Bienvenida conceptos b谩sicos y contexto hist贸rico de las Bases de Datos

1

Bienvenida conceptos b谩sicos y contexto hist贸rico de las Bases de Datos

2

Playground: tu primera consulta en bases de datos

Introducci贸n a las bases de datos relacionales

3

Historia de las bases de datos relacionales

4

Qu茅 son entidades y atributos

5

Entidades de Platzi Blog

6

Relaciones

7

M煤ltiples muchos

8

Diagrama ER

9

Diagrama F铆sico: tipos de datos y constraints

10

Diagrama F铆sico: normalizaci贸n

11

Formas normales en Bases de Datos relacionales

12

Diagrama F铆sico: normalizando Platziblog

RDBMS (MySQL) o c贸mo hacer lo anterior de manera pr谩ctica

13

Instalaci贸n local de un RDBMS (Windows)

14

驴Qu茅 es RDB y RDBMS?

15

Instalaci贸n local de un RDBMS (Mac)

16

Instalaci贸n local de un RDBMS (Ubuntu)

17

Clientes gr谩ficos

18

Servicios administrados

SQL hasta en la sopa

19

Historia de SQL

20

DDL create

21

Playground: CREATE TABLE

22

CREATE VIEW y DDL ALTER

23

DDL drop

24

Playground: VIEW, ALTER y DROP en SQL

25

DML

26

Playground: CRUD con SQL

27

驴Qu茅 tan standard es SQL?

28

Creando Platziblog: tablas independientes

29

Creando Platziblog: tablas dependientes

30

Creando Platziblog: tablas transitivas

Consultas a una base de datos

31

驴Por qu茅 las consultas son tan importantes?

32

Estructura b谩sica de un Query

33

SELECT

34

Playground: SELECT en SQL

35

FROM y SQL JOINs

36

Utilizando la sentencia FROM

37

Playground: FROM y LEFT JOIN en SQL

38

WHERE

39

Utilizando la sentencia WHERE nulo y no nulo

40

Playground: Filtrando Datos con WHERE

41

GROUP BY

42

ORDER BY y HAVING

43

Playground: Agrupamiento y Ordenamiento de Datos

44

El interminable agujero de conejo (Nested queries)

45

驴C贸mo convertir una pregunta en un query SQL?

46

Pregunt谩ndole a la base de datos

47

Consultando PlatziBlog

48

Playground: Prueba Final con PlatziBlog

Introducci贸n a la bases de datos NO relacionales

49

驴Qu茅 son y cu谩les son los tipos de bases de datos no relacionales?

50

Servicios administrados y jerarqu铆a de datos

Manejo de modelos de datos en bases de datos no relacionales

51

Top level collection con Firebase

52

Creando y borrando documentos en Firestore

53

Colecciones vs subcolecciones

54

Recreando Platziblog

55

Construyendo Platziblog en Firestore

56

Proyecto final: transformando tu proyecto en una db no relacional

Bases de datos en la vida real

57

Bases de datos en la vida real

58

Big Data

59

Data warehouse

60

Data mining

61

ETL

62

Business intelligence

63

Machine Learning

64

Data Science

65

驴Por qu茅 aprender bases de datos hoy?

Bonus

66

Bases de datos relacionales vs no relacionales

67

Elegir una base de datos

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Data warehouse

59/67
Recursos

Data Warehouse trata de guardar cantidades masivas de datos para la posteridad. All铆 se guarda todo lo que no est谩 viviendo en la aplicaci贸n pero es necesario tenerlo.
Debe servir para guardar datos por un largo periodo de tiempo y estos datos se deben poder usar para poder encontrar cuestiones interesantes para el negocio.

