Modelo de base de datos funcional

El modelo de base de datos funcional se utiliza para respaldar aplicaciones analíticas como la planificación financiera y la gestión del rendimiento . Este modelo, o simplemente modelo funcional, es diferente del modelo relacional , pero complementario a este. El modelo funcional también se distingue de otros conceptos con nombres similares, como el modelo de base de datos funcional DAPLEX ^{[ 1 ]} y las bases de datos de lenguaje funcional.

El modelo funcional forma parte de la categoría de procesamiento analítico en línea (OLAP), ya que comprende una consolidación jerárquica multidimensional. Sin embargo, va más allá de OLAP al requerir una organización de celdas similar a la de una hoja de cálculo , donde las celdas pueden introducirse o calcularse en función de otras celdas. Asimismo, al igual que en las hojas de cálculo, admite cálculos interactivos en los que los valores de todas las celdas dependientes se actualizan automáticamente cada vez que cambia el valor de una celda.

El análisis de datos, especialmente el análisis prospectivo, requiere modelado interactivo, análisis de escenarios hipotéticos y experimentación, similar a la que realizan la mayoría de los analistas de negocios con hojas de cálculo. Esta interacción con los datos es posible gracias a la orientación de las celdas de la hoja de cálculo y a su capacidad para permitir a los usuarios definir celdas calculadas en función de otras celdas.

El modelo de base de datos relacional carece de tales conceptos y, por lo tanto, es muy limitado en cuanto al modelado del rendimiento empresarial y la interactividad que puede soportar. En consecuencia, el análisis basado en bases de datos relacionales se restringe casi exclusivamente a datos históricos, que son estáticos. Esto impide aprovechar la mayoría de los beneficios estratégicos del análisis, que provienen de la construcción interactiva de perspectivas futuras.

El modelo funcional se basa en matrices multidimensionales, o « cubos », de celdas que, como en una hoja de cálculo, pueden introducirse externamente o calcularse a partir de otras celdas. Estos cubos se construyen utilizando dimensiones que corresponden a conjuntos jerárquicamente organizados de entidades reales como productos, geografías, tiempo, etc. Un cubo puede considerarse una función del producto cartesiano de las dimensiones. Es decir, asigna un valor a cada celda, identificado por una n-tupla de elementos de dimensión; de ahí el nombre de «funcional». El modelo conserva la flexibilidad y el potencial de interactividad de las hojas de cálculo, así como las consolidaciones jerárquicas multidimensionales de las herramientas OLAP basadas en relaciones. Al mismo tiempo, el modelo funcional supera las limitaciones tanto del modelo de base de datos relacional como de las hojas de cálculo clásicas.

Existen desde hace algún tiempo productos que implementan los principios del modelo funcional en diversos grados, incluidos productos como Essbase , TM1 , Jedox, Alea, Microsoft Analysis Services , etc. ^{[ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ]}

El sistema de gestión de una empresa generalmente consta de una serie de bucles de control interconectados. Cada bucle comienza con la elaboración de un plan, que luego se ejecuta, y los resultados se revisan y comparan con el plan original. Con base en esos resultados y una nueva evaluación de las perspectivas futuras, se elabora un nuevo plan y se repite el proceso. Los tres componentes del bucle de control —planificación, ejecución y evaluación— tienen diferentes perspectivas temporales. La planificación se centra en el futuro, la ejecución en el presente y la revisión en el pasado.

Actualmente, las Tecnologías de la Información (TI) desempeñan un papel fundamental para optimizar la eficiencia y la eficacia de los procesos de control de gestión. Los sistemas informáticos operativos se centran en la ejecución, mientras que los sistemas informáticos analíticos, o simplemente Analytics, se utilizan para mejorar la planificación y la evaluación. Las necesidades de información de cada componente son diferentes. Los sistemas operativos suelen ocuparse de registrar las transacciones y realizar un seguimiento del estado actual del negocio: inventario, trabajo en curso, etc. Analytics consta de dos componentes principales: el análisis prospectivo, que se aplica a la planificación, y el análisis retrospectivo, que se aplica a la evaluación.

En el análisis retrospectivo, las transacciones resultantes de las operaciones se desglosan y acumulan en conjuntos de celdas. Estas celdas se identifican mediante tantas dimensiones relevantes para el negocio: tiempo, producto, cliente, cuenta, región, etc. Las celdas se organizan típicamente en cubos que constituyen la base para análisis retrospectivos, como la comparación del rendimiento real con el planificado. Este es el ámbito principal de los sistemas OLAP. El análisis prospectivo desarrolla cubos de datos similares, pero para periodos de tiempo futuros. El desarrollo de datos prospectivos suele ser el resultado de la intervención humana o de modelos matemáticos que se impulsan y controlan mediante la interacción del usuario.

La aplicación de las tecnologías de la información a los tres componentes del ciclo de control de gestión evolucionó con el tiempo a medida que se desarrollaban nuevas tecnologías. El registro de las transacciones operativas fue una de las primeras necesidades que se automatizaron mediante el uso de tarjetas perforadas de 80 columnas. Con el avance de la electrónica, los registros se trasladaron primero a cinta magnética y luego a disco. La tecnología del software también progresó y dio lugar a sistemas de gestión de bases de datos que centralizaron el acceso y el control de los datos.

Las bases de datos permitieron entonces el desarrollo de lenguajes que facilitaron la generación de informes para análisis retrospectivos. Casi simultáneamente, se desarrollaron lenguajes y sistemas para gestionar datos multidimensionales y automatizar técnicas matemáticas de previsión y optimización como parte del análisis prospectivo. Desafortunadamente, esta tecnología requería un alto nivel de especialización y no era comprensible para la mayoría de los usuarios finales. Por lo tanto, su aceptación por parte de los usuarios fue limitada, al igual que los beneficios derivados de ella.

Hasta la llegada de la hoja de cálculo electrónica, no existía una herramienta de uso generalizado para el análisis prospectivo. Por primera vez, los usuarios finales disponían de una herramienta comprensible y controlable, que les permitía modelar su negocio según su propia comprensión. Podían interactuar, experimentar, adaptarse a situaciones cambiantes y obtener información valiosa con gran rapidez. Como resultado, las hojas de cálculo se adoptaron ampliamente y, finalmente, se generalizaron. Hoy en día, siguen siendo una herramienta indispensable para cualquier persona que realice planificación.

Las hojas de cálculo poseen características clave que facilitan el modelado y el análisis. Permiten integrar datos de múltiples fuentes en una sola hoja. Las celdas se definen mediante fórmulas de cálculo en función de otras celdas, lo que permite vincular lógicamente información de diferentes fuentes para calcular valores derivados. Las celdas calculadas se actualizan automáticamente cuando cambia alguna de las celdas de entrada de las que dependen. Si los usuarios se plantean una hipótesis, simplemente modifican algunas celdas de datos y todas las celdas dependientes se actualizan automáticamente. Además, las celdas se organizan en cuadrículas rectangulares y se yuxtaponen para que las diferencias significativas se identifiquen de un vistazo o mediante representaciones gráficas. Las cuadrículas de las hojas de cálculo también suelen contener cálculos de consolidación a lo largo de filas y/o columnas. Esto permite descubrir tendencias en el conjunto de datos que podrían no ser evidentes a nivel detallado.

Sin embargo, las hojas de cálculo presentan varias limitaciones . Las celdas se identifican por su posición en filas y columnas, no por los conceptos empresariales que representan. Son bidimensionales, y aunque varias páginas dan la impresión de ser tridimensionales, los datos empresariales suelen tener más dimensiones. Si los usuarios desean realizar otro análisis sobre el mismo conjunto de datos, es necesario duplicarlos. Si bien a veces se pueden usar enlaces entre hojas de cálculo, en la mayoría de los casos no resultan prácticos. El efecto combinado de estas limitaciones es que existe un límite en la complejidad de las hojas de cálculo que se pueden crear y gestionar.

Si bien el modelo funcional conserva las características clave de la hoja de cálculo, también supera sus principales limitaciones. En este modelo, los datos se organizan en una cuadrícula de celdas, pero estas se identifican por concepto de negocio en lugar de simplemente por fila o columna. En vez de hojas de cálculo, los objetos del modelo funcional son dimensiones y cubos. En lugar de dos o tres dimensiones (fila, columna y hoja), el modelo funcional admite tantas dimensiones como sean necesarias.

Otra ventaja del modelo funcional es que se trata de una base de datos con características como independencia de datos, acceso multiusuario concurrente, integridad, escalabilidad, seguridad, registro de auditoría , copia de seguridad/recuperación e integración de datos .

La independencia de datos es de suma importancia para el análisis. Los datos ya no necesitan residir en hojas de cálculo. En su lugar, la base de datos funcional actúa como un recurso central de información. La hoja de cálculo funciona como interfaz de usuario para la base de datos, de modo que los mismos datos pueden ser compartidos por varias hojas de cálculo y varios usuarios. Las actualizaciones enviadas por varios usuarios están disponibles para todos, sujetas a las reglas de seguridad. Por consiguiente, siempre existe una única versión compartida y coherente de los datos.

Una base de datos funcional consta de un conjunto de dimensiones que se utilizan para construir un conjunto de cubos. Una dimensión es un conjunto finito de elementos, o miembros, que identifican datos empresariales, por ejemplo, periodos de tiempo, productos, áreas o regiones, partidas, etc. Los cubos se construyen utilizando cualquier número de dimensiones. Un cubo es una colección de celdas, cada una de las cuales se identifica mediante una tupla de elementos, uno de cada dimensión del cubo. Cada celda de un cubo contiene un valor. Un cubo es, en esencia, una función que asigna un valor a cada n-tupla del producto cartesiano de las dimensiones.

El valor de una celda puede asignarse externamente (entrada) o ser el resultado de un cálculo que utiliza otras celdas del mismo cubo o de otros cubos. La definición de un cubo incluye las fórmulas que especifican el cálculo de dichas celdas. Las celdas también pueden estar vacías y considerarse con valor cero a efectos de consolidación.

Al igual que con las hojas de cálculo, los usuarios no tienen que preocuparse por realizar recálculos. Cuando se solicita el valor de una celda, el valor devuelto está actualizado con respecto a los valores de todas las celdas que intervienen en su cálculo, es decir, las celdas de las que depende.

Las dimensiones suelen contener jerarquías de consolidación donde algunos elementos se definen como padres de otros, y un padre se interpreta como la suma de sus hijos. Las celdas identificadas por un elemento consolidado en una o más dimensiones se calculan automáticamente mediante el modelo funcional como la suma de las celdas que tienen elementos hijos en esas dimensiones. Cuando se solicita el valor de una celda consolidada, el valor devuelto siempre está actualizado con respecto a los valores de todas las celdas que consolida.

Un ejemplo

Los cubos y sus dimensiones (entre paréntesis) son los siguientes:

• Pérdidas y ganancias (Región, cuenta, moneda, tiempo)
• Ventas - Ventas (Región, Producto, Tiempo)
• Nómina - Nómina (Región, Empleado, Hora)
• Gastos generales - Ovhd(Cuenta, Tiempo)
• Cambio de divisas - Fx(Moneda, Tiempo)

Los cubos del modelo están interconectados mediante fórmulas:

El cubo de pérdidas y ganancias obtiene los costos en dólares del cubo de nómina mediante una fórmula de la forma: P&L( "Nómina", "Dólares") = Nómina ("Todos los empleados")

Nota: La sintaxis de la expresión utilizada es solo a modo de ilustración y puede no reflejar la sintaxis empleada en el modelo formal o en productos específicos que implementan el modelo funcional. Se supone que las dimensiones omitidas en la expresión abarcan todos los elementos hoja de dichas dimensiones. Por lo tanto, esta expresión es equivalente a:

P&L( xRegión, "Nómina", "Dólares", xTiempo) = Nómina (xRegión, "Todos los empleados", xTiempo) , para todas las ausencias xRegión en Región y todas las ausencias xTiempo en Tiempo.

De manera similar, P&L también obtiene los ingresos por ventas del cubo de Ventas a través de:

P&L( "Ventas", "Dólares") = Ventas("Todos los productos")

Los gastos generales se asignan por región en función de las ventas:

P&L("Región", "Dólares") = Ovhd() * Ventas("Región") / Ventas("Todas las regiones")

Finalmente, otras monedas se derivan del tipo de cambio del dólar:

P&L() = P&L("Dólares") * Fx()

La parte histórica de los cubos también se obtiene del almacén de datos . En este ejemplo simplificado, los cálculos que acabamos de mencionar pueden realizarse en el almacén de datos para la parte histórica de los cubos, pero, por lo general, el modelo funcional admite el cálculo de otras funciones, como ratios y porcentajes.

Si bien el pasado es estático, el futuro suele ser dinámico y se desarrolla de forma interactiva por analistas de negocio de diversas organizaciones y con diferentes perfiles. Los pronósticos de ventas deben ser elaborados por expertos de cada región. Pueden utilizar modelos y parámetros de pronóstico que incorporen su conocimiento y experiencia en esa región, o simplemente introducirlos en una hoja de cálculo. Cada región puede utilizar un método diferente con supuestos distintos. El pronóstico de nóminas podría ser elaborado por expertos de RR. HH. de cada región. El cubo de gastos generales sería completado por personal del departamento financiero de la sede central, al igual que los pronósticos del tipo de cambio. Los pronósticos elaborados por expertos regionales se revisan y se reciclan primero dentro de la región y luego se revisan y se reciclan con la sede central.

El modelo puede ampliarse para incluir una dimensión de Versión que varíe según, por ejemplo, diferentes escenarios económicos. Con el paso del tiempo, cada ciclo de planificación puede almacenarse en una versión distinta, y esas versiones pueden compararse con las reales y entre sí.

En cualquier momento, los datos de todos los cubos, sujetos a restricciones de seguridad, están disponibles para todas las partes interesadas. Los usuarios pueden incorporar dinámicamente segmentos de los cubos a hojas de cálculo para realizar análisis adicionales, con la garantía de que los datos son los mismos que ven los demás usuarios.

Una base de datos funcional reúne información de múltiples fuentes dispares y la integra en modelos coherentes y fáciles de usar. Además, permite organizar los datos dispersos en varias hojas de cálculo. Esto permite a los usuarios obtener una visión general que combina diversos componentes, por ejemplo, para integrar automáticamente la planificación de recursos humanos en un panorama financiero completo. Les proporciona un único punto de acceso para desarrollar análisis globales basados ​​en diversas fuentes.

Una base de datos funcional, como las hojas de cálculo, también permite a los usuarios modificar los valores de entrada mientras todos los valores dependientes se mantienen actualizados. Esto facilita la experimentación con diferentes escenarios, así como la creación y comparación de múltiples situaciones. Los usuarios pueden visualizar los escenarios uno al lado del otro y elegir el más adecuado. Al planificar, pueden llegar a la mejor opción mediante la revisión e interacción repetida con los resultados. De esta interacción directa con los datos, similar a la que se realiza con las hojas de cálculo, surgen ideas prácticas.

