Una base de
datos multidimensional (MDB) es un tipo de base de datos que se ha optimizado
para data warehouse y aplicaciones de procesamiento analítico en línea (OLAP).
Las bases de datos multidimensionales se crean con frecuencia usando entradas
de las bases de datos relacionales existentes. Mientras que a una base de datos
relacional se accede normalmente mediante una consulta de Lenguaje de Consulta
Estructurado (SQL), una base de datos multidimensional permite a un usuario
hacer preguntas como: "¿Cuántas Aptivas se han vendido en Nebraska en lo
que va del año?" y cuestiones similares relacionadas a resumir operaciones
y tendencias de negocios. A una aplicación OLAP que accede a los datos desde
una base de datos multidimensional se le conoce como una aplicación MOLAP (OLAP
multidimensional).
Ventajas y
desventajas de una base de datos multidimensional
Una base de
datos multidimensional presenta varias ventajas:Utiliza un espacio en disco
menor porque está comprimido y no utiliza la
indexación para buscar datos.
Tiene mejores
prestaciones sirviendo necesidades al usuario ya que los datos agregados son
precalculados y el formato de almacenamiento reduce el número de operaciones de
entrada y salida.
Garantiza un
rendimiento superior porque se modelan teniendo en cuenta sólo los requisitos
de un solo grupo de usuarios.
Soporta un
acceso, directo, eficiente y rápido a los datos.
Sin embargo, una
base de datos multidimensional también tiene desventajas:
El tiempo de
procesamiento de los datos es alto ya que los datos agregados deben
recalcularse cuando se actualizan las fuentes de datos operacionales.
La escalabilidad
disminuye a medida que aumenta el número de dimensiones o cuando la base de
datos es muy grande.
La flexibilidad
de una base de datos multidimensional es muy baja.
El alcance del diseño
es limitado, por lo tanto, a medida que aumenta el número de grupos de usuarios
cuyos requerimientos deben ser tomados en cuenta, el modelo corre el riesgo de
fallar.
Ejemplos 1 (BRISTOL-MYERS)
La farmacéutica estadounidense Bristol-Myers
Squibb redujo en un 98% el tiempo que se tarda en ejecutar simulaciones de
ensayos clínicos mediante la implementación de un entorno de red alojado
internamente en los sistemas cloud de AWS (Amazon Web Services). Además, la
compañía también ha sido capaz de optimizar los niveles de dosificación de los
medicamentos, hacer que éstos sean más seguros y que los ensayos clínicos
requieran un menor número de muestras de sangre de los pacientes. Dado que el
tema de los ensayos clínicos se refieren a datos muy sensibles, Bristol-Myers
Squibb construyó una pasarela encriptada para conectarse a los sistemas de
Amazon y se configuró un entorno de nube privada virtual para aislar los datos
y mantenerlos en privado.
Antes de pasar a la
nube, los científicos utilizaban un entorno interno compartido, por lo que
fueron necesarias 60 horas para la migración, teniendo en cuenta que la empresa
tiene cientos de puestos de trabajo. Ahora que cada científico tiene un entorno
dedicado, el sistema puede procesar 2.000 instrucciones en poco más de una
horas sin causar impacto en los otros miembros del equipo. Como resultado de
estos cambios, Bristol-Myers Squibb fue capaz de reducir el número de sujetos
necesarios para un ensayo clínico de un producto pediátrico de 60 a 40, al
tiempo que acortaba la duración del estudio en más de un año.
Ejemplo 2 (THE WEATHER COMPANY E IBM)
Una reciente joint venture
entre The Weather Company e IBM permitirá gestionar mejor el impacto del clima
sobre el rendimiento de un negocio. Y es que, según afirma la empresa de
meteorología, el clima tiene un impacto económico de medio billón de dólares al
año sólo en los EEUU.
Los datos sobre
climatología están siendo recogidos por más de 100.000 sensores y aviones
meteorológicos, así como millones de teléfonos inteligentes, edificios y
vehículos en movimiento. Esos datos se combinan con los de otras fuentes para
lograr 2,2 millones de puntos de pronóstico únicos, y un promedio de más de 10
mil millones de pronósticos del tiempo en un día activo. Datos que las empresas
dirigidas al consumidor final pueden utilizar para ajustar sus necesidades de
personal y sus cadenas de suministro, las energéticas para mejorar su oferta y
conocer la previsión de la demanda, y las compañías de seguros para advertir a
los titulares de pólizas que incluyan daños por condiciones climáticas severas
(logrando con ello minimizar la posibilidad de daños en sus coches en caso de
una tormenta de granizo, por ejemplo).bibliográfia:
http://www.ticbeat.com/empresa-b2b/casos-exito-aplicacion-big-data/4/
http://searchdatacenter.techtarget.com/es/definicion/Base-de-datos-multidimensional-MDB
https://blog.powerdata.es/el-valor-de-la-gestion-de-datos/rol-de-la-base-de-datos-multidimensional-en-las-organizaciones-modernas
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-56092006000300016
No hay comentarios:
Publicar un comentario