1
00:00:00,840 --> 00:00:06,180
Continuando con el tema de desarrollo de software por qué no podríamos dejar por afuera uno de los temas

2
00:00:06,180 --> 00:00:11,840
más importantes en el baqueanos del desarrollo de software que son las bases de datos entonces aquí

3
00:00:11,860 --> 00:00:17,240
hacemos un Overview muy ligero de las bases de datos tipos de bases datos etcétera etcétera.

4
00:00:17,250 --> 00:00:24,400
Sin embargo no es para nada una meta del CCCP que se conviertan en unos deve hace expertos verdad.

5
00:00:24,550 --> 00:00:30,230
Pero bueno algunos temas principales de las bases de datos primero pues las bases de datos relacionales.

6
00:00:30,540 --> 00:00:37,020
Está claro que son hoy en día las bases de datos o el modelo de base de datos más utilizado que básicamente

7
00:00:37,020 --> 00:00:39,810
como su nombre lo indica consiste de relaciones de verdad.

8
00:00:39,810 --> 00:00:42,160
Ahora bien aquí hay cuatro.

9
00:00:42,370 --> 00:00:48,780
Temas claves para el conocimiento básico de una base de datos relacional primero que son las llaves

10
00:00:48,780 --> 00:00:54,870
primarias verdad las llaves primarias es un registro único que identifica a una fila o una tupla como

11
00:00:54,870 --> 00:00:57,560
se le conoce comúnmente verdad o un registro.

12
00:00:57,690 --> 00:01:05,640
Es decir que tengo por ejemplo la tabla de productos es una llave primaria podría ser el Heydi del producto

13
00:01:05,640 --> 00:01:09,440
o el identificador del producto puede ser numérico o alfanumérico.

14
00:01:09,450 --> 00:01:15,360
Esto depende de la lógica de cada negocio pero el punto es que una llave primaria es un identificador

15
00:01:15,480 --> 00:01:21,900
único es decir no se puede repetir y luego tenemos las llaves foráneas y ahí es cuando nosotros necesitamos

16
00:01:21,900 --> 00:01:27,870
hacer referencia y por eso por eso las bases de datos relacionales de verdad necesitamos que dos tablas

17
00:01:27,870 --> 00:01:30,330
tengan una referencia a una relación entre sí.

18
00:01:30,330 --> 00:01:36,660
Por ejemplo yo puedo decir bueno yo tengo que hacer facturas o tengo que emitir facturas entonces tengo

19
00:01:36,660 --> 00:01:42,210
que hacer una relación o una referencia a la tabla de productos.

20
00:01:42,450 --> 00:01:47,880
Entonces en este caso el Heydi del producto que habíamos mencionado se convierte en la llave foránea

21
00:01:47,910 --> 00:01:54,940
en la tabla de facturación porque entonces aquí podemos decir que una factura puede tener varios productos.

22
00:01:55,120 --> 00:02:02,070
Entonces por eso es que hacemos la referencia a la tabla de productos desde la tabla facturación y lo

23
00:02:02,070 --> 00:02:07,950
hacemos por medio de una llave foránea es decir la llave primaria en la tabla de productos se convierte

24
00:02:07,950 --> 00:02:13,740
ahora en la llave foránea siempre de productos pero en la tabla de facturación luego tenemos las relaciones

25
00:02:13,740 --> 00:02:15,640
de los tipos de relaciones que existen.

26
00:02:15,810 --> 00:02:18,630
Primero es la de uno a muchos que es la que acabamos de ver verdad.

27
00:02:18,660 --> 00:02:21,720
Una factura puede tener muchos productos.

28
00:02:21,720 --> 00:02:27,780
También existen relaciones de uno a uno o sea en el caso en este caso pues no aplica a menos que de

29
00:02:27,780 --> 00:02:32,520
repente se lo vendamos un producto pero bueno hay relaciones de uno a uno y hay relaciones un poco más

30
00:02:32,520 --> 00:02:34,260
complejas que son de muchos a muchos.

