchas empresas en todo el mundo.

La toma de decisiones está basada en la información que obtenemos de los datos empresariales. Toda toma de decisiones implica aceptar un riesgo, pero lo cierto es que no siempre es fácil disponer de datos rigurosos...

Ante esta situación, ¿cómo podemos alcanzar el auténtico valor de los datos y ofrecer una visión consistente del rendimiento empresarial?, ¿cómo conseguir un adecuado análisis de la información teniendo en cuenta los cambios constantes que ocurren en nuestras organizaciones?

A través del presente artículo nos adentraremos en las técnicas, modelos y consejos más básicos para crear valor en nuestras organizaciones.

Todo ello de la mano del Data Warehouse y de sus posibles modelos de implementación. El artículo profundiza, comparando algunos de los tipos de modelos posibles y sus consecuencias. Prestando especial atención en la necesidad de las empresas de poder medir, como única salida hacia el éxito empresarial.

El objetivo de encontrar la mejor metodología de Business Intelligence (BI) es difícil o imposible, pero creemos que sí es posible identificar las características que dicha metodología debe cumplir. En este artículo hemos analizado las características principales de los proyectos de Business Intelligence y distintos enfoques metodológicos usualmente utilizados. Este estudio revela que algunas metodologías tienen ciertas debilidades al no estar expresamente definidas para proyectos de BI .. 

Open Data es un movimiento que se ha creado para hacer fácilmente accesibles a ciudadanos y empresas los datos públicos que recogen las Administraciones Públicas.

Open Data está apoyado por el W3C y otros organismos a nivel internacional, y poco a poco va sumando iniciativas en diferentes países. El primer paso es la iniciativa de un organismo público, que pone a disposición pública determinados datos en uno o más formatos estándar fácilmente 'tratables'. A partir de ahí pueden surgir otros organismos o empresas que agreguen valor a esos datos cruzándolos o enriqueciéndolos con otras fuentes de datos, o desarrollando aplicaciones que permitan al usuario consultar esos datos en un entorno amigable..

La tarea de Data Profile de SQL Server Information Services almacena los resultados del perfilado en un documento XML que se puede examinar con el Data Profile Viewer. En el artículo Dataprofiling con SQL Server 2008 explico cómo se utiliza esta nueva Task de SSIS.

Aunque este método sea muy sencillo, a veces puede no resultar suficiente. Si se aborda un proyecto de calidad de datos puede interesar, por ejemplo, almacenar un histórico de los perfilados para poder evaluar cómo ha ido mejorando la calidad de los datos tratados...

Una de las múltiples mejoras que aporta SQL Server 2008 en la parte de ETL con Integration Services es su capacidad para realizar perfilado de datos con su nueva Data Profile Task.

El data profiling es una de las primeras tareas que se suelen abordar en procesos Calidad de Datos, y consiste en realizar un primer análisis sobre los datos de origen, normalmente sobre tablas, con el objetivo de empezar a conocer su estructura, formato y nivel de calidad. Se hacen consultas a nivel de tabla, columna, relaciones entre columnas, e incluso relaciones entre tablas.

La Data Profile Task de SSIS funciona seleccionando una tabla de una base de datos SQLServer 2000 o superior (no sirven otras bases de datos), las opciones de perfilado que se quiera realizar sobre los datos de la tabla, y un fichero XML donde se almacenarán los resultados cuando se ejecute la misma...

Cuando diseñamos la arquitectura de un sistema de Data Warehouse nos hemos de plantear los diferentes entornos por los que han de pasar los datos en su camino hacia su Data mart o cubo de destino.

Dada la cantidad de transformaciones que se han de realizar, y que normalmente el DWH, además de cumplir su función de soporte a los requerimientos analíticos, realiza una función de integración de datos que van a conformar el Almacén Corporativo y que van a tener que ser consultados también de la manera tradicional por los sistemas operacionales, es muy recomendable crear diferentes áreas de datos en el camino entre los sistemas origen y las herramientas OLAP...