Solución de inteligencia de negocios basada en una arquitectura de BIG Data para el archivo Web de Venezuela

Abstract

Resumen El Archivo Web de Venezuela es un proyecto que representa una iniciativa para preservar, de manera histórica, el contenido web de relevancia para el país, es decir,aquel que puede llegar a ser considerado patrimonio digital de la nación. Actualmente esta iniciativa se encuentra en la segunda fase de desarrollo del prototipo, en la cual se busca facilitar el control, gestión y monitoreo del Archivo. Por lo cual se destaca con atención el proceso de rastreo de las páginas web, que se lleva a cabo con la herramienta Heritrix, la cual genera una importante cantidad de metadatos a partir de los rastreos realizados a los sitios web previamente seleccionados, que se mantienen en archivos de texto plano difíciles de analizar, y que contienen información relevante para la administración y planificación del proyecto. Es por ello que el presente trabajo especial de grado tiene como objetivo el desarrollo de una solución de inteligencia de negocio que genere indicadores que apoyen la toma de decisiones sobre la administración del sistema. Para ello se utilizaron herramientas del ecosistema Hadoop como su almacén de datos Hive, y Tableau para la generación de los indicadores, bajo la metodología de Ralph Kimball. Palabras claves:archivo Web, preservación, rastreo, Big Data, almacén de datos, indicadores.