Aportes 102

Preguntas 10

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

La informaci贸n ingresada al Data Warehouse debe pasar por el proceso ETL (Extract, Transform and Load). Este proceso que se explica con m谩s detalle en otro art铆culo. Como se comenta m谩s arriba la informaci贸n ingresada al Data Warehouse debe ser integrada y limpia, objetivo que se logra a trav茅s del proceso ETL.

referencia鈥
Data Werehouse

En primer lugar, DW no es un producto que pueda ser comprado en el mercado, sino m谩s bien un concepto que debe ser construido. DW es una combinaci贸n de conceptos y tecnolog铆a que cambian significativamente la manera en que es entregada la informaci贸n a la gente de negocios. El objetivo principal es satisfacer los requerimientos de informaci贸n internos de la empresa para una mejor gesti贸n, con eficiencia y facilidad de acceso.

El DW puede verse como una bodega donde est谩n almacenados todos los datos necesarios para realizar las funciones de gesti贸n de la empresa, de manera que puedan utilizarse f谩cilmente seg煤n se necesiten.

Diferencia de Big Data y Data Warehouse

Supongamos que est谩 la biblioteca central, donde se guardan todos los documentos hist贸ricos existentes para consultarlos de vez en cuando, ese seria el Data Warehouse.
Ahora imag铆nate esa misma biblioteca pero est谩 tiene una cantidad masiva de libros que no son hist贸ricos, sino actuales, que te sirven y los puedes consultar m谩s a menudo en comparaci贸n con el caso de los libros hist贸ricos de a帽os muy pasados, ese seria el Big Data.

Hola, comparto esta informaci贸n con el fin de evitar confusiones que se pueden dar al ver esta clase.

Yo trabaj茅 por 12 a帽os en un departamento de Business Intelligence en una aerol铆nea muy grande en latinoam茅rica, ahi construiamos el Data Warehouse Corporativo y con esa experiencia les puedo asegurar que un Data Warehouse no solo tiene datos hist贸ricos, aunque el mayor valor reside en tener la capacidad de consultar volumenes grandes de informaci贸n, tambi茅n puede contener informaci贸n a futuro como presupuestos, venta que a煤n no ha sido materializada, etc.

El DW no es un repositorio para consulta hist贸rica, o backups, sino que su prop贸sito es habilitar la toma de decisiones basadas en datos y para esto contiene datos de diferentes sistemas, organizados de tal forma que permite la consulta r谩pida de grandes vol煤menes de datos (hist贸ricos o no hist贸ricos) con prop贸sitos anal铆ticos, estos prop贸sitos dif铆cilmente pueden lograrse con dise帽os normalizados.

El dise帽o de un Data Warehouse requiere muchos conocimientos espec铆ficos de la materia, que no se pueden cubrir si solamente conocemos el modelado de bases de datos para aplicaciones (normalizados), por lo que si ser铆a muy bueno tener un curso espec铆fico de Dimensional Modeling en Platzi! Dimensional Modeling es la mejor t茅cnica de dise帽ar Data Warehouses. Ac谩 dejo el libro de referencia para aprender Dimensional Modeling https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/books/data-warehouse-dw-toolkit/

Ojo que hay dos grandes escuelas: Bottom-up o enfoque de Kimball y Top-down o enfoque de Inmon, ambos con sus ventajas y desventajas. Y ambos con soluciones muy diferentes por lo que es necesario conocer el enfoque del autor para evitar confusiones cuando consultamos informaci贸n. Aqu铆 un art铆culo muy breve que habla sobre ambos enfoques https://dwbimaster.com/bottom-up-vs-top-down-approach-in-data-warehouse/

Dejo ac谩 tambi茅n el link de The Data Warehouse Institute que es la organizaci贸n l铆der a nivel mundial sobre Data Warehousing. https://tdwi.org/Home.aspx

Un Data Warehouse es una colecci贸n de datos

  • orientada a sujetos
  • integrada
  • variante en el tiempo
  • no vol谩til

que soporta el proceso de toma de decisiones. Un Data Warehouse soporta procesamiento inform谩tico,
brindando una s贸lida plataforma de datos hist贸ricos, integrados, de los cuales hacer an谩lisis.

Encontre esta empresa que da un servicio de data warehouse
y te regalan su ebook gratuito para entender el data warehouse

Click aqui

Data Warehouse: Almac茅n de datos, se utiliza para almacenar grandes cantidades de datos de manera hist贸rica una de las tipos de base de datos que se utiliza es big table o big Query.

Entre mas avanzo m谩s me emociono

Data Warehouse
Satisfacen la necesidad de guardar masivas cantidades de datos hist贸ricos, lo que se conoce como archivo muerto, es decir son un almac茅n de datos. Tienen el fin analizar el historial de datos y generar conclusiones interesantes
Ejemplos

  • Big Table 鈫 se guardan los datos en una sola tabla (Google)
  • Big Query 鈫 almacena gran cantidad de datos optimizados para querys

Una curiosidad, que base de datos utilizaran aqui en platzi?, porque manejan bastante informacion con los posts, foro, blog, etc

Un data warehouse es un repositorio unificado para todos los datos que recogen los diversos sistemas de una empresa y que puede ser f铆sico o l贸gico.

Vale, entonces pr谩cticamente un Data Warehouse es la base de datos en la que podemos guardar informaci贸n que ya rara vez es usada, me gustar铆a saber c贸mo interactua esto con las demas porque seguramente cuando necesitemos algo de ah铆 necesitaremos sacarla a la base de datos principal no?

Desde un enfoque empresarial, un DW es un deposito de datos hist贸rico, integrado con distintas fuentes de datos para obtener informaci贸n que de alguna forma explique el comportamiento de nuestros datos.
Se agregan ciertos indicadores de rendimiento KPI鈥檚 y metricas que nos permitan controlar y de alguna forma gestionar el negocio.

Data Warehouse trata de guardar cantidades masivas de datos para la posteridad. All铆 se guarda todo lo que no est谩 viviendo en la aplicaci贸n pero es necesario tenerlo.
Debe servir para guardar datos por un largo periodo de tiempo y estos datos se deben poder usar para poder encontrar cuestiones interesantes para el negocio.

Otro concepto importante que se deriva del Data Warehouse es el Data Mart el cual se define como una parte de una base de datos orientados a un 谩rea del negocio espec铆fica dentro de una organizaci贸n.

Algo curioso que encontr茅, y del cual no ten铆a conocimiento alguno es el DATA LAKE, el cual contiene todos los datos de una organizaci贸n sin procesar y sin estructura, y puede almacenar los datos indefinidamente, para uso inmediato o futuro.

En cambio DATA WAREHOUSE contiene datos estructurados que se han limpiado y procesado, listos para un an谩lisis estrat茅gico basado en necesidades comerciales predefinidas.

No ten铆a idea de que Google guardara su informaci贸n en una sola gran tabla, es algo que me parece muy desconcertante, dado que estoy acostumbrada al uso de varias tablas por aplicaci贸n.
As铆 que me parece interesante c贸mo es que ellos logran organizar todos esos datos de millones y millones de usuarios en una sola tabla. Es una locura!! Genial!!

Data Warehouse: Un gran almac茅n de datos donde guardas todo archivo que ya no es muy reciente en tu aplicaci贸n. Es una bodega de respaldo

Apuntes: El Data Warehouse se usa para almacenar grandes cantidades de datos como hist贸ricos, osea data muerta o que ya no es tan relevante en el momento actual, ademas de permitir mantener esa informaci贸n por mucho tiempo, debe permitir hacer consultas sobre ese hist贸rico

**Data Warehouse: **Almacenar y conservar grandes volumenes de datos, que no se utilizan frecuentemente pero si es necesario para conocer informaci贸n historica, nos permite tener una bodega de alamcenaje y consulta.
BigQuery: Columnar, permite conocer informaci贸n hist贸rica y de tipo predictivo.

una lectura interesante sobre el ** BIG DATA** Y DATA WAREHOUSE**
https://www.powerdata.es/data-warehouse

Cuanto mas habla el profesor en las clases de BigQuery mas ganas me dan de hacerme un curso bien a fondo.

Cada vez me gusta m谩s este tema de la ciencia de datos.

驴Alguien m谩s pens贸 en esto:

Big data = RAM
Data warehouse = Disco

?

Data Warehouse: Trata de guardar cantidades masivas de datos para posteridad. Alli se guarda todo lo que esto esta viviendo en la aplicacion pero es necesario tenerlo. Debe servir para guardar datos por un largo periodo de tiempo y estos datos se deben poder usar para poder encontrar cuestiones interesantes para el negocio. A diferencia de big data que se trata de almacenar muchisimos datos de la forma mas rapida posible, esta se trata de almacenar los datos y dejarlos alli alojado, ademas estos pueden ser tanto fisico como logicos.

BigTable
Bigtable es ideal para almacenar cantidades grandes de datos con una sola clave y con una latencia muy baja. Admite una capacidad alta de procesamiento de lectura y escritura con baja latencia

Cloud BigTable Google

Un ejemplo que puede reflejar este caso es los experimentos en el LHC (Gran colisionador de hadrones), que recejo miles de datos y par谩metros de todos los sensores, CERN registra de media un petabyte de informaci贸n por d铆a y no toda la informaci贸n es guardada, esto se puede considerar Big Data.

Pero tiempo despu茅s estos datos son almacenados en bancos de datos inmensos y consultados si son necesarios, pasando a ser Data warehouse( actualmente tiene mas de 200 petabytes de datos).

Un caso de uso que hicimos en el trabajo fue cubrir la sensorizacion(INTERNET DE LAS COSAS) el茅ctrica de una gran el茅ctrica de mi pais, la tasa de introducci贸n de registros en big table era realmente incre铆ble

Almacenamiento de cantidades masivas de informaci贸n, la cual no se usa recientemente.

Un Data Warehouse o Almac茅n de Datos, es una gran base de datos, normalmente medida en gigabytes (miles de millones de caracteres) o terabytes (billones de letras), que recoge informaci贸n de m煤ltiples fuentes, y que su actividad se centra en la Toma de Decisiones, es decir, en el an谩lisis de la informaci贸n, en vez de su captura.

44. Mis apuntes sobre: 鈥淒ata Warehouse鈥

Trata de gigantescas cantidades de datos guardados 鈥渁rchivos muertos鈥, guardarlos
en cierto orden. Google utiliza BigTable [una sola tabla], no sirve mucho para hacer
consultas. Tambi茅n existe BigQuery.
2 caracter铆stica: Guardar los datos de manera permanente y poder extraer los datos.

Data Warehouse

Almacenamiento de una gran cantidad de datos inactivos. Base de datos tipo columnar.
Permite consultar sobre los 鈥渁rchivos muertos鈥.

Me gustan estos aportes del profesor, no todo es select, inner join, update, etc. los conceptos generales de las BD ayudan a entender el universo de este medio.

Big Table???

Excelente informaci贸n.

隆Convencido, aprender茅 Google Cloud! Por los servicios, funcionalidades y herramientas que ofrece.

驴Cuando se decide que una informaci贸n de una gran base de datos pasa a ser de Data warehouse?

Una bodega de datos puede almacenar datos de diversas fuentes. Pero antes de esto, dichos datos tienen que transformarse.

super interesante!..
鈽呪槄鈽呪槄鈽

Excelente explicacion

Big Query???

Emocionante!!!

Data Warehouse -> es una base de datos para llevar informaci贸n hist贸rica, que se 谩gil, flexible y f谩cil de consultar

interesante

Data warehaouse: guardar un 馃敟chinguili贸n馃敟 (muchos millones) de datos en largos periodos de tiempo

Un data warehouse es un sistema de almacenamiento y gesti贸n de datos dise帽ado para permitir el an谩lisis de grandes cantidades de informaci贸n de manera eficiente. Es una base de datos centralizada que se utiliza para recopilar, organizar y analizar datos de diferentes fuentes para apoyar la toma de decisiones empresariales.

Data Warehouse: A manera practica, conozco un caso de uso de la siguiente empresa https://landing.simetrik.com/ que usa Snowflake para almacenar toda la informaci贸n historica de millones de transacciones bancarias, pero lo bonito es que con su aplicaci贸n, mantienen analisis constante y reportes para sus clientes, y no queda esa gran informaci贸n como un archivo muerto.

Ahora la pregunta es 鈥
Como consulto esos warehouses .

En resumen, la principal diferencia entre Big Data y Data Warehouse es el tipo de datos que se manejan y c贸mo se manejan. Big Data se refiere a la gesti贸n y an谩lisis de grandes conjuntos de datos no estructurados y de diversas fuentes, mientras que Data Warehouse se refiere a un sistema de gesti贸n de bases de datos que se utiliza para almacenar datos hist贸ricos estructurados en una ubicaci贸n centralizada. Aunque ambos conceptos est谩n relacionados con el an谩lisis de datos, se utilizan para diferentes prop贸sitos y requieren diferentes enfoques y tecnolog铆as para su gesti贸n y an谩lisis.

Los data warehouses se dise帽an para soportar la consulta y el an谩lisis de grandes vol煤menes de datos, y se optimizan para ofrecer un rendimiento r谩pido y eficiente. Los data warehouses tambi茅n se pueden utilizar para almacenar datos hist贸ricos y para realizar an谩lisis temporal, lo que permite a los usuarios ver c贸mo los datos han cambiado con el tiempo.

Data warehouse


Guardar almacenamiento masivo de datos. Post de facebook, entran muchos por cada segundo, pero no todos se quedan en la base de datos principal.
Lo guardamos en un data warehouse, esta informaci贸n que ya no esta viviendo (archivo muerto) pero que no lo podemos perder.

  • Big table es una sola taba que busca muchos de los servicios de google. sin embargo no sirve mucho para hacer consultas.

Buen data warehouse, alamcenar gran cantidad de data y extraerlos para analizarlos, big queri

data warehouse
Un data warehouse es un repositorio unificado para todos los datos que recogen los diversos sistemas de una empresa. El repositorio puede ser f铆sico o l贸gico y hace hincapi茅 en la captura de datos de diversas fuentes sobre todo para fines anal铆ticos y de acceso.

Normalmente, un data warehouse se aloja en un servidor corporativo o cada vez m谩s, en la nube. Los datos de diferentes aplicaciones de procesamiento de transacciones Online (OLTP) y otras fuentes se extraen selectivamente para su uso por aplicaciones anal铆ticas y de consultas por usuarios.

Data Warehouse es una arquitectura de almacenamiento de datos que permite a los ejecutivos de negocios organizar, comprender y utilizar sus datos para tomar decisiones estrat茅gicas. Un data warehouse es una arquitectura conocida ya en muchas empresas modernas.

Estructuras de un Data Warehouse
La arquitectura de un data warehouse puede ser dividida en tres estructuras simplificadas: b谩sica, b谩sica con un 谩rea de ensayo y b谩sica con 谩rea de ensayo y data marts.

Con una estructura b谩sica, sistemas operativos y archivos planos proporcionan datos en bruto que se almacenan junto con metadatos. Los usuarios finales pueden acceder a ellos para su an谩lisis, generaci贸n de informes y miner铆a.
Al a帽adir un 谩rea de ensayo que se puede colocar entre las fuentes de datos y el almac茅n, 茅sta proporciona un lugar donde los datos se pueden limpiar antes de entrar en el almac茅n. Es posible personalizar la arquitectura del almac茅n para diferentes grupos dentro de la organizaci贸n.
Se puede hacer agregando data marts, que son sistemas dise帽ados para una l铆nea de negocio en particular. Se pueden tener data marts separados para ventas, inventario y compras, por ejemplo, y los usuarios finales pueden acceder a datos de uno o de todos los data marts del departamento.

Actualmente existe otro concepto llamado Data Lake y es importante tener presente que Data Lake y Data Warehouse no son lo mismo.

Data Lake Data Warehouse
Un lago de datos contiene todos los datos de una organizaci贸n sin procesar y sin estructura, y puede almacenar los datos indefinidamente, para uso inmediato o futuro. Un almac茅n de datos contiene datos estructurados que se han limpiado y procesado, listos para un an谩lisis estrat茅gico basado en necesidades comerciales predefinidas.
Los datos de un lago de datos, con su gran volumen de datos no estructurados, suelen ser utilizados por cient铆ficos e ingenieros de datos que prefieren estudiar los datos en su forma sin procesar para obtener informaci贸n comercial nueva y 煤nica. Los gerentes y los usuarios finales comerciales generalmente acceden a los datos de un almac茅n de datos que buscan obtener informaci贸n de los KPI comerciales, ya que los datos ya se han estructurado para proporcionar respuestas a preguntas predeterminadas para el an谩lisis.
An谩lisis predictivo, aprendizaje autom谩tico, visualizaci贸n de datos, BI, an谩lisis de big data Visualizaci贸n de datos, BI, an谩lisis de datos.

Tomado de. 馃憞馃徏
Para m谩s informaci贸n click ac谩

Nuevos conceptos aprendidos hoy:
DataWarehouse
Big Data
Big table

Encontr茅 este link que habla sobre el tema de Data Warehouse:

https://www.powerdata.es/data-warehouse

  • Data WareHouse es como una construccion de distintos conceptos:

  • Pasaron como Datos inmediatos, y cuando no se necesitan se almacenan para su posterior analisis. Es muy interesante y realmente todas las empresas pues deberian usar este concepto.

DATA WAREHOUSE

Almecenamiento de datos masivamente

Un data warehouse es un repositorio unificado para todos los datos que recogen los diversos sistemas de una empresa.

Resumen: Data Wharehouse son bases de datos que permiten almacenar grandes vol煤menes de datos hist贸ricos. Sirven para dos cosas principales: guardar datos de manera eterna, pr谩cticamente, y extraer esos datos para tratar de encontrar cuestiones interesantes para el negocio m谩s adelante. Ejemplo: big query (de tipo columnar), permite predecir el comportamiento con base en datos anteriores.

DATA WAREHOUSE
.
Es la disciplina que se encarga de guardar y manipular grandes 鈥渂odegas鈥 de datos. Las bases de datos utilizadas en esta disciplina tienen la particularidad que pueden guardar grandes vol煤menes de datos (datos hist贸ricos).
.
Una de las mas grandes aproximaciones es una base de datos interna utilizada por Google llamada Bigtable tiene la particularidad que es una sola gran tabla lo que lo convierte en un gran almac茅n de datos. Sin embargo no es muy util para hacer consultas query.
.
Data Warehouse es particularmente buscado para almacenar grandes vol煤menes de datos y poder hacer consultas sobre esta informaci贸n aplicando anal铆tica y BI.
.
Un Data Warehouse tiene que servir para 2 actividades principales
.
1 Poder guardar datos de manera eterna y grandes vol煤menes de datos.
.
2 Poder extraer los datos y hacer consultas. Y encontrar patrones interesantes para el negocio BI.
.
BigQuery es una soluci贸n para este tipo de disciplina que permite almacenar grandes vol煤menes de datos (es una base de datos de tipo columnar) y permite hacer queries no 煤nicamente en esta base de datos tambi茅n agregar fuentes de datos de multiples lugares y al final generar un producto de inter茅s predicciones o informes del estado del pasado de la empresa

  • El data warehouse se emplea para la informaci贸n o datos que no son tan recurrentes o necesitados. Guardando dicha informaci贸n como archivo muerto, donde dicha informaci贸n se guarda en grandes almacenes de datos.
    Sin embargo, se busca que cuando se requiera hacer cierto an谩lisis de dicha informaci贸n, se pueda acceder a ella sin problema.

