1) Reconocer que el trabajo será más duro de lo que se esperaba

inicialmente.

2) Conocer los datos en los sistemas origen.

3) Saber reconocer entidades equivalentes.

4) Usar metadatos como soporte a la calidad de los datos.

5) Seleccionar las herramientas ETL adecuadas.

6) Tomar ventaja de las fuentes externas.

7) Utilizar nuevos métodos de distribución de la información.

8) Centrarse en aplicaciones para uso en Marketing.

9) Enfatizar los primeros resultados positivos para ganar apoyo de la

organización.

10) No hay que infravalorar los requerimientos de Hardware.

DEFINIRExisten varios enfoques en este sentido:

Fábrica de información corporativa (CIF): incluyen ODS, data

Warehouse y data Marts, junto con otras varias interfaces de aplicaciones y, el

ambiente operacional, fue desarrollada por Bill Inmon, Claudia Imhoff, Ryan

Sousa.

Esquema en estrella: Este método replica las estructuras

multidimensionales de hechos, dimensiones, pero usa tablas de RDBMS,

específicamente tablas de hechos, tablas de dimensiones. Se dejan de lado las

reglas de normalización de base de datos y, se ponen los datos donde tienen

más sentido.

Data Vault (Arquitectura de modelado fundacional común -

CFIMA): Esta es una arquitectura de integración de datos que contiene una

base de datos orientada al detalle que contiene un conjunto de tablas

normalizadas únicamente enlazadas que soportan una o más áreas funcionales

de las tablas de negocio con tablas satélites para rastrear cambios históricos.

Este enfoque híbrido reúne lo mejor del cruce entre la tercera forma normal

(3NF).

Definir el mejor diseño físico para el modelo de datos. El diseño físico

debe estar orientado a generar buen rendimiento en el procesamiento

de consultas, a diferencia del modelo lógico que está orientado al

usuario y a la facilidad de consulta.

Definir los procesos de extracción, filtro, transformación de

información y, carga de datos que se deben implementar para poblar

ese modelo de datos.

Definir los procesos de administración de la información que

permanece en el data Warehouse.

Definir las formas de consultas a la información de la data Warehouse

que se le proporcionará al usuario. Para ello, debe considerarse la

necesidad de resolver un problema y la potencia de consulta

CONSEGUIR

Se refiere a Múltiples Fuentes,

orientadas a trabajo Batch: cagas de

estos sistemas son más fuertes

cuando los sistemas de producción

tienen poca carga, conectividad a

diferentes tecnologías, diferentes

manejadores de BDs.

DEPURAR

Se refiere a la manipulación de data

compleja, la reunión de diferentes

fuentes para la complementación de

reglas de negocio, limpiado,

ordenado y eliminando duplicidades

y adicionalmente optimizado para el

desempeño y para grandes

volúmenes.

TRANSFORMAR

Establecer una metodología de trabajo.

Establecer claramente el origen de los datos que se necesitan.

Identificar los dueños de la información de negocio.

Los dueños de la información deben contar con autoridad para

tomar decisiones en representación de la organización.

Comprometer recursos de negocio y técnicos con conocimiento

de los actuales sistemas y sus datos.

Comenzar a determinar la calidad de los datos de los actuales

sistemas.

Corregir o limpiar inconsistencias en estos sistemas, no es

bueno corregirlo durante la migración.

Archivar los datos históricos de los sistemas actuales antes de

comenzar la migración.

CARGAR