THIS IS FOR LEFT PAGES 1

Estado del Arte Para “Hacia un diseño de

metodología para la implementación de bodegas de
datos espaciales con herramientas de código
abierto”
Germán David Martínez Ochoa, Estudiante Maestría en Ingeniería de Sistemas y Computación, Materia
Seminario de investigación 1, Código 2299863

Abstract—El presente escrito tiene como objeto presentar el
estado del arte para la temática “Hacia un diseño de metodología
para la implementación de bodegas de datos espaciales con
herramientas de código abierto”. Las bodegas de datos han
sido de gran utilidad en el mundo empresarial, ayudando a
la toma de decisiones, este proceso se conoce con el nombre
de Business Intelligence, la utilización de este proceso se ha
extendido hasta contener datos de tipo espacial, puesto que
permiten pensar en una dimensión llamada “geográfica” de
gran importancia, pero a veces rezagada por la dificultad de
representación. Gracias al desarrollo de software en este frente,
y la inclusión de estos tipos de datos en los motores de bases
de datos, ahora pueden ser explotados desde el Spatial Data
Warehouse. Recientemente se desarrollaron diferentes algoritmos
que buscan solucionar problemas cuando los datos espaciales no
están claramente definidos, es decir, son difusos, aquí se presenta
un estado de arte de este tipo de bodegas de datos y del software,
en especial del libre que se ha desarrollado para la representación
espacial. Se espera que este artículo sea un punto de partida
para el desarrollo de una metodología que señale los lineamientos
para la implementación de bodegas de datos espaciales difusas
utilizando software libre.
Index Terms—bodega de datos, bodega de datos espacial,
metodologías de implantación, data mining, software libre, busi-
ness intelligence, data warehouse, spatial data wahouse.
mencionar es el proceso ETL (extracción, transformación y
carga), cuya labor es la de integración de los datos desde las
diferentes fuentes, hacia la consolidación del data warehouse.
Llegando hacia el final, se muestran las herramientas de
software libre para business intelligence que contienen análisis
de datos de tipo geográfco.
Se considera importante, como parte introductoria, señalar
el tema escogido, que se ha definido como: “Hacia un diseño
de metodología para la implementación de bodegas de datos
espaciales con herramientas de código abierto.” El tema integra
tres conceptos, el primero es el diseño de bodegas de datos
espaciales difusas [20], unido al modelo de clustering basado
en redes neuronales [22], lo anterior bajo herramientas de
software libre.
La siguiente figura 1, muestra de manera conceptual el tema.

I. I NTRODUCCIÓN
Este es un artículo que presenta el estado del arte de las
bases de datos espaciales. El documento comienza realizando
la presentación del tema, puesto que se considera de gran
importancia contextualizar a los lectores en los conceptos clave
contenidos en la temática.
Se hace una presentación del concepto de business intel-
ligence, el cual es un aspecto relevante para esta temática,
puesto que se ha convertido en una solución clave para el
toma de decisiones en las organizaciones, también se comenta
acerca del denominado spatial business intelligence, el cual
integra datos de tipo espacial ampliando la dimensionalidad
de los data warehouses y posibilitando la toma de decisiones Figure 1.
de manera más certera; teniendo estos dos conceptos claros, se Representación conceptual del tema
señala el data warehouse y el spatial data warehouse, también
se comenta una extensión de este último llamada spatial data
warehouse difusa. II. M APA C ONCEPTUAL
Los conceptos de OLAP y SOLAP también son presentados
El siguiente mapa presenta conceptualmente la temática del
como parte de este estado del arte. Un aspecto importante a
estado del arte, comienza con Business intelligence, se definen
2299863 temas relacionados con las bodegas de datos, las bodegas de
THIS IS FOR LEFT PAGES
datos espaciales junto con la temática derivada de cada una
de ellas como por ejemplo: data marts. modelado del DWH,
las S-DWH difusas, entre otras, y por último se presentan las
herramientas de software libre que tienen la caractrística de
administrar datos geográficos.
Figure 2.
