Mercado de datos

¿Qué es un centro de datos?

Un data mart es una capa de acceso de un almacén de datos que se centra en un área, función o departamento comercial específico. Se utiliza para recuperar datos del lado del cliente. Un data mart contiene un subconjunto de los datos almacenados en un almacén de datos.

Los almacenes de datos son instalaciones de almacenamiento de datos para toda la empresa. Al dirigir los niveles de acceso al data mart a una única área organizativa específica, los usuarios de departamentos/áreas funcionales pueden acceder de forma rápida, fácil y rápida. sin esfuerzo acceder a sus datos.

Un data mart también puede denominarse almacén de datos compacto. Por lo tanto, en una organización, las áreas funcionales como finanzas, recursos humanos, marketing, etc. pueden equiparse con sus propios data marts, que forman parte de un almacén de datos gestionado a nivel de la sede.

Data Mart versus almacén de datos

Los data marts contienen un subconjunto de la información en un almacén de datos. Por esta razón, los mercados de datos proporcionan una mejor velocidad de consulta para los analistas porque inherentemente contienen menos datos.

El tamaño de un data mart varía dentro de cada área funcional porque algunos data marts requieren un gran espacio de almacenamiento. Los Data Marts son formatos de solo lectura con actualizaciones controladas realizadas únicamente por personal autorizado.

Tipos de mercados de datos

Hay tres tipos principales de mercados de datos. La diferencia entre ellos está determinada por su relación con el almacén de datos y las fuentes de datos utilizadas para crearlos. Estos incluyen los mercados de datos dependientes, independientes e híbridos.

1. Mercados de datos dependientes

Los data marts dependientes se crean utilizando un subconjunto de datos de un almacén de datos existente. Es una estructura de arriba hacia abajo donde todos los datos de la empresa se almacenan en una ubicación central.

Los data marts dependientes se basan en la información extraída de los almacenes de datos empresariales. El nivel más bajo de datos en un almacén de datos empresarial se denomina datos granulares y actúa como el único punto de referencia para todos los data marts dependientes creados.

El proceso de extracción implica reestructurar los datos del almacén empresarial y cargarlos en el data mart solicitante para su consulta. El proceso utiliza una vista lógica, que es una tabla virtual que no está físicamente separada del almacén o un subconjunto físico. Los datos extraídos son una base de datos físicamente separada del almacén de datos corporativo.

2. Mercados de datos independientes

Los data marts independientes son sistemas independientes que no están conectados a almacenes de datos. Los datos se extraen de fuentes internas o externas y se cargan en el repositorio independiente de data mart para utilizarlos en el análisis según sea necesario. Estos mercados de datos se centran estrictamente en una función empresarial o área temática específica.

Los data marts independientes son adecuados para pequeñas empresas porque son fáciles de configurar. Sin embargo, a medida que la empresa crece, la gestión puede volverse más compleja asignando una herramienta y lógica ETL adecuada para cada sistema.

3. Mercados de datos híbridos

Los data marts híbridos combinan fuentes de datos primarias de un almacén de datos existente y otras fuentes de datos externas. El estilo coherente de data mart híbrido se beneficia de la velocidad y del enfoque de arriba hacia abajo centrado en el usuario final, así como de la integración en toda la empresa del enfoque ascendente de data mart independiente.

Estructuras de data mart

Una estructura de data mart es una base de datos relacional orientada a temas que almacena datos en tablas (filas y columnas) que son más fácilmente accesibles, organizadas y comprensibles. Los campos de datos pueden hacer referencia a uno o más objetos.

Los mercados de datos están estructurados en un esquema multidimensional que sirve como modelo para el análisis de datos por parte de los usuarios de la base de datos. Las tres estructuras o esquemas principales para los data marts son estrella, copo de nieve y bóveda.

1ra estrella

El esquema en estrella es un diseño que se asemeja a una forma de estrella y consta de tablas de hechos que hacen referencia a tablas de dimensiones en una base de datos relacional. La tabla de hechos se coloca en el centro de la estrella y hace referencia a un conjunto de métricas relacionadas con un proceso específico.

El esquema en estrella requiere menos conexiones al escribir consultas porque no hay dependencias entre las tablas de dimensiones. El Proceso de solicitud de ETL lo hace extremadamente eficiente para acceder y navegar por grandes cantidades de datos. Debido a estas ventajas, los esquemas en estrella se utilizan ampliamente en la mayoría de los sistemas de tecnología de la información.

2. copo de nieve

Un esquema Snowflake amplía el modelo Star Schema con tablas de dimensiones adicionales que están normalizadas para proteger la integridad de los datos y minimizar la redundancia de datos. La principal ventaja del esquema Snowflake es que requiere menos espacio para las tablas de dimensiones.