31
00:02:34,290 --> 00:02:39,570
Es decir yo puedo tener productos pero también puedo tener servicios por ahí entonces de repente obtengo

32
00:02:39,630 --> 00:02:45,510
la tabla servicios y la Tabla Productos en una factura pueden ir muchos productos y muchos servicios

33
00:02:45,540 --> 00:02:51,030
entonces ahí podemos hacer una combinación de entre muchos a muchos de verdad o un ejemplo muy común

34
00:02:51,030 --> 00:02:54,210
que se da es el famoso encabezado y detalle de una factura verdad.

35
00:02:54,450 --> 00:02:59,640
Entonces por ejemplo el encabezado podemos tener la tabla encabezado de factura y la tabla de productos

36
00:02:59,730 --> 00:03:05,190
y en el detalle podríamos referenciar este tema de muchos productos de verdad porque entonces podemos

37
00:03:05,190 --> 00:03:10,440
decir bueno un encabezado de factura puede incluir varios productos pero varios productos pueden estar

38
00:03:10,440 --> 00:03:15,950
en muchas facturas al mismo tiempo entonces ahí tenemos la relación de muchos son muchos y hay un tema

39
00:03:16,170 --> 00:03:21,330
de auto relación es decir la autorreferencia verdad existe.

40
00:03:21,470 --> 00:03:26,550
Sin embargo no es tan funcional como para que nos detengamos mucho tiempo a verlo pero bueno aquí hay

41
00:03:26,550 --> 00:03:28,070
un mecanismo de seguridad.

42
00:03:28,080 --> 00:03:35,880
Cuando hablamos de bases de datos relacionales que es la integridad referencial es decir si yo ya tengo

43
00:03:36,450 --> 00:03:37,210
un ejemplo.

44
00:03:37,230 --> 00:03:42,900
Volvamos al ejemplo de producto factura que tengo la llave primaria en producto y que se convierte en

45
00:03:42,900 --> 00:03:44,980
llave foránea dentro de la tabla de facturas.

46
00:03:45,450 --> 00:03:50,440
Entonces yo no podría venir y eliminar un producto por ejemplo decir bueno yo ya no vendo manzanas o

47
00:03:50,480 --> 00:03:52,970
voy a eliminar el producto manzanas de mi base de datos.

48
00:03:53,010 --> 00:03:58,970
Si este producto está referenciado en alguna factura verdad esto es por opor por temas de integridad.

49
00:03:58,980 --> 00:04:01,410
Por eso se le conoce como integridad referencial.

50
00:04:01,410 --> 00:04:05,400
Yo no puedo venir y de la noche a la mañana eliminar 5 días productos.

51
00:04:05,400 --> 00:04:11,370
Si de repente los tengo referenciados en muchas facturas verdad donde yo he vendido dichos productos.

52
00:04:11,460 --> 00:04:14,940
Este es un mecanismo de seguridad que tienen las bases de datos.

53
00:04:14,940 --> 00:04:21,390
En este caso relacionales sin embargo a pesar de que las bases de datos relacionales son las más utilizadas

54
00:04:21,660 --> 00:04:28,830
tenemos algunas otras bases de datos como por ejemplo la base de datos jerárquica la base de datos de

55
00:04:28,830 --> 00:04:35,010
árbol muchas bases de datos e incluso bases de datos orientadas a objetos que creo que no tuvieron el

56
00:04:35,010 --> 00:04:40,410
auge que se predijo que iban a tener por el tema de la programación orientada a objetos de verdad y

57
00:04:40,410 --> 00:04:46,190
por lenguajes de programación que nos hace la vida un poco más fácil como Peyton Perrault etcétera etcétera.

58
00:04:46,260 --> 00:04:49,510
Pero bueno tenemos las vistas en las bases de datos.

59
00:04:49,530 --> 00:04:57,330
Otro concepto clave que son básicamente una Internet una interfase restringida para algún usuario es

60
00:04:57,330 --> 00:05:04,050
decir por ejemplo recuerdan el tema de Need to privilege con las vistas podríamos forzar esto es decir

61
00:05:04,350 --> 00:05:07,470
yo tengo mi base datacenters que tiene 50 tablas.

62
00:05:07,470 --> 00:05:13,800
Sin embargo para hacer reportería de contabilidad o temas de marketing o temas de recursos humanos o

63
00:05:13,800 --> 00:05:18,880
temas de cualquier departamento yo no necesito que los usuarios tengan acceso a toda la base de datos.