Mapa conceptual de la temática del estado del arte
III. D EFINICIONES
Es necesario incluir algunas definiciones que son necesarias
para el entendimiento del tema propuesto, los temas cubren lo
relacionado con bodegas de datos, bodegas de datos difusas,
las metodologías de implementación de las bodegas de datos,
técnicas de explotación de bodegas de datos difusas y her-
ramientas de software libre para la implementación de estos
sistemas.
A. Bussiness Intelligence
Las organizaciones actuales tienen la posibilidad de re-
copilar y almacenar volúmenes nunca imaginables de datos
operativos de los clientes.
La pregunta es saber cómo emplear toda esta información
para tomar mejores decisiones. Harjinder, S. Gill en su li-
bro La integración de información para la mejor toma de
decisiones hace la siguiente pregunta: “£Cómo puede una
empresa deslumbrar a sus clientes, acrecentar sus dividendos e
incrementar sus acciones de mercado, todo al mismo tiempo?
Una de las respuestas es la bodega de datos” [1]. Kimball
2
en [10] complementa la respuesta a la anterior pregunta,
“Business Intelligence ofrece a las organizaciones un marco
para analizar la gran cantidad diaria de datos a fin de extraer
valoraciones que puedan proporcionar una ventaja decisiva en
la competitiva economía actual”.
Las herramientas de “Business Intelligence” permiten am-
pliar el conocimiento de las relaciones con clientes y socios,
además de ofrecer indicadores de rendimiento clave como
son las consultas multidimensionales, cuadros de mando y
indicadores. Al llevar a la práctica estos conocimientos, las
compañías pueden obtener importantes beneficios en forma
de mayores ganancias, una mejor capacidad de aprovechar las
nuevas oportunidades y la capacidad de reaccionar antes a los
cambios en la demanda del mercado.
Inteligencia de negocios o “Business Intelligence” (BI por
sus siglas en inglés), se puede definir como el proceso de
analizar los datos en una empresa y extraer reportes traducidos
en inteligencia o conocimiento. Dentro de los datos se incluyen
los clientes, productos, información de la cadena de sumin-
istro, ventas personales y cualquier actividad de mercadeo
o fuente de información relevante para la empresa. Según
Larissa T. Moss, Shaku Atre [11] La inteligencia de negocios
incluye entre otros los siguientes procesos: Análisis multidi-
mensional, “Data mining” “Forecasting analysis” del negocio,
“Balance scorecard” consultas y reporteo, administración del
conocimiento, minería de datos para texto, contenido y voz,
“dashboard”.
B. Spatial Business Intelligence
Los datos que han sido capturados a través de los años en
las grandes bases de datos de las organizaciones, en muchas
ocasiones contenía información geográfica. Esta información
tenía indicaciones de su ubicación, por ejemplo las direcciones
de clientes, proveedores, sucursales, y demás, esta información
era representada en los informes gerenciales a través de
tablas, gráficos de pastel, histogramas, etc., pero nunca había
sido explotada con el fin de obtener información valiosa que
permitiera la toma de decisiones. Con el tiempo los motores
de bases de datos incluyeron datos de tipo geográfico, los
cuales permiten ubicar en un mapa la posición, por ejemplo
de un cliente, de la venta de un producto, entre otros, y
posteriormente realizar un análisis muy preciso utilizando
estos mapas con ubicaciones.
Dado lo anterior, emerge el Spatial Business Intelligence,
en donde la variable espacio es agregada para obtener infor-
mación más específica y mejores resultados en el proceso de
toma de decisión en las organizaciones[6].
