Unidad 3.

Diseando una solucin OLAP

Objetivos

Comprender la formacin de la tabla de hechos

Entender que son las medidas

Conocer que son las dimensiones y como se organizan

Distinguir la diferencia entre los esquemas estrella y copo
de nieve.

Diferenciar las medidas naturales de las calculadas

Contenido de la unidad

3.1 Introduccin
3.2 Construyendo el data mart
3.3 Esquema Estrella
3.3.1 Tabla de Hechos
3.3.2 Dimensiones
3.3.2.1 Relaciones y Estructura de una dimensin
3.3.2.2 Esquema Estrella
3.3.2.3 Esquema Copo de Nieve
3.3.2.4 Padre Hijo (Parent- Child)
3.3.2.5 Dimensiones Virtuales
3.3.2.6 La dimensin Tiempo
3.4 Medidas
3.4.1 Medidas Naturales
3.4.2 Medidas Calculadas

Pgina 1 de 22
3.1. Introduccin

Con lo aprendido en las unidades anteriores, podemos comenzar a definir el

diseo de nuestra base de datos OLAP.
En esta unidad, desarrollaremos el diseo de las tablas que conforman el plano de
un data mart (DM) que nos servir de estructura para el posterior armado del
cubo.
Al final de este mdulo, el lector comprender cmo definir la tabla de hechos,
cmo se pueden organizar las dimensiones, y qu son las medidas.
La estructura que forman la Tabla de Hechos y las Dimensiones
puede verse como el plano o la visin desplegada del cubo.

Pgina 2 de 22
 Data Mart: son almacenes de datos con informacin de inters
particular para un determinado sector de la empresa
Data Warehousing: es el conjunto de almacenes de datos
particulares (Data Mart) con informacin de inters para la
empresa en general

Cada uno de los siguientes son ejemplos Data Mart (DM)

Ventas

Recursos Humanos

Produccin
El Data Warehousing es el conjunto de esos data mart

DM de Ventas + DM de Recursos Humanos + DM de
Produccin

3.2. Construyendo el data mart

Hasta ahora hemos analizado los requerimientos del usuario, y depuramos sus
datos para la formacin del data warehousing, en esta unidad comenzaremos a
disear el modelo del data mart. Este modelo, ser el paso previo al armado de
nuestra base de datos OLAP.
En esta etapa vamos a modelar las tablas relacionales en una gran estructura
desnormalizada, compuesta por tabla de hechos, y tablas ms pequeas que
definirn las n-dimensiones o aperturas de nuestro cubo, llamadas tablas de
dimensiones.
Para ello, primero debemos conocer algunos conceptos que tendremos en cuenta
en la construccin del modelo.

3.3. Esquema Estrella

Para facilitar el anlisis, el data mart organiza los datos en una estructura llamada
esquema de estrella.
Esta estructura esta compuesta por una tabla central - tabla de hechos - y un
conjunto de tablas organizadas alrededor de sta - tablas de dimensiones.
En las puntas de la estrella se encuentran las tablas de dimensin que contienen
los atributos de las aperturas que interesan al negocio que se pueden utilizar como
criterios de filtro y son relativamente pequeas. Cada tabla de dimensin se
vincula con la tabla de hechos por un identificador.

Pgina 3 de 22
Las caractersticas de un esquema de estrella son:

 El centro de la estrella es la tabla de hecho.

 Los puntos de la estrella son las tablas de dimensiones.
 Cada esquema esta compuesto por una sola tabla de hechos
 Generalmente es un esquema totalmente desnormalizado, pudiendo estar
parcialmente normalizado en las tablas de dimensiones.

En el ejemplo construimos un esquema estrella considerando que

se necesita analizar como evoluciona la Admisin de Pacientes
(Hecho) por servicio, pacientes y zona geogrfica a lo largo del
tiempo.