64
00:05:18,890 --> 00:05:24,420
Entonces lo que hago es que yo creo vistas estas vistas lo que hacen es referenciar a tablas específicas

65
00:05:24,660 --> 00:05:29,550
y solo desplegar la información que quieren que desplieguen verdad es decir contabilidad por ejemplo

66
00:05:29,550 --> 00:05:31,370
necesitaría acceso a las facturas.

67
00:05:31,500 --> 00:05:35,700
Le vamos a dar vamos a poner en la lista de contabilidad vamos a poner la tabla de facturas y la tabla

68
00:05:35,700 --> 00:05:42,120
de productos y contabilidad necesita perdón necesitaría acceso a temas de recursos humanos alguna tabla

69
00:05:42,120 --> 00:05:43,280
de recursos humanos.

70
00:05:43,360 --> 00:05:49,110
Bueno lo voy a poner a la vista de contabilidad esta tabla y así nos vamos armando las vistas conforme

71
00:05:49,110 --> 00:05:55,710
nosotros necesitemos o le queramos dar algún acceso o algún privilegio o algún permiso a un usuario

72
00:05:55,710 --> 00:06:00,390
basado en siempre los conceptos de nietzscheano y privilegios.

73
00:06:00,810 --> 00:06:06,170
Luego tenemos los cueros o las consultas que se pueden hacer a una base de datos y tenemos un lenguaje

74
00:06:06,180 --> 00:06:09,280
verdad el famoso dar a Baiz Quarry el lenguaje.

75
00:06:09,450 --> 00:06:15,060
Entonces aquí tenemos dos conceptos o dos tipos de cuerpos o dos tipos de consultas que hacemos primero

76
00:06:15,060 --> 00:06:22,320
es el Data Definition lenguaje o de D.L. y el Data Manipulation Language verdad entonces DBL se utiliza

77
00:06:22,320 --> 00:06:29,580
por ejemplo el Data Definition lenguaje que se usa para crear modificar o eliminar tablas mientras que

78
00:06:29,580 --> 00:06:37,950
el de M.L. Manipulation o modifiqué en un lenguaje es utilizado para hacer consultas como actualizaciones

79
00:06:38,260 --> 00:06:40,740
a las tablas etc etc etc..

80
00:06:40,950 --> 00:06:47,630
Antes de que se me escape esto les haya mencionado de las bases de datos jerárquicas y árbol y orientadas

81
00:06:47,630 --> 00:06:48,870
a objetos por ejemplo.

82
00:06:48,870 --> 00:06:54,930
Otra vez repito las bases de datos relacionales son las más utilizadas hoy en día.

83
00:06:54,930 --> 00:07:01,860
Sin embargo hoy hay una base de datos que yo siempre hago la pregunta ustedes creen que existe alguna

84
00:07:01,860 --> 00:07:07,100
base de datos jerárquica que se utilice o en forma de árbol que se utiliza hoy en día.

85
00:07:07,170 --> 00:07:13,740
La respuesta casi siempre es no por la misma percepción y percepción de percepción correcta que las

86
00:07:13,740 --> 00:07:17,580
bases de datos más utilizadas hoy en día son las relacionales.

87
00:07:17,580 --> 00:07:24,150
Sin embargo tenemos una gran tecnología que funciona bajo bases de datos jerárquicas y es el protocolo

88
00:07:24,320 --> 00:07:32,010
LDAP es decir el Active Directory Kerberos LDAP y todo lo relacionado con el mecanismo de autenticación

89
00:07:32,020 --> 00:07:34,560
o de controles de acceso.

90
00:07:34,560 --> 00:07:40,360
Utiliza bases de bases de datos relacionales por ejemplo tenemos el Domain Controller Organizational

91
00:07:40,620 --> 00:07:47,330
Unit Camón etcétera etcétera que son relacionales.

92
00:07:47,370 --> 00:07:54,810
Por último tenemos a data warehouse el tema de data warehouse que creo que a mi opinión es como el inicio

93
00:07:54,810 --> 00:08:02,400
del big data no el data warehouse es simplemente una colección de datos inmensa muy grande puede ser

94
00:08:02,400 --> 00:08:07,460
de años de años de años de recolección de datos y el Data Market.