Una base de datos funcional no solo proporciona un repositorio de datos interactivo común, sino que también reúne modelos desarrollados por analistas con conocimiento de un área específica del negocio, los cuales pueden ser compartidos por todos los usuarios. Para facilitar esto, una base de datos funcional conserva la capacidad de modelado interactivo basado en celdas de la hoja de cálculo. Esto permite crear modelos que reflejen con mayor precisión la complejidad de la realidad empresarial.

Quizás la mayor contribución de una base de datos funcional al análisis reside en fomentar la colaboración. Permite que múltiples personas y organizaciones compartan no solo una única versión de la verdad, sino una verdad dinámica y en constante evolución. Sus cálculos automáticos consolidan y concilian rápidamente la información procedente de diversas fuentes. Esto promueve la interacción entre distintos departamentos, facilita la revisión de los procesos de pensamiento y posibilita la convergencia y conciliación de diferentes puntos de vista. Además, dado que cada parte del modelo es desarrollada por expertos en su área específica, aprovecha la experiencia y los conocimientos de toda la organización.

• "Teoría básica de conjuntos". Enciclopedia de Filosofía de Stanford. http://plato.stanford.edu/entries/set-theory/primer.html
• Bird RS, Wadler PL Introducción a la programación funcional. Prentice Hall (1988).
• Buneman P., Lenguajes de bases de datos funcionales y el modelo de datos funcional. Un documento de posición para el taller FDM (junio de 1997) http://www.cis.upenn.edu/~peter/fdm-position.html .
• Codd, EF. Un modelo relacional de datos para grandes bancos de datos compartidos. Comm. ACM 13, 6 (junio de 1970).
• Henderson P. Aplicación e implementación de la programación funcional. Prentice Hall (1980).
• Hrbacek, K y Jech, T Introducción a la teoría de conjuntos, tercera edición, Marcel Dekker, Inc., Nueva York 1999.
• Lang, Serge (1987), Álgebra lineal, Berlín, Nueva York: Springer-Verlag, ISBN 978-0-387-96412-6
• CM Necco, JN Oliveira, L. Quintas. Un enfoque funcional para el procesamiento analítico en línea, 2006. WISBD, III Taller de Ingeniería de Software y Bases de Datos. CACIC'06, XII Congreso Argentino de Ciencias de la Computación, Universidad Nacional de San Luis, Argentina.
• EF Codd. Proporcionar OLAP a los usuarios-analistas: un mandato de TI, abril de 1993. Informe técnico, EF Codd and Associates.
• P. Trinder, Una base de datos funcional, Tesis doctoral, Universidad de Oxford, 1989.
• G. Colliat, Sistemas de bases de datos relacionales y multidimensionales Olap, SIGMOD Record, 25(3), (1996)
• TB Pedersen, CS Jensen, Tecnología de bases de datos multidimensionales, IEEE Computer 34(12), 40–46, (2001)
• CJ Date con Hugh Darwen: Guía del estándar SQL: una guía del usuario del lenguaje estándar de bases de datos SQL, 4.ª ed., Addison Wesley, EE. UU., 1997, ISBN 978-0-201-96426-4
• Ralph Kimball y Margy Ross, El kit de herramientas del almacén de datos: La guía completa para el modelado dimensional (Segunda edición), pág.  393
• Karsten Oehler Jochen Gruenes Christopher Ilacqua, IBM Cognos TM1 La guía oficial, McGraw Hill 2012
• La historia definitiva de TM1, Manny Perez, https://www.cubewise.com/about-cubewise/company/story-of-ibm-pa-tm1/
• Más allá de la hoja de cálculo: la historia de TM1. 2020. [película] Dirigida por A. Vale da Conceição. Sídney, Australia. https://tm1.film
• Manny Perez; la entrevista completa de Flatrock. 2020 [película] https://www.youtube.com/watch?v=yO_LUhkwIF4&list=PLCb8b-2N8MebWgyBhXdMDTmkH5Mx-ZMAs