Dimensin Dimensin
Servicio Paciente

Tabla de Hechos
Admisin Pacientes

Dimensin Dimensin
Tiempo Zona
Geogrfica

3.3.1 Tabla de Hechos

El modelo dimensional divide el mundo de los datos en dos grandes tipos: las
medidas y las dimensiones de estas medidas.
Las medidas, siempre son numricas, se almacenan en las tablas de hechos y las
dimensiones que son textuales se almacenan en las tablas de dimensiones.
La tabla de hechos es la tabla primaria del modelo dimensional, y contiene los
valores del negocio que se desea analizar.

Pgina 4 de 22
Cada tabla de hechos contiene las claves externas, que se relacionan con sus
respectivas tablas de dimensiones, y las columnas con los valores que sern
analizados.

Ejemplos de Hechos

En un hospital: admisin de pacientes

En un operador telefnico: Trfico telefnico

Un hecho es un concepto de inters primario para el proceso de

toma de decisiones, corresponde a eventos que ocurren
dinmicamente en el negocio de la empresa.

3.3.2 Dimensiones
Disearemos y construiremos cada dimensin basados en los procesos de
negocio definidos por el cliente.
Las dimensiones organizan los datos en funcin de un rea de inters para los
usuarios.
Cada dimensin describe un aspecto del negocio y proporciona el acceso intuitivo
y simple a datos.
Una dimensin provee al usuario de un gran nmero de combinaciones e
intersecciones para analizar datos.
Las tablas de dimensiones son las compaeras de las tablas de hechos. Cada
dimensin se define por su clave primaria que sirve para mantener la integridad
referencial en la tabla de hechos a la que se relaciona.
Un cubo requiere que se defina al menos una dimensin en su esquema.
3.3.2.1 Relaciones y Estructura de una dimensin
Cada nivel de una dimensin debe corresponderse con una columna en la tabla
de la dimensin. Los niveles se ordenan por grado de detalle y se organizan en
una estructura jerrquica. Cada nivel contiene miembros, los miembros son los
valores de la columna que define el nivel.
Entre los miembros y entre los niveles de una dimensin existen relaciones, estas
se pueden comprender como las relaciones que existen en un rbol genealgico

Pgina 5 de 22
donde los trminos padre, hijo, hermano, primo, etc. indican una correspondencia
entre elementos del rbol; y los miembros de la dimensin se comportan como
familiares dentro del rbol genealgico.
 Padre: Es el miembro del nivel inmediatamente superior que se relaciona
con el miembro seleccionado. Cada elemento tiene un solo padre.
 Hijo: Son los elementos del siguiente nivel inferior que se relacionan con el
miembro seleccionado. Pueden existir varios hijos para un mismo miembro.
 Hermano: Son los miembros que se encuentran en el mismo nivel que el
miembro seleccionado y poseen el mismo padre.
 Primo: Son los miembros que se encuentran en el mismo nivel que el
miembro seleccionado, pero que tienen diferentes padres. Los primos tiene
padres que son hermanos.
 Descendientes: Son todos los miembros que se encuentran debajo del
nivel del miembro seleccionado. independientemente de la cantidad de niveles
que los separen.
 Ancestros: Son todos los miembros que se encuentran por encima del
nivel del miembro seleccionado.
Un miembro es independiente de las relaciones. Cada integrante de la dimensin
es miembro de ella.

Pgina 6 de 22
 Ejemplos de dimensin

Dimensin zona geogrfica

* PAIS ARGENTINA BRASIL URUGUAY

** PROVINCIA BUENOS AIRES CORDOBA SAN PABLO MONTEVIDEO
MAR VILLA
LA
*** CIUDAD del
PLATA
GRAL. .
PLATA BELGRANO

Ejemplos de relaciones
En una dimensin zona geogrfica tendramos las siguientes
relaciones entres niveles y entre miembros:

Padre:
Argentina es padre de Buenos Aires y de Crdoba

Hijo:
Buenos Aires y Crdoba son hijos de Argentina

Hermano:
Buenos Aires y Crdoba son hermanos el uno al otro, tambin son
hermanos Argentina, Brasil y Uruguay.

Primo:
Mar del Plata es primo de Villa General Belgrano.

Descendiente:
Todos los miembros que estn por debajo de Argentina son sus
descendientes, por ejemplo Buenos Aires, Mar del Plata y Villa
General Belgrano son alguno de sus descendientes.

Ancestro:
Mar del Plata tiene dos antepasados Buenos Aires y Argentina.

Las dimensiones pueden ser:

 Locales

 Compartidas

Las dimensiones locales son las que se definen y se utilizan dentro de un mismo
cubo.
Las dimensiones compartidas son aquellas dimensiones que se definen
independientes de los cubos y pueden ser utilizadas por varios de ellos.
Ventajas de las dimensiones compartidas

Pgina 7 de 22
  Evitamos duplicar dimensiones locales
 Aseguramos que los datos analizados estn organizados de la misma forma
en todos los cubos, lo que implica un menor costo de mantenimiento.
Desventajas de las dimensiones compartidas
 Deben emplearse del mismo modo en los cubos que las usen.
 Un cambio implica que la dimensin deber ser modificada en todos los
cubos

Ejemplos de Dimensin Compartida

La dimensin Producto puede utilizarse para el Data Mart
Ventas y para el Data Mart Produccin.
As, la dimensin producto es una dimensin compartida por
los dos Data Mart.

Al definir una dimensin debemos prestar especial atencin

en los requerimientos del cliente, ya que una mala definicin
de la dimensin, o de sus niveles podra implicar que no
obtengamos los resultados deseados.
Si la definicin de las dimensiones no es la correcta, no
sern correctos ni tiles las agrupaciones, las
sumarizaciones o los filtros. Probablemente se termine
copiando datos a una planilla de calculo como sino existiera
el DM.
Riesgos de Dimensiones Compartidas
Es importante que nos aseguremos que cualquier
modificacin o cambio en una dimensin compartida sea
vlida para todos los cubos que la empleen

3.3.2.2 Dimensiones: Esquema Estrella

En el esquema estrella cada dimensin esta compuesta por una sola tabla, esta
tabla esta desnormalizada.
El esquema se denomina as debido a que el diagrama se parece a una estrella.
Debido a que las tablas de dimensin estn desnormalizadas lograremos en el
modelo del data mart, una menor cantidad de tablas.

Pgina 8 de 22
 Este es un esquema donde las dimensiones tienen un esquema
estrella.

Dimensin Dimensin
Servicio Paciente

Tabla de Hechos
Admisin Pacientes

Dimensin Dimensin
Tiempo Zona
Geogrfica

3.3.2.3 Dimensiones: Esquema Copo de Nieve

El esquema copo de nieve es una variacin del esquema estrella donde alguna
punta de la estrella se explota en ms tablas.
El nombre del esquema se debe a que el diagrama se asemeja a un copo de
nieve.
En este esquema, las tablas de dimensin copo de nieve se encuentran
normalizadas para eliminar redundancia de datos.
A diferencia del esquema estrella, los datos de las dimensiones se reparten en
mltiples tablas.
Como ventaja del esquema destacamos el ahorro de espacio de almacenamiento
en disco, pero en perjuicio de un aumento en la cantidad de tablas.
Los siguientes son las caractersticas de un copo de nieve:
 La dimensin esta normalizada
 Los distintos niveles se encuentran almacenados en tablas separadas
 Se argumenta ahorro de espacio

Pgina 9 de 22
 Se muestra un esquema donde la dimensin zona geogrfica
presenta un esquema copo de nieve.

Copo de nieve
Pas
Dimensin zona
Geografica

Provincia

Servicio
Ciudad

Admisin
Paciente

Paciente Tiempo

Ejemplo de Tabla Normalizada y Tabla Desnormalizada

En la imagen vemos en la tabla normalizada los datos nombre
de pas y nombre de provincia aparecern una sola vez en las
tablas Pas y Provincia respectivamente.
Si en cambio, la tabla esta desnormalizada tendremos
redundancia de datos, ya que se repetirn los datos del Pas y
de la Provincia por cada Ciudad.

