Como Vender Y Hacer Marketing En Internet

 

Lograr el consenso en el significado de los datos también puede ser un reto debido a que los datos se originan desde muchas fuentes con distintas maneras de guardarlos como: sistemas grandes (Mainframes), sistemas de rango medio, entre otros. Por ejemplo: el nombre "precio" podría significar precio unitario o precio de un conjunto de productos, por ello si no se determina exactamente el significado de los datos, se podrían producir inconsistencias en los análisis que harían fracasar el proyecto de data warehouse.

Malas estimaciones

Usualmente las estimaciones acerca del equipo necesario están muy por debajo de las necesidades reales. Esto es debido a que una vez que el data warehouse tiene éxito, la carga que deberá soportar será enorme debido a que las preguntas que se le pueden hacer no pueden ser previstas con antelación. En los sistemas tradicionales, las preguntas (querys) que realizan los directivos son totalmente guiadas por el programa.

La necesidad de hardware más sofisticado se da posteriormente por la necesidad que se crea de usar herramientas de análisis de datos más avanzadas en forma de data mining para descubrir patrones escondidos en la data.

Hundido en Reportes

Cuando todo lo que se conoce son martillos, todos los problemas tienden a parecer clavos. Este refrán lo comprobé en la vida real cuando un cliente del sistema que le estaba desarrollando, pidió 50 reportes que incluían todo tipo de combinaciones de datos, resultando muy parecidos entre sí. Lo que en realidad necesitaba este cliente era un sistema de información gerencial que por desgracia no se podía realizar debido a que no existía la infraestructura de soporte para hacerlo, por ello se realizaron los 50 reportes.

Algunos problemas lo hacen difícil.

Muchos programadores afirman que es más sencillo crear un data warehouse que desarrollar sistemas de base de datos tradicionales debido a que no hay que soportar accesos simultáneos; sin embargo, existe un conjunto propio de problemas para los cuales la mayoría de profesionales de sistemas no está preparado, además de requerirse un buen conocimiento del negocio puesto que el arquitecto del data warehouse debe ser en sí mismo, un usuario.