Modelado Dimensional de Datos
Diseñar tablas de hechos y dimensiones que hacen que el análisis de negocio sea rápido e intuitivo.
ÁreaIngeniería y Arquitectura de Datos
DificultadIntermedio
Tiempo de aprendizaje3-4 semanas
¿Qué puedes lograr dominando este tema?
- Diseñar esquemas estrella o copo de nieve que faciliten el análisis de negocio
- Separar correctamente 'hechos' (métricas) de 'dimensiones' (contexto descriptivo)
- Optimizar un modelo de datos para que las consultas analíticas sean simples y rápidas
Descripción
El modelado dimensional organiza los datos de un data warehouse en tablas de hechos (las métricas que se miden, como ventas) y tablas de dimensión (el contexto que las describe, como producto, cliente, tiempo), facilitando enormemente que analistas de negocio construyan reportes sin necesitar joins complejos.
Casos de uso
- Diseño de esquemas para data warehouses empresariales
- Preparación de datos para herramientas de BI como Tableau o Power BI
- Optimización de consultas analíticas recurrentes
- Estandarización de métricas de negocio entre equipos
Ejemplo práctico
-- Tabla de hechos
CREATE TABLE hechos_ventas (
fecha_id INT, producto_id INT, cliente_id INT,
monto NUMERIC, unidades INT
);
-- Tabla de dimensión
CREATE TABLE dim_producto (producto_id INT, nombre TEXT, categoria TEXT);Ventajas y limitaciones
Ventajas
- Simplifica drásticamente las consultas analíticas para usuarios de negocio
- Metodología madura y bien documentada (Kimball) desde hace décadas
- Mejora el rendimiento de las herramientas de BI que consumen el warehouse
Limitaciones
- Requiere disciplina de diseño y mantenimiento a medida que el negocio evoluciona
- Menos natural para datos semi-estructurados o de alta variabilidad
Herramientas relacionadas
Librerías y plataformas más comunes para practicar este tema.
- dbt
- Snowflake
- PostgreSQL