• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería de Sistemas
    • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5692
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorGélvez Ruiz, Ronald Mauricio.-
    dc.date.accessioned2022-12-20T20:56:14Z-
    dc.date.available2019-
    dc.date.available2022-12-20T20:56:14Z-
    dc.date.issued2019-
    dc.identifier.citationGélvez Ruiz, R. M. (2019). Procedimiento para el Análisis de Comportamiento Meteorológico Utilizando el Módulo Big Data de la Herramienta Pentaho [Trabajo de grado pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5692es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/5692-
    dc.descriptionEn la actualidad la gran cantidad de datos en diferentes áreas crece en forma continua a una alta velocidad, con gran variedad en sus datos y en donde se tiene que conservar la integridad de los mismos para que su valor no se pierda. Aquí el análisis de Big Data juega un papel fundamental aplicando modernas herramientas de software para almacenar, procesar y descubrir información valiosa que contribuya a la solución de diversos problemas. Este trabajo contiene la descripción detallada de todas las actividades que deben seguirse para llevar a cabo un procedimiento de tratamiento y procesamiento de grandes cantidades de información para el análisis de datos climáticos, siguiendo una serie de métodos y estrategias Big Data. El trabajo se desarrolló principalmente en la herramienta Pentaho como entorno de trabajo central, en la cual se investigó los módulos para tratamiento de datos y las demás funciones que se puedan utilizar. Se tomó como referencia un modelo ETL (Extract, Transform, Load) para la extracción, transformación y carga de datos ambientales en bodegas de datos DATA WAREHOUSE (Data WareHouse) o NoSQL (No solo relacionales) con el fin de automatizar y mejorar el proceso de consulta y análisis. Los datos de prueba fueron adquiridos del IDEAM (Instituto de Hidrología, Meteorología y Estudios Ambientales) para el desarrollo y validación del procedimiento para el análisis de comportamientos de cambios climáticos.es_CO
    dc.description.abstractCurrently the large amount of data in different areas is growing continuously at a high speed, with great variety in your data and where you have to preserve the integrity of them so that their value is not lost. Here the analysis of Big Data plays a fundamental role by applying modern software tools to store, process and discover valuable information that contributes to the solution of various problems. This work contains a detailed description of all the activities that must be followed to carry out a process of treatment and processing large amounts of information for the analysis of climatic data, following a series of Big Data methods and strategies. The work was mainly developed in the Pentaho tool as a central work environment, in which the modules for data processing and other functions that could be used were investigated. An ETL model (Extract, Transform, Load) was taken as reference for the extraction, transformation and loading of environmental data in data warehouses or NoSQL (Not only relational) in order to automate and improve the process of consultation and analysis. The test data was acquired from the IDEAM (Instituto de Hidrología, Meteorología y Estudios Ambientales) for the development and validation of the procedure for the analysis of climate change behavior.es_CO
    dc.format.extent116es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona – Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectEl autor no proporciona la información sobre este ítem.es_CO
    dc.titleProcedimiento para el Análisis de Comportamiento Meteorológico Utilizando el Módulo Big Data de la Herramienta Pentaho.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
    dc.date.accepted2019-
    dc.relation.references¿ Para qué sirve un sistema de Business Intelligence? (2017). Retrieved from http://www.preguntia.com/para-que-sirve-un-sistema-de-business-intelligence.htmles_CO
    dc.relation.referencesAguilar, L. J. (2013). Big Data - Analisis de grandes volumenes de datos en organizaciones.es_CO
    dc.relation.referencesBrathwaite, C., & Doug Moran. (2015). Pentaho Data Integration (Kettle) Tutorial. Retrieved from https://wiki.pentaho.com/display/EAI/Pentaho+Data+Integration+%28Kettle%29+Tut oriales_CO
    dc.relation.referencesBriega, R. E. L. (2015). Machine Learning con Python. Retrieved from https://relopezbriega.github.io/blog/2015/10/10/machine-learning-con-python/es_CO
    dc.relation.referencesBusiness Intelligence y Big Data. ¿Son lo mismo? (2018). Retrieved from http://www.conasa.es/blog/business-intelligence-y-big-data-son-lo-mismo/es_CO
    dc.relation.referencesBussiness Inteligence Facil. (2015). Claves Subrogadas. Retrieved from https://www.businessintelligence.info/serie-dwh/claves-subrogadas.htmles_CO
    dc.relation.referencesCorporación Colombia Digital. (2017). ¿Qué es un data warehouse y qué beneficios aporta a las organizaciones? Colombiadigital.Net. Retrieved from https://colombiadigital.net/actualidad/articulos-informativos/item/9814-que-es-undata- warehouse-y-que-beneficios-aporta-a-lasorganizaciones. html?fbclid=IwAR1qnWr0o7rfSLudtRyVQEPq8hn5c5yAn5RGy3szt0 em2_auYdlU99HS_28es_CO
    dc.relation.referencesDATA IS THE NEW OIL. (2016). Spotlessdata. Retrieved from https://spotlessdata.com/blog/data-new-oiles_CO
    dc.relation.referencesDefinición de Sistema transaccional (sistema de procesamiento de transacciones). (2018). Retrieved from http://www.alegsa.com.ar/Dic/sistema_transaccional.phpes_CO
    dc.relation.referencesDuque Méndez, N. D., Hernández Leal, E. J., Pérez Zapata, Á. M., Arroyave Tabares, A. F., & Espinosa Gómez, D. A. (2016). Modelo para el proceso de extracción, transformación y carga en bodegas de datos. Una aplicación con datos ambientales. Ciencia e Ingeniería Neogranadina, 26(2), 95–109. https://doi.org/10.18359/rcin.1799es_CO
    dc.relation.referencesEl clima promedio en Cúcuta. (2019). Retrieved from https://es.weatherspark.com/y/25316/Clima-promedio-en-Cúcuta-Colombia-durantetodo- el-añoes_CO
    dc.relation.referencesErika Díaz de Argandoña, A. S. T. (2016). Predicciones de Tecnología, Medios de Comunicación y Telecomunicaciones. Retrieved from https://www2.deloitte.com/content/dam/Deloitte/es/Documents/tecnologia-mediatelecomunicaciones/ Deloitte_ES_TMT_Predicciones-2016.pdf 115es_CO
    dc.relation.referencesEspinosa, R. (2015). Construccion procesos ETL utilizando Kettle (Pentaho Data Integration). El Rincon Del BI. Retrieved from https://churriwifi.wordpress.com/2010/05/10/16-3-construccion-procesos-etlutilizando- kettle-pentaho-data-integration/es_CO
    dc.relation.referencesFeregrino, A. (2018). ¿Qué es MapReduce? Retrieved from https://thatcsharpguy.com/tv/mapreduce/es_CO
    dc.relation.referencesFernández, C. (2018, January 6). Cómo el Big Data puede ayudar a luchar contra el cambio climático. Business Insider. Retrieved from https://www.businessinsider.es/como-big-data-puede-ayudar-luchar-cambio-climatico- 183600es_CO
    dc.relation.referencesFernando, R. (2016). BIG DATA EN EL COMPORTAMIENTO DE DATOS CLIMATOLÓGICOS Y ESTRATEGIAS INTERNACIONALES DE REDUCCIÓN DE DESASTRES PARA LA GESTION DE RIESGO AMBIENTAL. UNIVERSIDAD MAYOR DE SAN ANDRÉS FACULTAD.es_CO
    dc.relation.referencesFragoso, R. B. (2018). ¿Qué es Big Data? IBM. Retrieved from https://www.ibm.com/developerworks/ssa/local/im/que-es-big-data/index.htmles_CO
    dc.relation.referencesFundamentos de Apache Hadoop y MapReduce. (2018). Retrieved from https://geekytheory.com/fundamentos-de-apache-hadoop-y-mapreducees_CO
    dc.relation.referencesgravitar. (2017). ¿Qué es pentaho? Retrieved from https://gravitar.biz/pentaho/es_CO
    dc.relation.referencesGUILLEN BETANCOURT, A. (2014). Universidad de pamplona, (7), 5685305.es_CO
    dc.relation.referencesHernandez, Y. M. (2015). Pasos del Pentaho Data Integration en un contexto big data.es_CO
    dc.relation.referencesHung LeHong. (2012). Reporte de Gartner analiza “big data” alrededor de tecnología de datos. Retrieved from https://searchdatacenter.techtarget.com/es/noticias/2240171952/Reporte-de-Gartneranaliza- big-data-alrededor-de-tecnologia-de-datoses_CO