Sin embargo, mantener una estructura de copo de nieve es difícil porque es necesario completar y sincronizar varias tablas. Esto también afecta negativamente al rendimiento debido a la necesidad de tablas de dimensiones adicionales.

3. Seguro

El esquema de Vault permite a los usuarios diseñar almacenes de datos empresariales ágiles. Es una técnica de modelado de bases de datos bastante moderna. El esquema de bóveda es una estructura de múltiples capas centrada en la agilidad y la escalabilidad.

Justificación de la creación de data marts

• Proporciona acceso fácil y rápido a los datos solicitados periódicamente.
• Mejora el tiempo de respuesta del usuario final
• En comparación con un almacén de datos, crear un data mart es más fácil y económico
• Debido a su menor tamaño en comparación con un almacén de datos, es más flexible a los cambios.
• Contiene los datos más relevantes e importantes.
• Fácil navegación y consulta.
• Almacena datos segmentados almacenados en diferentes plataformas de software y permite derechos de control de acceso granulares

Posibles usos de los data marts

• Acceso eficiente a la información.: Es más eficiente acceder a datos específicos en un data mart que sea relevante para las necesidades en tiempo real. Los data marts contienen un subconjunto de información del almacén de datos, lo que permite recuperar la información de forma rápida y sencilla.
• Alternativa rentable a los almacenes de datos: Es más rentable crear y diseñar un data mart independiente que un almacén de datos, especialmente cuando se trata de pequeñas empresas o proyectos con conjuntos de datos más pequeños. Configurar un data mart es una fracción del costo en comparación con configurar un almacén de datos.
• Mayor eficiencia de procesamiento: El uso de data marts dependientes e híbridos reduce la sobrecarga de procesamiento de los almacenes de datos, mejorando así el rendimiento. Una instalación de procesamiento separada para los dos mercados de datos ayudará a reducir los costos de procesamiento de análisis.
• Mantenimiento de datos eficiente: Es más fácil mantener un data mart ya que accede a información más sencilla y clara. Además, un data mart requiere menos espacio de almacenamiento, lo que es más fácil de mantener. Diferentes unidades de negocio pueden gestionar y poseer sus propios datos.
• Implementación más rápida: La configuración de un data mart requiere un pequeño subconjunto de datos, a diferencia de los importantes costos de instalación que supone un almacén de datos que contiene una gran colección de datos externos e internos.
• Inteligencia de Negocio: Los data marts permiten obtener información más rápida sobre la información estratégica contenida en un almacén de datos. La inteligencia empresarial beneficia a la empresa a través de un acceso acelerado a la información y una productividad potencialmente mayor.
• Analítica: Es más fácil realizar un seguimiento de los indicadores clave de rendimiento a través de un mercado de datos.

Mercado de datos y computación en la nube

El auge del big data en las empresas está marcando el futuro del almacenamiento de datos en la computación en la nube. A medida que más almacenes de datos se trasladen a la nube, los mercados de datos también se trasladarán. La computación en la nube les brinda acceso a datos rápidamente escalables.

Las plataformas basadas en la nube pueden facilitar la consolidación de todos los datos en un repositorio que contenga todos los data marts. Ofrecen almacenamiento eficiente, fácil acceso en tiempo real y análisis de datos eficiente, así como ahorro de costos. Las tecnologías modernas pueden separar el almacenamiento de datos de la potencia informática, permitiendo la máxima escalabilidad para la recuperación de datos.

Las plataformas de almacenamiento basadas en la nube permiten el almacenamiento de grandes cantidades de datos y también permiten un acceso y análisis de información fácil y eficiente. Además, permiten la creación y el intercambio de datos sin problemas. Las plataformas de almacenamiento basadas en la nube pueden crecer de manera sostenible a medida que los conjuntos de datos aumentan. Se pueden crear estructuras de datos transitorias y de largo plazo para permitir análisis a corto y largo plazo.

A continuación se detallan algunos de los beneficios de los data marts basados ​​en la nube:

• Eficiencia de almacenamiento y accesibilidad
• Un único repositorio puede contener todos los data marts
• Acceso en tiempo real a la información.
• La arquitectura basada en la nube es flexible e incluye aplicaciones nativas de la nube.
• Consumo de recursos según sea necesario
• Análisis interactivo
• La consolidación de recursos reduce los costos

Lecturas relacionadas

Gracias por leer la guía de Finanzas sobre Data Mart. Para continuar aprendiendo y desarrollando su base de conocimientos, explore los siguientes recursos adicionales relevantes: