Componente del Pentaho Data Integration para el proceso de perfilado de datos.

Abstract

En las últimas décadas se ha evidenciado un crecimiento exponencial de la información debido al constante desarrollo de la tecnología y la sociedad a pasos agigantados. Realizar la gestión del gran cúmulo de datos que se generaban diariamente en múltiples empresas comenzó a tornarse un proceso complejo debido a la variedad de las fuentes de los datos y a la falta de una normalización en los mismos. En la investigación realizada se incluyen diversos aspectos relacionados con la plataforma Pentaho y específicamente con su herramienta Pentaho Data Integration (PDI), así como del proceso de perfilado de datos que se realiza a partir de la misma. Los beneficios de este proceso y la necesidad de actualización del mismo para el óptimo desarrollo de la gestión de los datos, impulsó al desarrollo de un componente que facilita y apoya el trabajo de perfilado de datos con el PDI. El ciclo de desarrollo del componente para el PDI posibilita documentar una serie de resultados que permitirán una futura profundización sobre el tema, así como la comparación con otras tecnologías y la sustitución de las mismas. Se describen las características de la aplicación y las actividades relacionadas con la metodología adoptada durante todo el proceso.