C. Data Warehouse (DWH)
Existen muchas definiciones para el almacén de datos, la
más conocida fue propuesta por Inmon [17]: "un almacén de
datos es un conjunto de datos integrados, orientados a una
materia, que varían con el tiempo y que no son transitorios,
los cuales soportan el proceso de toma de decisiones de una
administración". En 1993, Susan Osterfeldt [2] publicó una
muy buena definición hablando acerca del DWH "Yo considero
al DWH como algo que provee dos beneficios empresariales
THIS IS FOR LEFT PAGES
reales: Integración y Acceso de datos. DWH elimina una gran
cantidad de datos inútiles y no deseados, como también el
procesamiento desde el ambiente operacional clásico". En la
tabla 1 se muestra una comparación entre un modelo clásico
operacional y una bodega de datos, es tomado de [3] en
donde también se afirma: “Las características de un Data
Warehouse, diseño con orientación a temas, integración de
los datos contenidos, variación en el tiempo, no volatilidad
y simplicidad de la gestión de datos, conducen a un entorno
que es muy diferente del entorno operacional clásico.”
Figure 3. Comparación entre una base de datos operacional y una bodega
de datos.
D. Data Mart
“Es un pequeño “Data Warehouse” (bodega de datos), para
un determinado número de usuarios, de un área funcional, para
una compañía específica. También es posible definir un “Data
Mart” como un subconjunto de una bodega de datos para un
propósito específico. Su función es apoyar a otros sistemas
para la toma de decisiones” [1]. Los procesos que conforman
el “Data Warehouse” son:
• Extracción
3
• Transformación
• Carga
E. Modelado del Data Warehouse
Una de las formas más comunes de modelar un “Data
Warehouse”, es el llamado “Esquema en estrella”, como el
nombre sugiere, el esquema estrella es un paradigma de
modelado que tiene un solo objeto central relacionado de
manera radial con otros objetos. El esquema en estrella refleja
la visión del usuario final de una consulta empresarial: hechos
tales como ventas, compensación, pago y facturas se califican
por una o más dimensiones (por mes, por producto, por región
geográfica). El objeto en el centro de la estrella se denomina
tabla de hechos y los objetos conectados a ella se denominan
tabla de dimensión [1]. La siguiente figura tomada de [10]
presenta la representación gráfica de este esquema.
Figure 4.
Representación gráfica del modelo en estrella.
F. Spatial Data Warehouse (SDWH)
Dada la creciente necesidad de información de las empre-
sas y la necesidad de contar con datos de tipo geográfico,
surge como una alternativa la utilización de los Spatial Data
warehouse o bodegas de datos espaciales, las cuales integran
las tecnologías del data warehouse y las bases de datos espa-
ciales [5]. “Los Spatial Data Warehouse manejan un esquema
mutidimensional similar a las bodegas de datos tradicionales,
pero agregando una particularidad, la cual es una extensión de
tipo espacial que permite el manejo de elementos espaciales y
no espaciales” [6]. La siguiente figura tomada de [7] muestra
dicho esquema.
G. Spatial Data Warehouse Difusa
Una bodega espacial difusa puede ser definida como una
bodega de datos que contiene información geográfica y
además, cierta cantidad de esa información puede catalogarse
como “imprecisa”, lo cual da lugar a los datos difusos.
H. Procesamiento Analìtico en Línea (OLAP)
En un almacén de datos se depositan datos para consulta,
análisis y divulgación, a diferencia del procesamiento de
transacciones en línea (OLTP por la sigla de “On – Line
Transaction Processing”), en donde los datos se reúnen y
almacenan para operación y control. OLAP es una tecnología
de procesamiento analítica que crea nueva información em-
presarial a partir de los datos existentes, por medio de un
THIS IS FOR LEFT PAGES
Figure 5.
Esquema de un Spatial Data Warehouse
rico conjunto de transformaciones empresariales y cálculos
numéricos [1].
Se define el procesamiento analítico en línea como una
tecnología de análisis de datos que hace lo siguiente:
• Presenta una visión multidimensional lógica de los datos
en el almacén de datos. La visión es independiente de
cómo se almacenan los datos.
• Comprende siempre la consulta interactiva y el análisis
de los datos. Por lo regular la interacción es de varias
pasadas, lo cual incluye la profundización en niveles cada
vez más detallados o el ascenso a niveles superiores de
resumen y adición.
• Ofrece opciones de modelado analítico, incluyendo un
motor de cálculo para obtener proporciones, desviaciones,
etcétera, que comprende mediciones de datos numéricos
a través de muchas dimensiones.
• Crea resúmenes y adiciones (también conocidas como
consolidaciones), jerarquías, y cuestiona todos los niveles
de adición y resumen en cada intersección de las dimen-
siones.
• Recupera y exhibe datos tabulares en dos o tres dimen-
siones, cuadros y gráficas, con una perspectiva conduce
a otra cuestión empresarial que se va a examinar desde
otra perspectiva.
• Responde con rapidez a las consultas, de modo que el
proceso de análisis no se interrumpe y la información no
se desactualiza.
• Tiene un motor de depósito de datos multidimensional,
que almacena los datos en arreglos.
• Estos arreglos son una representación lógica de las di-
mensiones empresariales. La tecnología OLAP se aplica
en muchas áreas funcionales de una empresa, tales
como producción, ventas y análisis de rentabilidad de
la comercialización; mezcla de manufacturas y análisis
de logística; consolidaciones financieras, presupuestos y
4
pronósticos, planeación de impuestos y contabilidad de
costos [1].
I. Proceso de ETL
El proceso de ETL según Wiley [4] utilizado al momento
de crear bodegas de datos se define como:
• Extracción: Extrae la información operacional.
• Transformación: Transforma la operación a formatos con-
sistentes.
• Carga: Automatiza las tareas de la información, para su
posterior análisis.
• La figura 4 muestra la descripción de este proceso, en
donde se parte del análisis de las fuentes de información,
se continúa con la transformación de los datos encamina-
dos hacia la creación de un data warehouse y por último
la explotación del data warehouse a través de minería de
datos, reportes, gráficas entre otros.
J. SOLAP y Dato Geográfico
El dato geográfico es un componente que se ha venido
desarrollando e incorporando a los motores de bases de datos
y por consiguiente a las bodegas de datos. Estos tipos de
datos representan una ubicación física y forma de un objeto
específico. “Estos objetos pueden ser ubicaciones de punto u
objetos más complejos como países, carreteras o lagos”.[24]
Generalmente se utilizan dos tipos de datos para el alma-
cenamiento espacial, estos son, geométricos y geográficos, los
geométricos pueden ser representados en un plano cartesiano,
de otra parte, los geográficos, son los que contienen datos
elípticos, es decir, almacenan coordenadas de latitud y longitud
terrestres[24].
Cuando se utiliza OLAP, el dato geográfico es aplicado
como un atributo adicional, sin darle la importancia que
requiere, es por esto que se han desarrollado herramientas
THIS IS FOR LEFT PAGES 5

Figure 6.
Proceso de ETL fuente [16]

como SOLAP (Spatial online analitical process) y las mismas

bodegas de datos espaciales, integrando las funcionalidades
con los sistemas de información geográfica (SIG) [6], [8].
Como lo menciona [6], el SOLAP emplea tres tipos de
dimensiones geográficas:
• No geométricas: Son dimensiones que solo presentan el
nombre geográfico, pero que no ofrecen detalle adicional,
ejemplo: Colombia - Cundinamarca - Bogota[6].
• Espaciales geométricas: Ofrecen todos los detalles del
punto geográfico del cual se habla, ejemplo: un mapa
[6].
• Espaciales mixtas: Es una unión de los tipos anteriores,
incluye las no geométricas y las geométricas, ejemplo de
estos es: Colombia - presentación del mapa de Colombia
[6].
Los anteriores tipos de dimensiones geográficas son presenta-
mos a través de la siguiente figura.
El SOLAP puede definirse como “un tipo de software que
permite una rápida y fácil navegación dentro de bases de datos
espaciales y que ofrece muchos niveles de granularidad de la
información, muchos temas, muchas épocas y muchos modos
de visualización sincronizada” [9].
Se han desarrollado motores de bases de datos que permiten
la inclusión de estos tipos de datos geográficos con el fin
de convertir y simplificar datos del complejo mundo real en
una base de datos con tipos de datos y funciones orientadas
hacia la geografía, ejemplo de esto es, por parte del software
propietario SQL Server 2008 [25], y por parte del software
libre, el proyecto Postgis [26] de Postgresql.

