DATAMART BASADO EN EL MODELO ESTRELLA PARA LA IMPLEMENTACIÓN DE INDICADORES CLAVE DE DESEMPEÑO COMO SALIDA DEL BIG DATA

En un entorno de producción los procesos de toma de decisiones son importantes debido a los impactos que estos generan sobre otros procesos. Para tal fin resulta conveniente acceder a la información almacenada en los grandes almacenes de datos a través de un modelo menos complejo, los Datamarts. Un Datamart permite optimizar el proceso de aprovechamiento de la información, a través del agrupamiento de los factores de interés que inciden sobre un hecho o hechos en particular. Así pues, se realizó una investigación del tipo proyectiva y estableciendo como objetivo general el desarrollo de un Datamart basado en el modelo estrella, orientado hacia los modelos de sistemas productivos agropecuarios. La optimización del proceso de extracción y visualización de los datos almacenados en el Datamart, fue llevada a cabo a través de la implementación de un cubo OLAP. Utilizando herramientas de software como SQL Server Management para el diseño de la base de datos, el entorno de desarrollo integrado Visual Studio para la ejecución y diseño de los procesos de extracción, transformación y carga de los datos, y de Power BI como herramienta de Inteligencia de Negocio para la generación de informes y visualizaciones dinámicas de los indicadores establecidos. Palabras Clave: datamart, data warehouse, base de datos, inteligencia de negocio. Referencias [1].B. Mazon, A. Pan and R. Tinoco. Análisis de Datos Agropecuarios. 1ra. Ed. Ecuador: UTMACH, 2018. [2].A. De Mauro, M. Greco y M. Grimaldi. “Una definición formal de Big Data basada en sus características esenciales. Revisión de la biblioteca”, Library Review, vol. 65 no. 3, pp. 122-135, Abril 2016. [3].P. Muñoz. “Desarrollo de una arquitectura de Big Data para registros mercantiles”. Trabajo de grado, UCV, Caracas, 2016. [4]. Z. Jourdan, R.K. Rainer y T.E. Marshall. 2Business Intelligence: An Analysis of Literature. Information System Management”, IEEE Engineering Management Review, vol. 25, no 2, p. 121-131, Marzo 2008. [5].W.H. Inmon. Building the Data Warehouse. 3ra. ed. New York: Wiley, 2002. [6].C. J. Date. Introducción a los sistemas de bases de datos. 7ma. ed. México: Pearson Educación, 2001. [7]Cubo OLAP. (2020, mayo 10). Wikipedia. [En línea] Disponible en: https://es.wikipedia.org/wiki/Cubo_OLAP. [Último acceso: 13 de marzo de 2020]. [8]B.R. Dario. Data Warehousing: Investigación y sistematización de conceptos. Hefesto: Metodología propia para la construcción de un Datawarehouse. 1ra. ed. Cordoba: Argentina, 2010.