{"id":991,"date":"2018-03-23T15:11:27","date_gmt":"2018-03-23T15:11:27","guid":{"rendered":"http:\/\/matrixcpmsolutions.com?p=991"},"modified":"2018-07-23T15:12:44","modified_gmt":"2018-07-23T15:12:44","slug":"los-datos-de-tableau-data-warehouse-en-vivo-extracto","status":"publish","type":"post","link":"https:\/\/matrixcpmsolutions.com\/es\/los-datos-de-tableau-data-warehouse-en-vivo-extracto\/","title":{"rendered":"Los datos de Tableau: \u00bfData warehouse? \u00bfen vivo? \u00bfextracto?"},"content":{"rendered":"
\n
\n

En nuestras actividades de preventa y presentaciones de Tableau siempre surge la pregunta:<\/p>\n

\u00bfY el datawarehouse?\u00a0<\/b><\/p>\n

La verdad, hay una concepci\u00f3n conservadora respecto a d\u00f3nde residir\u00e1n los datos que las organizaciones necesitan analizar. Tradicionalmente, los datos han sido movidos desde los sistemas transaccionales hasta bases donde los datos se estructuran para analizarlos (Data Warehouse). Este tipo de modelos persiguen tres objetivos: 1) integrar datos heterog\u00e9neos que puedan provenir de diferentes fuentes, 2) aislar los datos del manejador transaccional para no degradar su desempe\u00f1o y 3) estructurar los datos de manera adecuada para su an\u00e1lisis. Para el transporte de los datos de una base de datos a la otra se utiliza una herramienta de extracci\u00f3n, transformaci\u00f3n y carga de datos o ETL por sus siglas en ingl\u00e9s:<\/p>\n

\"captura-de-pantalla-2016-10-23-15-00-58\"<\/a><\/p>\n

Por su parte, Tableau permite la conexi\u00f3n directa a diferentes fuentes de datos e incluso la combinaci\u00f3n de datos entre estas diversas fuentes a trav\u00e9s de su funcionalidad de \u201cdata blending\u201d, esto se puede hacerse en modalidad de conexi\u00f3n en vivo o, a trav\u00e9s de un extracto, resultante de la copia de datos que hace Tableau desde las fuentes a una estructura de datos local. Este extracto ofrece la importante ventaja de ser un arreglo \u00f3ptimo para la consulta y an\u00e1lisis (v\u00e9ase: formato columnar) y que cuantiosas cantidades de registros, puedan copiarse a archivos locales de extractos comprimidos que ocupan muy poco espacio:<\/p>\n

\"captura-de-pantalla-2016-10-23-15-01-10\"<\/a><\/p>\n

En algunas implantaciones es a\u00fan requerido el desarrollo de ETLs para poder consolidar los datos a analizar, esto debido a la complejidad de las fuentes, reglas de negocio m\u00e1s elaboradas o necesidades particulares de planificiaci\u00f3n para la lectura, transformaci\u00f3n y carga de los datos. En este caso, el data warehouse ser\u00e1 la fuente de datos principal de Tableau y por supuesto, podemos seguir tomando ventaja del extracto que nos povee alto rendimiento y data offline:<\/p>\n

\"captura-de-pantalla-2016-10-23-15-01-21\"<\/a><\/p>\n

Cuando el volumen de datos que maneja la organizaci\u00f3n es muy elevado, se hace necesaria la incoporaci\u00f3n de una base de datos columnar (anal\u00edtica) en la arquitectura de la soluci\u00f3n. Esto optimiza la estructura de datos a nivel de servidor y mejora el rendimiento de Tableau. En este caso, la conexi\u00f3n de Tableau ser\u00e1 en vivo hacia la base de datos anal\u00edtica porque all\u00ed ya se encuentran los datos en formato columnar, sin embargo, aun es opci\u00f3n el tomar el extracto de datos si se desea disponer de estos tras la desconexi\u00f3n de la fuente (data offline):<\/p>\n

\"captura-de-pantalla-2016-10-23-15-01-35\"<\/a><\/p>\n

\u00bfY Tableau Server?\u00a0<\/b><\/p>\n

\u00a1Claro!, la buena noticia es que todos estos escenarios aplican a Tableau Server. Tanto las conexiones en vivo como por extracto pueden funcionar para las diferentes visualizaciones y contenidos, con lo cual se abre una interesante gama de opciones, por cierto no necesariamente excluyentes. El negocio podr\u00eda contar en algunos casos con visualizaciones Tableau conectadas en vivo porque desean ver el comportamiento de la organizaci\u00f3n en tiempo real y en otros casos con fuentes de datos ya estructuradas para el an\u00e1lisis que provean mejor rendimiento y mayores capacidades en t\u00e9rmino de volumen de datos manejado<\/p>\n

El siguiente gr\u00e1fico presenta cuatro escenarios que pueden ser v\u00e1lidos en su organizaci\u00f3n. Todo depender\u00e1 del modelo de datos que desee analizar y de consideraciones esenciales como el volumen de sus datos y el balance entre las necesidades del negocio y el desempe\u00f1o \u00f3ptimo de su soluci\u00f3n de inteligencia de negocios:<\/p>\n

\"captura-de-pantalla-2016-10-23-15-02-06\"<\/a><\/p>\n

El siguiente flujograma presenta una gu\u00eda pr\u00e1ctica de c\u00f3mo decidir cu\u00e1l es el escenario \u00f3ptimo para cada uno de los modelos de datos que la organizaci\u00f3n requiera analizar. Evidentemente,existir\u00e1n casos que ameriten consideraciones especiales, pero en t\u00e9rminos generales le permitir\u00e1 entender sus alternativas y aprovechar las ventajas de Tableau:<\/p>\n

\"captura-de-pantalla-2016-10-23-15-02-25\"<\/a><\/p>\n

Recuerde, lo m\u00e1s importante para que pueda dar el salto al mundo de la inteligencia empresarial es aprovechar las innovadoras y poderosas ventajas de tecnolog\u00edas actuales como la de Tableau y empezar ahora mismo.<\/p>\n

Deje de pelear con sus datos y anal\u00edcelos de una vez.<\/p>\n<\/div>\n