6 · BI y almacenes de datos
20 preguntas · cuatro opciones · una correcta · nivel inicial. Piensa tu respuesta y pulsa Corregir. Después lee las cuatro explicaciones: incluyen significados, usos y diferencias entre conceptos. No necesitas consultar teoría para aprovechar la corrección.
Las preguntas y opciones se barajan. Marca tus dudas y vuelve a intentarlo más tarde.
¿Qué significa BI y qué finalidad tiene?
- Business Intelligence: apoyar decisiones con información.
Correcta. La inteligencia de negocio transforma datos en información y conocimiento mediante exploración, análisis y comunicación de resultados.
- Business Inventory: registrar movimientos del almacén.
Los movimientos de inventario son datos operativos que BI puede analizar; no son el significado de Business Intelligence.
- Business Integration: conectar únicamente aplicaciones.
Integrar aplicaciones facilita obtener datos, pero BI se centra en analizarlos y convertirlos en conocimiento para decidir.
- Budget Information: elaborar solo el presupuesto anual.
Los presupuestos pueden analizarse con BI, pero su alcance incluye otros datos y decisiones del negocio.
Para situarlo: UT2 §3.4 · El BI: inteligencia de negocio. Temario de consulta opcional.
¿Qué relación existe entre ERP y BI?
- ERP analiza tendencias; BI registra las facturas diarias.
Intercambia los papeles principales: el ERP es operativo y BI añade la capacidad analítica, aunque una solución pueda incluir ambos.
- ERP registra operaciones; BI analiza datos para decidir.
Correcta. Son complementarios: el ERP aporta datos operativos y el BI puede combinarlos con otras fuentes y modelos analíticos.
- BI sustituye al ERP cuando se crea el primer informe.
Una herramienta analítica no reemplaza los procesos de compras, ventas o producción que registran los hechos.
- ERP integra datos; BI solo cambia su presentación visual.
El BI también transforma, explora y modela información. Sus gráficos no son un mero cambio estético del ERP.
Para situarlo: UT2 §3.4 · El BI: inteligencia de negocio. Temario de consulta opcional.
¿Qué asociación distingue OLTP y OLAP?
- OLTP: publicidad; OLAP: mantenimiento de ordenadores.
Ninguno de esos usos desarrolla el significado de las siglas.
- OLTP: análisis histórico; OLAP: registro de cobros.
Intercambia las finalidades transaccional y analítica.
- OLTP: transacciones; OLAP: análisis multidimensional.
Correcta. OLTP es Online Transaction Processing. OLAP es Online Analytical Processing. En línea no significa simplemente tener acceso a Internet: importa el tipo de trabajo.
- OLTP y OLAP: solo conexiones de Internet rápidas.
La diferencia es la carga de trabajo, no la velocidad ni la mera conexión.
Para situarlo: UT2 §3.4 · El BI: inteligencia de negocio. Temario de consulta opcional.
¿Cuál es un beneficio tangible del BI?
- Mejorar la confianza sin definir ningún ahorro concreto.
La confianza puede ser valiosa, pero se considera un beneficio intangible.
- Aumentar la intuición sin utilizar información.
BI se apoya en datos y análisis, no en abandonar la información.
- Impedir que los usuarios comprendan los resultados.
BI busca comunicar y facilitar decisiones, no dificultar la comprensión.
- Reducir el tiempo de preparación de informes.
Correcta. El ahorro de tiempo, la reducción de costes y la generación de ingresos son beneficios tangibles. Mejor fundamentación y confianza son intangibles.
Para situarlo: UT2 §3.4.1 · Beneficios del BI. Temario de consulta opcional.
Un supermercado factura 1.000 euros en 50 tickets. ¿Cuál es el ticket medio?
- 20 euros por ticket.
Correcta. Se divide el importe total entre el número de tickets: 1.000 / 50 = 20. No es la venta media por artículo ni el número de clientes únicos.
- 50 euros por ticket.
50 es el número de tickets; no el cociente entre ventas y tickets.
- 1.000 euros por ticket.
Es el total facturado, no su media por operación.
- 0,05 euros por ticket.
Ese valor procede de invertir la división: tickets entre euros.
Para situarlo: UT2 §3.4 · El BI: inteligencia de negocio. Temario de consulta opcional.
Caen las ventas de una tienda. ¿Qué distinción ayuda a interpretar la causa?
- Cambiar el logotipo frente a cambiar la contraseña.
Son posibles cambios de marca o seguridad, pero no descomponen la caída de ventas.
- Menos tickets frente a menor importe por ticket.
Correcta. La venta total depende del número de tickets y del ticket medio. Cada causa puede exigir actuaciones diferentes.
- Contar servidores frente a contar teclados.
No explica directamente la variación de actividad comercial.
- Ordenar nombres frente a ordenar direcciones postales.
Cambiar el orden de presentación no aporta una explicación económica.