Normalizada Desnormalizada

Pas
ID_Pas Zona Geogrfica
Provincia
Pas
ID_ Provincia
Provincia Id _ Pas
ID_Pas Pas
ID_Provincia
Provincia
ID_Ciudad
Ciudad Ciudad

ID_ Ciudad
Ciudad
ID_Provincia

Pgina 10 de 22
 Estrella Copo de nieve
Cantidad de tablas Menor Mayor

Mejora la performance Aumenta la cantidad de

uniones entre tablas
Consultas
provocando baja en la
perfomance
Almacenamiento Aumenta el espacio Ahorra espacio

3.3.2.4 Dimensiones: Padre Hijo (Parent Child)

Una dimensin padre-hijo es una dimensin donde el dato del Padre se relaciona
con el Hijo y ambos se encuentran en la misma tabla de dimensin, es decir, la
dimensin se relacionan consigo misma.

Ejemplos de Dimensin Padre - Hijo

La dimensin Cuenta Contable donde una cuenta imputable
forma parte de un Sub Rubro y el Sub Rubro a su vez forma
parte de un Rubro. Estos datos se encuentran en un solo Plan
de Cuentas.
La cuenta Activo, contiene los rubros Inversiones, Crditos y
Caja, y el rubro Caja a su vez contiene Caja y Fondo Fijo.

3.3.2.5 Dimensiones Virtuales

Las dimensiones virtuales, no requieren un almacenamiento fsico en el cubo, se
evalan en el momento de la consulta.
Funcionan de manera similar a las dimensiones reales y son transparentes para el
usuario.

Pgina 11 de 22
 Ejemplos de Dimensin Virtual
Podemos tener una dimensin Producto organizada de la
siguiente manera:
Producto (Dimensin real)

Fabricante
Marca
Calibre
Producto

Si el usuario requiere que sus anlisis de informacin se

realicen por Marca, utilizando la dimensin Producto requerir
seleccionar a cada fabricante para obtener la informacin de la
marca.
Para evitar esto, podemos crear una dimensin virtual donde el
orden de los niveles Fabricante - Marca estn invertidos, que
le permita ver sus datos por Marca sin necesidad de
seleccionar a todos los fabricantes. Esta dimensin la
construiremos de la siguiente manera:

Producto_Marca (Dimensin virtual 1)

Marca
Fabricante
Calibre
Producto

Otra necesidad del usuario podra ser obtener los totales o

filtros de calibre sin importar la marca o el fabricante, entonces
construiramos una dimensin virtual que contenga solo la
columna calibre.

Calibre (Dimensin virtual 2)

Calibre

3.3.2.6 La dimensin Tiempo

Mencionaremos esta dimensin ya que ocupa un lugar especial en cada data
mart. Recordemos que el tiempo es parte implcita de la informacin que contiene
el data mart.
Esta dimensin la podemos definir separndola en distintas jerarquas de tiempo:
 Ao

Pgina 12 de 22
  Semestre
 Mes

Ejemplos de Dimensin Tiempo

La definicin de la jerarqua la haremos teniendo en cuenta las necesidades que

tiene la organizacin. Debemos contemplar los periodos de tiempo por los cuales
la informacin necesita ser analizada y la regularidad con la que se cargaran los
datos en el cubo.
 Consideraciones para esta dimensin:
Nombres de los miembros: Cuando construyamos la dimensin tiempo es
conveniente que los nombres de los miembros sean nicos. As, si utilizamos una
nomenclatura para la jerarqua MES que sea Mes Ao cuando busquemos un
periodo debemos identificarlo como Julio 2006. De esta manera nos ahorramos
de utilizar dos niveles de la dimensin logrando una mayor calidad en los informes.
Si en cambio, el nombre de la jerarqua MES se compone solo del nombre del
mes, para identificar el periodo Julio del 2006 primero debemos seleccionar sobre
el nivel Ao y luego sobre el nivel Mes.
Puede existir mas de una: Cabe aclarar que no necesariamente esta dimensin
es nica dentro del cubo, podramos tener que armar ms de una dimensin
Tiempo. Si necesitramos analizar la informacin de la empresa en base al ao
calendario y realizar otro anlisis basndonos en el ao fiscal, deberamos
construir dos dimensiones de tiempo para el mismo data mart.

3.4. Medidas
Las medidas son los valores de datos que se analizan.
Una medida es una columna cuantitativa, numrica, en la tabla de hechos. Las
medidas representan los valores que son analizados, como cantidad de pacientes
admitidos o llamadas efectuadas.
Las medidas son:
 Valores que permiten analizar los hechos

Pgina 13 de 22
  Valores numricos porque estos valores son las bases de las cuales el
usuario puede realizar clculos.
Si la medida fuera un valor no numrico debemos codificarla a un valor numrico
en el proceso de obtencin de datos, y luego cuando tengamos que exponer sus
valores decodificarla para mostrarla con el valor original.
Las siguientes son algunas de las caractersticas de las medidas:
 Deben ser numricas.
 Cruzan todas las dimensiones en todos los niveles.

Las medidas pueden clasificarse en:

 Naturales
 Calculadas

Ejemplos de Medidas

En un hospital, donde el hecho es Admisin de
Pacientes las medidas pueden ser:
Pacientes Admitidos
Pacientes Atendidos

En un operador telefnico, donde el hecho es Trafico
Telefnico, las medidas pueden ser:
Llamadas Cantidad
Llamadas Duracin

Ejemplos de Medidas no numricas

Supongamos el hecho Recursos Humanos, donde podemos
tener la medida Sexo que toma los valores F o M.
Estos valores debemos codificarlos en valores numricos
durante el proceso de transformacin de datos (ETL). As, por
ejemplo tendremos 0=F y 1=M.
Cuando el usuario visualice esta medida, debemos volver los
datos a sus valores originales (decodificarlos) para mostrar F
o M.

3.4.1 Medidas Naturales

Son las columnas numricas que queremos analizar que provienen directamente
de los sistemas OLTP.

Pgina 14 de 22
Cuando definimos una medida debemos tener en cuenta cual ser la forma de
agregacin (agrupacin de la misma) al subir por la estructura dimensional.
Estas formas de agregacin pueden ser:
 Suma: es la operacin que suma los valores de las columnas
 Cuenta: realiza un conteo de los valores
 Mnima: devuelve un valor mnimo
 Mxima: proporciona el mayor de los valores
 Cuenta de Distintos: cuenta los valores diferentes

Las agregaciones son resmenes de datos

precalculados que mejoran el tiempo de respuesta por el
simple hecho de tener preparadas las respuestas antes
de que se planteen las preguntas.

3.4.2 Medidas Calculadas

Son las medidas que se calculan en el cubo en base a los valores de las medidas
naturales.
El sentido de la expresin medidas calculadas es muy amplio y engloba a
cualquier manipulacin de las medidas naturales que nos faciliten el anlisis de los
hechos.
En una medida calculada puede haber:
 Clculos Matemticos
 Expresiones condicionales
 Alertas
Estos tres tipos (clculos, condiciones y alertas) usualmente pueden existir juntos
dentro de la misma medida calculada.

Pgina 15 de 22

Calculo Matemtico
En un sistema de RRHH, podemos querer medir el promedio
de horas extras por mes. Definimos la medida calculada
Promedio de Horas Extras que ser el resultado de hacer
Horas Extras dividido Dotacin.