K. Spatial Data mining

Figure 7.
La minería de datos espacial busca encontrar las relaciones Tipo de datos geográficos del SOLAP [6]
existentes entre objetos de tipo espacial, esto lo hace a través
de las relaciones topológicas, las de orientación espacial y
las de distancia de información[6]. El proceso de encontrar
L. Herramientas de software libre para la implementación de
patrones en bases o bodegas de datos de tipo espacial es más
SDWH
complejo que en bases de datos tradicionales, la diferencia
está en el tipo de dato, las tradicionales contienen variables En el mercado existen algunas herramientas que son de
de tipo númerico, mientras que las espaciales contiennen datos software abierto que permiten la implementación de bodegas
de tipo geográfico[14]. de datos espaciales, en este artículo se destacan tres: Pentaho,
THIS IS FOR LEFT PAGES
Spago BI y Jaspersoft, las cuales se consideran importantes
dentro del marco de esta investigación, por tal razón a contin-
uación se presentan de manera breve.
1) Pentaho: Pentaho es una herramienta de Business In-
telligence de código abierto, que inició por un equipo de
veteranos en la industria de Business Intelligence en el año
2004. Pentaho contiene diferentes módulos, entre los que se
destacan: análisis, cuadros de mando, integración de datos
(procesos ETL), y data mining. Esta herramienta implementar
bodegas de datos espaciales. [12]
2) Spago BI : Spago BI, es una herramienta desarrollada
completamente bajo la filosofía del software abierto, esta
herramienta satisface todos los requerimientos de business
intelligence, análisis, manejo de la información, seguridad,
entre otros. Spago BI contiene dentro de sus soluciones,
reporteo, análisis multidimensional (OLAP), minería de datos,
creación de cuadros de mando, en sus versiones recientes
han incluido el análisis georeferencial, lo cual despierta gran
interés para el desarrollo de proyectos de bodegas de datos
espaciales[15].
3) Jaspersoft : Jaspersoft es una herramienta de software
libre enmarcada dentro del concepto de Business Intelligence,
inició en el año 2001 bajo el nombre Jasper Repors y no era
software libre, hacia el año 2005 se convirtió en software libre,
el cual contiene reportes, cuadros de mando, herramientas para
el análisis de datos e integración de datos, también posibilita
la aplicación de algoritmos de minería de datos. [13]
IV. CONCLUSIONES
Las bodegas de datos son grandes repositorios que varían
con el tiempo, que son transitorios y que permiten la obtención
de conocimiento [17], con el transcurso de los años, las bode-
gas de datos se han aplicado a las bases de datos espaciales,
originando las bodegas de datos espaciales (SDWH) [18],
dando lugar al desarrollado modelos [19][20][21], técnicas
[22] y herramientas de software[23], con respecto a estas
herramientas de software el denominado open source, ha
hecho un gran aporte y ha generado muchas herramientas que
permiten una mejor manipulación de los datos espaciales para
la obtención de conocimiento.
La investigación y el desarrollo en el campo de las bode-
gas de datos espaciales ha ofrecido entre otras cosas, una
metodología de diseño para bodegas de datos espaciales di-
fusas enfatizando la construcción del cubo de datos[20] y un
modelo de clustering combinado con redes neuronales que no
requiere un conocimiento a priori del número de clusters (a
menudo el número óptimo de clusters no se conoce antes de
la ejecución) sino un número máximo de clusters [22].
Esta investigación quiere extender la metodología de diseño
para bodegas de datos difusas [20] uniéndola a la explotación
por medio del modelo de clustering con redes neuronales [22],
lo anterior enmarcado en la utilizando herramientas de open
source, de tal forma que exista un lineamiento claro en la
aplicación de los modelos anteriormente presentados cuando
se emprenda un proyecto de bodegas de datos espaciales sobre
herramientas open source.