95
00:08:07,470 --> 00:08:11,460
Por otro lado es una versión más ligera del Data Warehouse.

96
00:08:11,460 --> 00:08:15,150
Ahora para qué nos serviría tener tanto dato almacenado.

97
00:08:15,780 --> 00:08:21,630
Si ya es obsoleto digamos ya no ya ni siquiera lo necesitamos para temas de cumplimiento de retención

98
00:08:21,630 --> 00:08:23,670
de información Varda sirve.

99
00:08:23,690 --> 00:08:29,280
Combinado esto combinado con con data mining o minería de datos sirve para encontrar relaciones ocultas

100
00:08:29,610 --> 00:08:36,960
alguien que le saca mucho provecho a esto son los supermercados es decir de repente y coleccionan datos

101
00:08:36,960 --> 00:08:44,610
de patrones de compra de 20 50 años y de repente con esto hacen data mining para saber que por ejemplo

102
00:08:44,940 --> 00:08:51,140
en enero de cada año se incrementan las ventas de algún producto en específico.

103
00:08:51,150 --> 00:08:56,250
Supongamos que artículos de limpieza personal entonces lo que hacen es poner estos artículos de primero

104
00:08:56,250 --> 00:08:57,400
en el supermercado.

105
00:08:57,420 --> 00:09:02,340
No crean que cuando cambian los productos de orden en el supermercado o cuando ponen algunas cosas en

106
00:09:02,340 --> 00:09:05,820
oferta o en frente es por pura coincidencia.

107
00:09:05,910 --> 00:09:10,080
Esto tiene un análisis por debajo y es con minería de datos.

108
00:09:10,080 --> 00:09:18,250
Ahora bien creo yo esta es una percepción muy personal que el data warehouse y data mining fueron el

109
00:09:18,360 --> 00:09:22,670
inicio del famoso Big Data y el machine learning.

110
00:09:22,740 --> 00:09:28,950
Al final obviamente no podemos comparar el big data y el machine learning con data mining y data warehouse

111
00:09:29,550 --> 00:09:38,360
pero si que fue como un inicio digamos común como un inicio para para para dar paso a la Big Data y

112
00:09:38,370 --> 00:09:40,320
el machine learning como tal verdad.

113
00:09:40,420 --> 00:09:48,420
Bueno si quieren una diferencia entre Big Data y Machine Learning bueno en este caso Big Data y Data

114
00:09:48,420 --> 00:09:56,010
Warehouse creería yo que el Big Data y el data warehouse digamos que vienen de la misma base o necesidad

115
00:09:56,010 --> 00:10:03,500
que fue el Business Intelligence o la inteligencia de negocios por ejemplo no sé si se recuerdan los

116
00:10:03,500 --> 00:10:11,440
cubos OLAP análisis de coincidencias o análisis de patrones verdad.

117
00:10:11,510 --> 00:10:14,800
Esto dio origen a todo este tema de pillines iniciados.

118
00:10:15,020 --> 00:10:22,920
Ahora bien Big Data nos permite tomar data digamos desordenada o de cualquier fuente.

119
00:10:23,060 --> 00:10:29,090
Es decir podríamos tomar data de x z fuente no no necesariamente tienen que ser de una misma fuente.

120
00:10:29,300 --> 00:10:36,890
Mientras que el data warehouse procesa la data pero mantiene la consistencia de la información es decir

121
00:10:37,070 --> 00:10:44,120
un formato específico hacia una fuente desde una fuente específica hacia un fin específico o hacia un

122
00:10:44,120 --> 00:10:45,740
destino específico.

123
00:10:45,740 --> 00:10:54,290
En cambio el big data puede ser un poco no quiero decir desordenado pero sí puede obtener forma de información

124
00:10:54,290 --> 00:11:01,100
de cualquier formato de cualquier fuente y entregarla a cualquier destino o un destino no necesariamente

125
00:11:01,100 --> 00:11:05,540
parcheado o debidamente estructurado como si como tal verdad.

126
00:11:05,610 --> 00:11:07,650
Creo que esa es la gran diferencia.

127
00:11:07,650 --> 00:11:09,180
Y bueno esto es todo amigos.

128
00:11:09,240 --> 00:11:11,360
Pero les ha gustado y nos vemos muy pronto.
