Ing.

Ceidy Marcela Alvarez

Dpto. Información
 Ing. Ceidy Marcela Alvarez

Dato
Del latín Describen
datum entidades
‘lo que se da’
El dato es una
representación
simbólica (numérica,
No tiene valor
alfabética, grafica, semántico
algorítmica etc.) de un (sentido) en sí
atributo o característica mismo, puede
de un objeto del mundo recibir
real. procesamiento para
ser utilizado.

Davenport y Prusak, 1998

Datos
 Datos - Categorías
Datos
Datos Estructurados Datos No Estructurados
Semiestructurados

• Típicos de las BDR • No se ajustan a un • Se presentan en

esquema fijo y explícito formatos que no pueden
• Esquemas
• Organización mediante ser fácilmente
determinados en indexados en BDR para
etiquetas (tags).
tablas el análisis
• Se pueden agrupar y
• Define tipos de datos generar jerarquías. • Pueden tener una
y relaciones • No relacionales o estructura interna, pero
• Datos gestionables NoSQL no siguen ningún
con SQL esquema o modelo de
datos predefinido.
 Ing. Ceidy Marcela Alvarez

Tipos de Datos

Edad, Año de Nacimiento, Número de Nombre, Dirección, Documento de

multas,… Identificación…
Tienen dominio de tipo numérico Tienen un dominio de tipo texto

Son los diferentes

dominios existentes

Cada dominio relaciona operaciones Los podemos distinguir fácilmente,

permitidas están en el diario vivir.
El Sr. Murcia de 63 años tiene cedula
Un conjunto de valores y 40135624, y paga $100000 de
impuestos.
operaciones definidas solo
para esos valores
 Ing. Ceidy Marcela Alvarez

Tipos de Datos

NOMBRE CONJUNTO DE VALORES OPERACIONES

Enteros Negativos y positivos sin decimal Sumar, restar, dividir, multiplicar, residuo

Reales/Decimal Negativos y positivos, con decimal Sumar, restar, dividir, multiplicar

(float)
Lógicos Verdadero o Falso(1 o 0) And, Or, Not
(boolean)
Caracteres / Letras, números, símbolos Concatenar, Ordenar, Sumar carácter,
Cadenas especiales Encontrar, Extraer, Igual, Valor, + entero, -
entero, * por entero
 Entidad - Atributos
Nombre
Dato es el Palabra que designa
Valor que toma o identifica, permit
un atributo en e distinguirlo de los
una instancia restantes
de una entidad. elementos.

Tipo
Describe si el elemento
está constituido por
caracteres alfabéticos,
numéricos, símbolos
especiales, etc.
Dependen del dominio.
Instancias
 BD Relacionales
Identificador • Sí/No (Boolean): Almacenamiento 1 byte
Llave Requerido (*) • Byte (Byte): Enteros entre 0 y 255.
Almacenamiento 1 byte (8 bits).
clave principal Opcional (o) • Entero (short): Enteros entre -32.768 y 32.767.
(#) Almacenamiento 2 bytes (16 bits).
• Entero largo (int): Enteros entre -[Link] y
Tipo de [Link]. Almacenamiento 4 bytes (32 bits).
Atributos Tamaño Opcionalidad • Entero largo (long): Enteros entre -263 y 263-1.
Dato Almacenamiento 8 bytes (64 bits).
Entero • Single (float): Números entre ±3,4·10-38 .. ±3,4·1038
Codigo Número * y hasta siete dígitos significativos. Almacenamiento
Largo 4 bytes. (Simple)
• Double (double): Números entre ±1,7·10-308 ..
Nombre Texto 50 * ±1,7·10308 y hasta 15 dígitos significativos.
Almacenamiento 8 bytes (64 bits).
Direccion Texto 100 * • Decimal: Números entre-9,999... x 1027 a 9,999... x
1027. El requisito de almacenamiento es de 12 bytes.
PromedioA Número Single o
• Texto corto (chart): Hasta 255
Activo Lógico Booleano * caracteres. Almacenamiento 2 bytes
por carácter.
• Texto Largo: Más de 255 caracteres.

Elementos: Nivel Conceptual

 Entidad - Atributos

Tipo de datos Formato Intervalo Precisión Almacenamiento

De 00:00:00.0000000
time hh:mm:ss[.nnnnnnn] 100 nanosegundos 3 a 5 bytes
a 23:59:59.9999999
De 0001-01-01 a
date YYYY-MM-DD 1 día 3 bytes
31.12.99
AAAA-MM-DD De 1900-01-01 a 2079-
smalldatetime 1 minuto. 4 bytes
hh:mm:ss 06-06
AAAA-MM-DD De 1753-01-01 a 9999-
datetime 0,00333 segundos 8 bytes
hh:mm:ss[.nnn] 12-31
De 0001-01-01
AAAA-MM-DD 00:00:00.0000000 a
datetime2 100 nanosegundos De 6 a 8 bytes
hh:mm:ss[.nnnnnnn] 9999-12-31
23:59:59.9999999
De 0001-01-01
YYYY-MM-DD 00:00:00.0000000 a 100 nanosegundos
datetimeoffset hh:mm:ss[.nnnnnnn] 9999-12-31 (ajuste de zona De 8 a 10 bytes
[+|-]hh:mm 23:59:59.9999999 (en horaria)
UTC)
 Modelado de Datos
Un modelo es un
conjunto de
herramientas
conceptuales para
describir datos, sus
Un modelo de
relaciones, su
datos es un conjunto
significado y sus
de conceptos, reglas
restricciones de
y convenciones que
consistencia.
nos permiten
describir los datos de
un sistema.
Un esquema es
la estructura de
datos obtenida
tras aplicar dicho
modelo.
 MD - Arquitectura
Modelos de datos conceptuales
• Herramienta para representar la realidad. Se usan para explorar los conceptos de dominio y sus relaciones.
• Representan los tipos de entidades, los atributos de datos que describen esas entidades y las relaciones entre las
entidades. Este modelo lleva asociado un Esquema Conceptual
• Tipos de modelos conceptuales:
• Basados en registros
• Jerárquico: datos en registros, relacionados con apuntadores y organizados como colecciones de árboles
• Redes: datos en registros relacionados por apuntadores y organizados en gráficas arbitrarias (grafos)
• Relacional: datos en tablas relacionados por el contenido de ciertas columnas
• Basados en objetos
• Orientado a objetos: datos como instancias de objetos (incluyendo sus métodos)
• Entidad-relación (E-R): datos organizados en conjuntos interrelacionados de objetos (entidades) con
atributos asociados

Modelos de datos físicos

• Herramienta para diseñar el esquema interno de una base de datos, que representa las tablas de datos, las
columnas de datos de esas tablas y las relaciones entre las tablas.
• Es el nivel más bajo de abstracción y el nivel real de los datos almacenados. Este nivel define cómo se almacenan
los datos en el soporte físico, ya sea en registros o de cualquier otra forma, así como los métodos de acceso.
• Este nivel lleva asociada una representación de los datos (Esquema Físico)
 Bases de Datos
Es un conjunto
Organizados
exhaustivo independientemente
no redundante de su utilización y su
implementación en
de datos máquina,
estructurados,

Compatibles con
usuarios concurrentes
Accesibles en tiempo con necesidad de
real y información diferente
y no predicable en
tiempo.
 Bases de Datos
Disponibilidad de
los datos

Integración de
Recuperación datos
dirigida de la
información

Facilidad de
Objetivos El comportamiento
del SGBD con cada
tipo de datos
acceso a los datos

Tipo de
Actualización y
Almacenamiento datos
recuperación
eficiente de datos
eficientes
Facilidad para extraer
los datos
(información)
requeridos
 Bases de Datos
Herramienta
que actúa como Capaz de llevar a cabo
interfaz entre el funciones como la creación y
usuario, los gestión de la BD, control de
modelos y el Sistemas de
Gestión de Bases accesos y manipulación de
sistema físico. datos de acuerdo a las
de Datos (SGBD) necesidades de cada usuario.

Data Base Definición de las

Manipulación de
Management estructuras para
almacenar los datos. los datos.
System (DBMS) DLL (Data DML (Data
Definition Manipulation/M
Formado por: Language) provee anagement
de los medios Language)
Personas necesarios para facilita a los
definir los datos con usuarios el
Máquinas acceso y
precisión,
Programas especificando las manipulación de
distintas los datos.
Datos
estructuras.
 Bases de Datos
Años 60. Se desarrolló
GUAM (General Update
Access Method), software En esa misma época, se
basado en el concepto de desarrolló IDS
que varias piezas (Integrated Data Store),
CODASYL (Conference
pequeñas se unen para de General Electric
on Data Systems
formar una pieza más (Charles Bachmann).
Languages), formado por
grande, y así Nuevo tipo de sistema de
representantes del
sucesivamente hasta que bases de datos conocido
mundo empresarial y del
el producto final está como sistema de red.
gobierno de EEUU;
ensamblado (Proyecto
quienes crearon un grupo
Apolo).
denominado DBTG (Data
Base Task Group).
Estructura Sistemas
Jerárquica de Red,
(Forma de CODASYL o
árbol) DBTG.
A mediados de los sesenta,
IBM desarrolla IMS
(Information Management
System).

Los sistemas jerárquico y de red constituyen la primera

generación de los SGBD.
 Bases de Datos
En 1970 Edgar
Frank Codd,
presento el
Modelo
• Desarrollo de un lenguaje de
Relacional. consultas estructurado
denominado SQL
(Structured Query
Language). Se ha convertido
en lenguaje estándar.
• La producción de varios
Se comenzaron a
SGBD relacionales durante
desarrollar muchos los años ochenta, como DB2
sistemas relacionales. y SLQ/DS de IBM, y
Apareciendo los ORACLE de ORACLE
primeros a finales de Corporation.
los 70 y principios de
los 80.
 BD Relacionales
Tabla
Fundamentos
• Objeto de almacenamiento
postulados en • Es una estructura en forma de cuadrante
1970 por Edgar donde se almacenan registros o filas de
Frank Codd, de datos.
los laboratorios • Cada tabla tiene un nombre único en la BD.
IBM en San José
(California). Una BDR es un conjunto de
una o más Tablas Registro
estructuradas en Registros Cada una de las filas de
(líneas) y Campos una tabla, está compuesto
(columnas), que se vinculan por campos o atributos.
entre sí por un campo en
común, en ambos casos posee Campo
las mismas características • Cada uno de los “cajoncitos” de
como por ejemplo el nombre un registro donde se guardan los
de campo, tipo y longitud; a datos.
este campo generalmente se le • Cada campo tiene un nombre
Su idea único para la tabla de la cual
fundamental denomina ID (Identificador o forma parte.
es el uso de clave). • Es de un tipo (naturaleza)
"relaciones" determinado, en términos
. informáticos no encontraremos
un dato alfanumérico (letras y
números) en un campo diseñado
para guardar datos numéricos.
 BD Relacionales
Tabla

Registro

Codigo Nombre Carrera Promedio

12345 Juan CIBAR 4,3

67890 José DSIND 5

Indice
(Identificador) Campos

Elementos: Nivel interno

 BD Relacionales
Tabla de alumnos

Nombre Carrera Promedio Asesor

Tabla de asesores

Asesor Teléfono Dirección

 Modelo Entidad/Relación
Expresividad
Propuesto por Peter gráfica: Visión
Chen en 1976 (MIT) global de lo que
"Modelo entidad- Se centra en la se modela.
relación: hacia una representación de las Intuitivamente
visión unificada de entidades de un sistema, funciona muy
los datos" y las propiedades de las bien
mismas.
Es independiente de la
herramienta de
implementación.

Es el modelo más utilizado

Gran en la actualidad para
aceptación modelar problemas reales y
inicial administrar datos
dinámicamente
(modelamiento conceptual ).
 Modelo Entidad/Relación
Entidad/ • Representa un objeto o concepto del mundo real
• Es una Clase de objetos relevantes y distinguibles
Objeto del mundo, que son los sujetos de interés para el
modelo (sistema).
(sustantivos) • Ej.: Cliente, Empleado, Proveedor, Sucursal, etc.

Asociación/ • Relación binaria bidireccional, significativa y

nombrable entre 2 entidades (no necesariamente
Relación diferentes).
• Establecen una acción o hecho
(verbos)

Atributo • Propiedad básica o característica de interés que

describe una entidad o asociación
(adjetivos)
 Modelo Entidad/Relación
Nos interesan sus
propiedades  Atributos. A veces NO es
fácil
distinguir
entre un
Clases de objetos atributo y una
entidad
que son
importantes en el
dominio de
estudio
Ej: ¿Barrio es un
atributo de
persona o es
una entidad en
si misma?
NOMBRE
Representación: Atributo 1
Atributo 2
Atributo N
Entidades
 BD Relacionales
Identificador • Sí/No (Boolean): Almacenamiento 1 byte
Llave Requerido (*) • Byte (Byte): Enteros entre 0 y 255.
Almacenamiento 1 byte (8 bits).
clave principal Opcional (o) • Entero (short): Enteros entre -32.768 y 32.767.
(#) Almacenamiento 2 bytes (16 bits).
• Entero largo (int): Enteros entre -[Link] y
Tipo de [Link]. Almacenamiento 4 bytes (32 bits).
Atributos Tamaño Opcionalidad • Entero largo (long): Enteros entre -263 y 263-1.
Dato Almacenamiento 8 bytes (64 bits).
Entero • Single (float): Números entre ±3,4·10-38 .. ±3,4·1038
Codigo Número * y hasta siete dígitos significativos. Almacenamiento
Largo 4 bytes. (Simple)
• Double (double): Números entre ±1,7·10-308 ..
Nombre Texto 50 * ±1,7·10308 y hasta 15 dígitos significativos.
Almacenamiento 8 bytes (64 bits).
Direccion Texto 100 * • Decimal: Números entre-9,999... x 1027 a 9,999... x
1027. El requisito de almacenamiento es de 12 bytes.
PromedioA Número Single o
• Texto corto (chart): Hasta 255
Activo Lógico Booleano * caracteres. Almacenamiento 2 bytes
por carácter.
• Texto Largo: Más de 255 caracteres.

Elementos: Nivel Conceptual

Tipo de datos Formato Intervalo Precisión Almacenamiento
De 00:00:00.0000000
time hh:mm:ss[.nnnnnnn] 100 nanosegundos 3 a 5 bytes
a 23:59:59.9999999
De 0001-01-01 a
date YYYY-MM-DD 1 día 3 bytes
31.12.99
AAAA-MM-DD De 1900-01-01 a 2079-
smalldatetime 1 minuto. 4 bytes
hh:mm:ss 06-06
AAAA-MM-DD De 1753-01-01 a 9999-
datetime 0,00333 segundos 8 bytes
hh:mm:ss[.nnn] 12-31
De 0001-01-01
AAAA-MM-DD 00:00:00.0000000 a
datetime2 100 nanosegundos De 6 a 8 bytes
hh:mm:ss[.nnnnnnn] 9999-12-31
23:59:59.9999999
De 0001-01-01
YYYY-MM-DD 00:00:00.0000000 a 100 nanosegundos
datetimeoffset hh:mm:ss[.nnnnnnn] 9999-12-31 (ajuste de zona De 8 a 10 bytes
[+|-]hh:mm 23:59:59.9999999 (en horaria)
UTC)
Modelo Entidad/Relación

Notaciones
 Modelo Entidad/Relación
Uno a Muchos: Cuando un registro de una tabla (tabla principal) puede relacionarse con varios
registros en otra tabla (tabla secundaria) y un registro de la tabla secundaria solo puede estar
relacionado con un solo registro de la tabla principal.