6
R EFERENCES
[1] Harjinder, S. Gill: La integración de información para la mejor toma de
decisiones. Prentice Hall Hispanoamericana, S.A, (1996) 52
[2] Abukari, K., Job, V.: Business Intelligence in action. Proquest.
http://www.crgroup.com/Downloads/PDFs/BusStrat.pdf (2003)
[3] Universitat Oberta de Catalunya: Los Almacenes de Datos. Data Ware-
houses. Cataluña. UOC. (2007) 8, 13
[4] Wiley, J: The Data Warehouse ETL Toolkit: Practical Techniques for
Extracting, Cleaning, Conforming, and Delivering Data (2004) 2
[5] Malinowski, E: Advanced Data Warehouse Design From Conventional
to Spatial and Temporal Applications. Berlin. Springer. (2008) 16 - 51
[6] Dueñas-Reyes, M. X. Minería de datos espaciales en búsqueda de la
verdadera información (2008) 137 - 152
[7] Bohorquez, J. E. Aproximación metodológica de un
Spatial Data Warehouse. 2000 [documento en línea]. <
http://proceedings.esri.com/library/userconf/latinproc00/colombia/
spatial_data.pdf>. [Consulta 20-04-2010].
[8] Matias, R. y Moura-Pires, J. Spatial On-Line Analytical Processing
(SOLAP): A tool the to analyze the emission of pollutants in industrial
installations. 2005
[9] Bedard, Y.; Proultx, M. J. y RIVEST, S. Enrichissement du OLAP
pour l’analyse géographi- que: exemples de réalisation et différentes
possibilités technologiques. Paris: Cépaduès, (2005) 1 - 20.
[10] Kimball, R.: The data warehouse toolkit. Wiley and sons. (2002) 395 –
402
[11] Moss, L., Atre, S.: Business Intelligence Roadmap: The Complete
Project Lifecycle for Decision-Support Applications. Addison Wesley.
(2003) 23
[12] http://www.pentaho.com/ [Consulta 25-04-2010].
[13] http://www.jaspersoft.com/jaspersoft-business-intelligence-suite
[Consulta 25-04-2010].
[14] Martin, E.; Kriegel, H.-P. y Sander, J. Algorithms and applications for
spatial data mining. In Miller, H. y Han, J. Geographic data mining and
knowledge discovery. London: Taylor & Francis, 2001. pp. 1-10.
[15] http://www.spagoworld.org/xwiki/bin/view/SpagoBI/ [Consulta 25-04-
2010].
[16] http://www.faktos.com/soluciones.php [Consulta 25-04-2010].
[17] Inmon, W. Building the data warehouse. Wiley and sons.(2002)390.
[18] Malinowski, E.Zimanyi, E. Spatial Data Warehouses: Some Solutions
and Unresolved Problems Databases for Next Generation Researchers,
2007. SWOD 2007. IEEE
[19] Chen,J.-K.Concurrencycontrolofspatialjoinonspatialdatabase Computer
and Information Science, 2005. Fourth Annual ACIS International
Conference on, 2005
[20] David, P. Somodevilla, M.P.I. Fuzzy Spatial Data Warehouse: A Mul-
tidimensional Model Current Trends in Computer Science, 2007. ENC
2007. Eighth Mexican International Conference on, 2007
[21] Borah, B. Bhattacharyya, D. An improved sampling-based DBSCAN for
large spatial databases Intelligent Sensing and Information Processing,
2004. Proceedings of International Conference on, 2004
[22] Elhadary, R. S. Tolba, An efficient and robust combined clustering
technique for mining in large spatial databases Computer Engineering
& Systems, 2007. ICCES ’07. International Conference on, 2007
[23] Kim, D-Miner:A spatial datamining system IEEE, 2009
[24] http://msdn.microsoft.com/es-es/library/bb933790.aspx [Consulta 16-05-
2010].
[25] http://www.microsoft.com/sqlserver/2008/en/us/spatial-data.aspx [Con-
sulta 16-05-2010].
[26] http://postgis.refractions.net/ [Consulta 16-05-2010].