Para situarlo: UT2 §3.4 · El BI: inteligencia de negocio. Temario de consulta opcional.
¿Qué significa DW en BI?
- Data Writer: base para registrar cada cobro de caja.
El registro cotidiano es transaccional, OLTP; el DW integra y conserva datos orientados al análisis.
- Document Warehouse: copia de seguridad de los servidores.
Una copia permite recuperar sistemas. Un DW tiene un modelo preparado para consultas y análisis históricos.
- Data Warehouse: almacén de datos para análisis.
Correcta. Integra información temática e histórica de diversas fuentes para apoyar decisiones, con cargas y mantenimiento controlados.
- Daily Workflow: panel con las ventas del día.
Un panel presenta información. El DW es el repositorio analítico que puede alimentarlo, no su representación visual.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
¿Qué significa que un DW sea temático e integrado?
- Separa cada sistema de origen sin armonizar sus significados.
Guardar datos juntos no basta: integrar exige formatos y definiciones coherentes entre fuentes.
- Organiza todas las tablas únicamente por la fecha de copia.
La fecha aporta historia, pero temático significa organizar información alrededor de ámbitos relevantes del negocio.
- Integra solo la pantalla y conserva aislados todos los datos.
Un diseño visual uniforme no garantiza integración de la información que se analiza.
- Organiza ámbitos de negocio y reúne fuentes coherentes.
Correcta. Temático significa orientado a áreas relevantes como ventas; integrado significa armonizar datos procedentes de diferentes sistemas.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
¿Qué implica que un DW sea no volátil y conserve historia?
- Prioriza consultas históricas con cargas controladas.
Correcta. No volátil no significa que jamás cambie: admite cargas y mantenimiento, pero no tiene la misma dinámica de actualización cotidiana que una base transaccional.
- Nunca puede incorporar datos nuevos de ningún periodo.
Un DW se actualiza mediante procesos de carga; no queda congelado para siempre.
- Debe borrar cada día todos los datos anteriores.
Perdería la dimensión histórica necesaria para estudiar evolución.
- Está diseñado solo para registrar cada pago en caja.
El registro cotidiano corresponde al sistema transaccional, no a la finalidad principal del DW.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
¿Qué significa ETL y en qué orden se realiza?
- Execute, Transfer, Login: ejecutar, transferir e iniciar sesión.
No es el desarrollo de ETL usado en integración analítica.
- Extract, Transform, Load: extraer, transformar y cargar.
Correcta. Se obtienen datos, se limpian y adaptan, y se cargan en el destino analítico. La calidad y coherencia se trabajan durante el proceso.
- Export, Test, Link: exportar, probar y enlazar.
Aunque esos verbos pueden describir otras tareas, no desarrollan estas siglas.
- Extract, Translate, Lock: extraer, traducir y bloquear.
Transformar incluye limpieza y armonización; ETL termina en carga, no bloqueo.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
Dos sistemas registran el mismo cliente con formatos distintos. ¿Qué debe hacer la preparación de datos?
- Sumar ambos registros como si siempre fueran clientes distintos.
Puede duplicar recuentos y distorsionar análisis de clientes.
- Borrar todos los clientes para evitar discrepancias.
Destruir los datos no resuelve su calidad ni permite analizar el negocio.
- Armonizar formatos y comprobar posibles duplicados.
Correcta. La limpieza e integración reducen errores y permiten analizar una identidad coherente, sin asumir que cualquier coincidencia es la misma persona.
- Cambiar solo el color de las columnas.
La apariencia no corrige identidades, formatos ni duplicidades.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
¿Qué son los metadatos en un almacén analítico?
- Los importes y cantidades de las operaciones de venta.
Son datos de hechos o medidas. Los metadatos describen, por ejemplo, qué significa importe y de dónde procede.
- Los registros maestros de clientes, productos y proveedores.
Son entidades de referencia del negocio. Los metadatos describen su estructura, procedencia y reglas.
- Los objetivos numéricos que debe alcanzar cada departamento.
Son metas de negocio. Su definición puede documentarse como metadatos, pero una meta no es la categoría completa.
- Datos que describen otros datos.
Correcta. Explican significado, formato, procedencia, estructura y reglas; ayudan a que todas las áreas interpreten una métrica con el mismo criterio.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
Ventas y Finanzas calculan «venta neta» de forma distinta. ¿Qué conviene hacer antes de comparar resultados?
- Acordar una definición y documentar sus reglas.
Correcta. La integración exige consenso semántico: qué se incluye, qué se descuenta y qué periodo se considera. No basta con unir tablas.
- Elegir automáticamente el valor que sea mayor.
La cifra mayor no es necesariamente la correcta ni comparable.
- Ocultar las fórmulas para evitar discusiones.
Sin transparencia no se puede interpretar ni verificar la métrica.
- Cambiar los títulos dejando las fórmulas incompatibles.
El cambio de nombre no corrige la diferencia de significado.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
¿Qué es un data mart?
- Un panel visual que muestra todos los indicadores de ventas.
Eso es un dashboard. El data mart almacena datos temáticos que un panel puede consultar.
- Almacén analítico centrado en un ámbito o departamento.
Correcta. Selecciona datos y detalle adecuados a una necesidad, como finanzas o ventas. Puede depender de un DW o alimentarse de otras fuentes.
- Una base operativa que registra los cobros en tiempo real.
Esa finalidad es transaccional. El data mart está orientado al análisis de un ámbito concreto.
- Una copia de seguridad para restaurar el ERP tras un fallo.
La copia permite recuperación. El data mart se diseña para consultas y análisis, no solo para restaurar sistemas.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
¿Qué diferencia distingue un data mart dependiente de uno independiente?
- El dependiente obtiene los datos directamente del ERP sin DW.
Ese es el caso de un data mart independiente respecto al DW corporativo.
- El independiente se alimenta siempre del DW corporativo.
Ese origen es precisamente el que caracteriza a un data mart dependiente.
- El dependiente se alimenta de un DW corporativo.
Correcta. El independiente recibe datos directamente de fuentes como ERP o CRM; puede ser rápido de desplegar, pero arriesga nuevos silos.
- El dependiente usa datos financieros y el independiente, ventas.
La dependencia describe el origen de los datos, no el departamento o temática de análisis.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
En el diseño top-down de un DW, ¿por dónde se comienza?
- Por copiar todas las tablas sin saber para qué servirán.
Acumular datos sin objetivos no es el enfoque top-down descrito.
- Por elegir colores antes de decidir qué medir.
El diseño visual no sustituye la definición de necesidades analíticas.
- Por borrar la información histórica de todas las fuentes.
El DW necesita historia; destruirla contradice su finalidad.
- Por objetivos estratégicos, factores críticos e indicadores.
Correcta. Top-down va de arriba abajo: objetivos, CSF —Critical Success Factors, factores críticos de éxito—, KPI y después el modelo que los soporta.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
En un modelo de ventas, ¿qué contiene principalmente una tabla de hechos?
- Medidas y claves que enlazan dimensiones.
Correcta. Los hechos expresan qué se mide, como importe, unidades o coste; sus claves permiten analizar por tiempo, producto o centro.
- Atributos descriptivos para agrupar por producto y categoría.
Son características de una dimensión. La tabla de hechos guarda medidas y referencias a esas perspectivas.
- Jerarquías de años, trimestres, meses y días.
Esas jerarquías describen la dimensión tiempo, no las medidas del hecho de venta.
- Definiciones del significado y procedencia de cada columna.
Son metadatos del modelo, no registros de hechos de venta.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
¿Cuál es una dimensión para analizar el importe de ventas?
- La suma de los importes vendidos.
Es una agregación de una medida, no un contexto descriptivo.
- Tiempo: año, mes y día.
Correcta. Una dimensión aporta perspectivas y jerarquías para filtrar o agrupar. El importe es una medida que se observa desde esas perspectivas.
- El total numérico de unidades vendidas.
Es una medida; puede analizarse por tiempo, producto u otras dimensiones.
- La media aritmética del margen.
Es un cálculo sobre valores, no una dimensión.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
¿Qué distingue un esquema en estrella de uno en copo de nieve?
- Estrella solo admite texto; copo solo admite números.
Ambos pueden combinar claves, atributos descriptivos y medidas.
- Estrella elimina hechos; copo elimina dimensiones.
Ambos modelos utilizan hechos y dimensiones.
- Estrella conecta dimensiones directas; copo normaliza algunas.
Correcta. En estrella, las dimensiones rodean al hecho central. En copo, una dimensión puede separarse en tablas relacionadas para representar jerarquías y reducir redundancia.
- Estrella sirve solo para clientes; copo solo para proveedores.
Son formas de modelado, no restricciones sobre el ámbito del negocio.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
Una tabla contiene solo el total de cada ticket. ¿Qué falta para analizar unidades vendidas por artículo?
- Una dimensión tiempo con más años y trimestres.
Mejora el contexto temporal, pero no aporta las unidades de cada artículo de un ticket.
- Una suma mensual de los totales de todos los tickets.
Agregar reduce el detalle; no recupera las líneas de producto que faltan.
- El catálogo completo con todos los precios actuales.
Un catálogo no revela las cantidades y precios realmente vendidos en cada operación pasada.
- El detalle de las líneas de cada ticket.
Correcta. La granularidad determina el detalle disponible. Una cabecera con total no permite reconstruir qué unidades de cada artículo se vendieron.
Para situarlo: UT2 §3.4.2 · Almacén de datos (DW, Data Warehouse). Temario de consulta opcional.
Progreso del cuestionario
0 / 0 preguntas respondidas (0%)
0 correctas
¡Cuestionario completado!
0%
0 / 0 correctas
Tiempo: