Please enable JavaScript.
Coggle requires JavaScript to display documents.
DEL MODELO ENTIDAD-RELACION AL MODELO DIMENSIONAL (Pasos para diseñar un…
DEL MODELO ENTIDAD-RELACION AL MODELO DIMENSIONAL
Pasos para diseñar un modelo dimensional a partir de un modelo entidad-relación
Diseñar esquema estrella de alto nivel
Identificar esquemas estrella requeridos
Identificar dimensiones relevantes
Definir nivel de sintetización
Diseñar la tabla de hechos a detalle
Definir clave
Definir hechos (datos calculados)
Clasificar entidades
Entidades relación
Entidades catálogo
Entidades transacción
Diseñar las tablas dimensiones a detalle
Definir clave dimensional
Colapasar jerarquías
Reemplazar códigos y abreviaciones por texto descriptivo
Esquemas Estrella
La tabla "hechos" se localiza al centro de la estrella
Generalmente corresponden a eventos en la empresa, como ventas, compras, envíos, etc.
Contienen las llaves foráneas que referencian a las llaves primarias de todas las dimensiones.
Contiene datos calculados usando datos de dos o más dimensiones.
Las tablas "dimensiones" son las puntas de la estrella.
Contienen datos que ayudan a responder preguntas como: quién, cómo, qué, cuándo, dónde, etc. acerca de los eventos de negocio de la tabla "hechos".
Una tabla de hechos tiene, generalmente, de 4 a 11 dimensiones.
Es común que las dimensiones tengan más de cien atributos.
Esquema copo de nieve
Se trata de un esquema estrella con sus dimensiones completamente normalizadas.
Las dimensiones de un esquema de como de nieve pueden crecer arbitrariamente
Ventajas y Desventajas del modelo dimensional
Otra ventaja es que optimiza la ejecución de consultas
La simplicidad del modelo dimensional también es una desventaja, pues limita las consultas que se pueden hacer
Su mayor ventaja es que reduce la complejidad de la estructura de la base de datos
Data Warehouse vs Base de datos operacional
Los Data Warehouse deben ser más amigables para los usuarios.
Los Data Warehouse se usan para consultas mientras que las bases de datos operacionales se enfocan en el rendimiento durante las transacciones.
Generalmente, la estructura de un Data Warehouse es más simple y fácil de entender para cualquier usuario, pues es una versión sintetizada de la base de datos original.