pinta
PINTOR CUADRO
pintado por
Un pintor pinta muchos cuadros
Un cuadro es pintado por un pintor CUADRO

PINTOR El primer autorretrato

Figura asomada a la ventana
Salvador Dali
Rosita
El pueblo
Fernando Botero
La familia colombiana
Retrato de un hombre barbudo
Pablo Picasso
Bañista
Relaciones
 Modelo Entidad/Relación
Muchos a Muchos: Cuando un registro de una tabla puede estar relacionado con más de un
registro de la otra tabla y viceversa. Las relaciones varios a varios se suelen representar
definiendo una tabla intermedia entre las dos tablas.

aprende
EMPLEADO HABILIDAD
aprendida por

Un empleado aprende muchas habilidades

Una habilidad es aprendida por muchos empleados

EMPLEADO HABILIDAD
Pedro Pintar
Juan Cantar
Luis Conducir
Lola Tejer
Bailar
Relaciones
 Modelo Entidad/Relación
Uno a Uno: Cuando un registro de una tabla sólo puede estar relacionado con un único registro
de la otra tabla y viceversa.

encargado de
EMPLEADO TIENDA
administrada por

EMPLEADO TIENDA
Pedro OXXO Javeriana
Juan Éxito Calle 45
Luis Corral Cll 42
Lola Colsubsidio Cll 39

Relaciones
 Modelo Entidad/Relación

Cada dirección de una asociación posee:

Un nombre • Ej: Pinta, Encargado de, Padre de…

• Puede : línea punteada

Opcionalidad
• Debe (obligatoria): línea continua

• Uno : un punto(.)
Cardinalidad
• Muchos : el símbolo ( )

Relaciones
 Bases de Datos
Clientes Facturas
Código Cliente Nombre Dirección Número Factura Fecha Código Cliente Importe Vencimiento
1155 Carlos Calle A 1599 01/01/2003 1155 $ 1.000,00 01/02/2003
1156 Pedro Calle B 1600 01/06/2003 1155 $ 2.000,00 01/07/2003
1157 Raúl Calle C 1601 15/07/2003 1156 $ 3.000,00 15/08/2003
1158 Marcelo Calle D 1602 24/08/2003 1157 $ 4.000,00 24/09/2003
1159 Esteban Calle E 1603 01/09/2003 1157 $ 5.000,00 01/10/2003

Cuenta Corriente
Número Factura Pagado S/N Importe Saldo
1599 S $ 1.000,00 $ -
1600 P $ 1.000,00 $ 1.000,00
1601 N $ 3.000,00 $ 3.000,00
1602 N $ 4.000,00 $ 4.000,00
1603 N $ 5.000,00 $ 5.000,00
Modelo de datos
 Modelo de datos de una Facultad.
 Requerimientos (restricciones semánticas)
 Una asignatura puede tener varias clases (grupos).
 Los estudiantes se inscriben en varias clases.
 Una clase puede tener varios estudiantes inscritos.
 Todo profesor pertenece a un departamento.
 Una clase de una asignatura ha de estar a cargo de al menos un
profesor.
 Un profesor puede estar a cargo de varias clases de la misma
asignatura (o de asignaturas diferentes).
 Los atributos de cada entidad son “los habituales”.
Bibliografía
 Bawden, D., & Robinson, L. (2013). Introduction to information science. Neal-Schuman.

 Berry, M. A., & Linoff, G. S. (2000). Mastering Data Mining: The Art and Science of Customer
Relationship Management. Industrial Management & Data Systems, 100(5), 245-246.
[Link]

 Han, J., & Kamber, M. (2011). Data Mining: Concepts and Techniques: Vol. 3rd ed. Morgan Kaufmann.
[Link]
&db=nlebk&AN=377411&lang=es&site=eds-live

 Kotu, V., & Deshpande, B. (2019). Data Science: Concepts and Practice: Vol. Second edition. Morgan
Kaufmann.

 Shive, B. (2013). Data engineering. A novel approach to data design (First edition.). Technics
Publications, LLC.