    dc.relation.referencesJames Manyika, Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles Roxburgh, and A. H. B. (2011). Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-datathe- next-frontier-for-innovationes_CO
    dc.relation.referencesJulián Pérez Porto, & Gardey, A. (2012). CONCEPTO DE INFORMACION. Retrieved from https://definicion.de/informacion/es_CO
    dc.relation.referencesLaney, D. (2012). Deja VVVu: Others Claiming Gartner‟s Construct for Big Data, https://blogs.gartner.com. Retrieved from https://blogs.gartner.com/doug-laney/dejavvvue- others-claiming-gartners-volume-velocity-variety-construct-for-big-data/es_CO
    dc.relation.referencesLeninmhs. (2018). Manual para la Herramienta PDI – KETTLE de Pentaho. Retrieved from https://tubasededatoslibre.org.ve/manual-pdi-kettle-pentaho/es_CO
    dc.relation.referencesMerv, A. (2011). Big Data. Retrieved from http://www.nxtbook.com/nxtbooks/mspcomm/teradata_2011q1/index.php?startid=8#/ 40es_CO
    dc.relation.referencesMesa, A. R. (2018). BIG DATA: La evolución de los datos. Openwebinars.Net. Retrieved from https://openwebinars.net/blog/big-data-la-evolucion-de-losdatos/? cat=big-data 116es_CO
    dc.relation.referencesNathan Sykes. (2018). Big Data y la lucha contra el cambio climático. Retrieved from https://www.bbvaopenmind.com/big-data-y-la-lucha-contra-el-cambio-climatico/es_CO
    dc.relation.referencesPinto, J. M. C. (2017). ¿Que es una ETL? Retrieved from https://www.linkedin.com/pulse/que-es-una-etl-juan-manuel-castillo-pintoes_CO
    dc.relation.referencesRoberto Espinosa. (2010). Kimball vs Inmon. Ampliación de conceptos del Modelado Dimensional. Retrieved from https://churriwifi.wordpress.com/2010/04/19/15-2- ampliacion-conceptos-del-modeladodimensional/? fbclid=IwAR0aiuPac6Z709UYa6YcJNDgsEHHStiWs7zeBfrZH2mRATZgFaCb3QOFRces_CO
    dc.relation.referencesRouse, M. (2016a). NoSQL (No Solo SQL). Bases de Datos. Retrieved from https://searchdatacenter.techtarget.com/es/definicion/NoSQL-No-Solo-SQLes_CO
    dc.relation.referencesRouse, M. (2016b). SQL o lenguaje de consultas estructuradas. Bases de Datos. Retrieved from https://searchdatacenter.techtarget.com/es/definicion/SQL-o-lenguajede- consultas-estructuradases_CO
    dc.relation.referencesSalas, R. (n.d.). Redes Neuronales Artificiales, 1–7. Retrieved from https://www.academia.edu/24633757/Redes_Neuronales_Artificialeses_CO
    dc.relation.referencesSalesForce. (2018). ¿Qué es Cloud Computing? Retrieved from https://www.salesforce.com/mx/cloud-computing/es_CO
    dc.relation.referencesSánchez, M. A. P. (2017). MODELIZACION DE UNA DWH.es_CO
    dc.relation.referencesTAMAYO NEYRA ANTONIO. (2017, March 17). Desafío “Data for Climate Action.” EL FINANCIERO. Retrieved from http://www.elfinanciero.com.mx/monterrey/desafio-data-for-climate-actiones_CO
    dc.relation.referencesTECNÓSFERA. (2017, February 21). El Ideam le apuesta al “big data” para medir la deforestación. EL TIEMPO, p. 01. Retrieved from http://www.eltiempo.com/archivo/documento/CMS-16825328es_CO
    dc.relation.referencesVega, J. J. C., Ortega, J. F. C., & Aguilar, L. J. (2016). Knowing the Big Data. Evistas.Uptc.Edu.Co. Retrieved from https://revistas.uptc.edu.co/index.php/ingenieria/article/view/3159/4346es_CO
    dc.relation.referencesYllanes, D. E. (2012). Nuevas tendencias tecnológicas han entrado a AL, idclatin. Retrieved from http://mx.idclatin.com/releases/news.aspx?id=1433es_CO
    dc.relation.referencesZALDÍVAR, A. R. (2014). IMPLEMENTACIÓN DE UN DATA MART COMO SOLUCIÓN DE INTELIGENCIA DE NEGOCIOS, BAJO LA METODOLOGÍA DE RALPH KIMBALL PARA OPTIMIZAR LA TOMA DE DECISIONES EN EL DEPARTAMENTO DE FINANZAS DE LA CONTRALORÍA GENERAL DE LA REPÚBLICA.es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Ingeniería de Sistemas

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    GÉLVEZ_2019_TG.pdf1,65 MBAdobe PDFVisualizar/Abrir
    Mostrar el registro sencillo del ítem


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.