Mucha y muy interesante informaci贸n.

Data warehouse

warehouse hace referencia a los almacenes gigantes donde se guardan cosas. Y Data Warehouse, se refiere al hecho de almacenar grandes cantidades de datos que no son consultados recurrentemente, pero es necesario mantenerlos en alg煤n lugar.

Big Table (aproximaci贸n a Data warehouse)

Se trata de guardar todos los datos en una solo tabla, pero esto no permite realizar consultas de forma tan eficiente.


En Data warehouse es importante poder realizar consultas para el negocio.

El Data Warehouse es una soluci贸n para Big Data que permite el almacenamiento de esos grandes volumenes de informaci贸n de manera masiva.

Te comparto m谩s informaci贸n sobre Data Warehouse. 馃挌
https://www.powerdata.es/data-warehouse

Data Warehouse: Datos almacenados en tiempo hist贸rico.

Saben si tenemos Alg煤n curos de ETL?

En las bases de datos no lo relacionales, como la que estuvimos viendo en videos anteriores, las consultas como funcionan exactamente?

Estaba pensando que los servidores DNS, deben trabajar con alg煤n tipo de bases de datos y la cantidad de informaci贸n que almacenan es gigante. Si alguien sabe del tema bueno que nos comente.

Wow mas que interesante, justo durante el curso me cuestionaba como es que hacia Youtube para poder almacenar tanto datos en video!

Muy bien explicado la diferencia entre BIG DATA y DATA WAREHOUSE.
BIGTABLE hay que estudiar.
BIGTABLE

Seria interesante la migracion de las datos antiguos a estas nuevas

C贸mo o d贸nde est谩n estos data warehouse? Servidor?

Excelente explicaci贸n sobre Data warehouse, ahora si entiendo para que sirve. 馃槂

En si warehouse debe guardar estos datos de forma persistente.

Se van abriendo cada vez m谩s las puertas de incre铆bles campos del conocimiento!

Woww todo en 1 sola tabla, c贸mo pueden luego sacar la informaci贸n de ah铆.

Los Data warehouse son 煤tiles para responder preguntas hist贸ricas

Es muy emocionante este mundo de los datos

Data Warehouse nos permite almacenar grandes vol煤menes de datos.

genial

Data Warehouse vs Big data -> diferencia.

Gracias

Hist贸rico de datos basicamente

Si entiendo bien, con el DW estamos hablando de arquitectura para almacenar informaci贸n.

Que tanta ventaja tiene esto vs la particion horizontal de tablas que tambien sirve para datos de 鈥渁rchivo muerto鈥?
y los querys siguen siendo transparentes

Alguien sabe la diferencia entre un Data lake y un Data Warehouse鈥???

Base de datos BigTable.

Base de datos BigQuery.

Data Warehouse. Actividades principales.

Data Warehouse. Consultas.

Las caracter铆sticas principales de un data warehouse son: almacenamiento y extracci贸n de datos.

Todo lo que esta el profe es incre铆ble, el mundo de los datos es algo que yo jam谩s me hab铆a cuestionado, pero es incre铆ble

Apuntes:
-Google usa BigTable, usa una sola tabla, pero no sirve tanto para hacer consultas
-Data Warehouse es un archivo historico, archivo muerto, en otra base de datos. Sirve para dos actividades principales: Guarda una gran cantidad de datos de forma 鈥渆terna鈥 y Poder extraer los datos para hacer analitica. BigQuery es muy utilizado