Expresiones condicionales
Para la medida calculada anterior, Promedio de Horas Extras,
necesitaremos verificar la condicin de numerador diferente de
cero para evitar que la divisin nos arroje un error.
Si Dotacin es distinto de cero entonces Promedio de Horas
Extras ser igual a Horas Extras dividido Dotacin.
Si Dotacin es igual a cero entonces Promedio de Horas Extras
se mostrara vaci.

Alertas
En un hospital, podemos definir la medida calculada
Sobrecarga de Pacientes que tomara el valor 1 si los Pacientes
Admitidos (medida natural) es mayor a 100, de lo contrario
permanecer vaca.
Podemos construir una medida Cumplimiento de Ventas que
sea una alerta del tipo semforo y nos indique
Rojo: Si las unidades vendidas son menores a las unidades
presupuestadas dividido 5, es decir, vendimos menos que el 20
% de lo presupuestado.
Amarillo: Si el valor de las unidades vendidas est entre
unidades presupuestadas dividido 3 y unidades
presupuestadas dividido 5 (el valor vendido esta entre el 20 %
y el 80 % de lo presupuestado).
Verde: Si no se cumple ninguna de las condiciones
anteriores, es decir, vendimos ms del 80 % de lo
presupuestado.

Pgina 16 de 22
 Caso de Estudio

Ilustraremos los conceptos que aprendimos en esta unidad con nuestro ejemplo
de La Distribuidora Latinoamericana de Alimentos (DLA).
Construiremos el modelo del data mart de ventas en tres etapas:
Etapa 1 Construccin de las Dimensiones
Etapa 2 Armado de la Tabla de Hechos
Etapa 3 Definicin de las Medidas
Construccin de las Dimensiones
Como primer paso definiremos las dimensiones porque estas nos darn las
aperturas del cubo.
En base a definiciones surgidas de los reuniones de trabajo con los
representantes de DLA, vimos que necesitan analizar sus datos segn el siguiente
cuadro:

Hecho a medir: Venta de Productos

Dimensiones
Medidas Tiempo Sucursal Vendedor Cliente Producto
Ventas_Importe X X X X X
Ventas_Costo X X X X X
Ventas_Unidades X X X X X
Ventas_ImporteTotal X X X X X
Ventas_Ganancia X X X X X
Ventas_Promedio X X X X X

Si trabajamos en forma correcta, debera haber una exacta coincidencia entre la

definicin de las dimensiones y los datos que estamos extrayendo de las fuentes
transaccionales. Si esa coincidencia no ocurre, en alguna de las dos etapas
tenemos un error, o bien los datos de origen no estn correctos o bien definimos
mal las dimensiones.
Comenzaremos por la Dimensin Tiempo ya que, como aprendimos en esta
unidad, es la ms importante dentro de cualquier data mart.
Nuestro cliente necesita analizar sus datos diariamente, entonces definiremos los

Pgina 17 de 22
niveles:

Ao

Semestre

Trimestre

Mes

Da

La tabla de dimensin quedara formada:

Dimensin Tiempo

* Ao
** Semestre
*** Trimestre
**** Mes
***** Da

Dimensin Sucursal, usaremos un esquema estrella y su estructura jerrquica

ser:

Dimensin Sucursal

* Sucursal
** Tipo Sucursal
*** Pas
**** Provincia
***** Ciudad

Dimensin Vendedor, al igual que sucursal, tendr un esquema estrella y quedar

definida por los niveles:

Dimensin Vendedor

* Sucursal
** Seccin
*** Vendedor

Dimensin Cliente tendr todos los atributos de un cliente.

Pgina 18 de 22
 Dimensin Cliente

* Pas
** Provincia
*** Ciudad
**** Razn Social

Dimensin Producto, esta dimensin la construiremos segn un esquema copo de

nieve. En estos casos se mantiene la normalizacin propia de los sistemas OLTP.
Cada tabla contiene los datos iniciales y su relacin con el resto.
La dimensin nos quedar normalizada por lo que usaremos ms tablas para
construirla.
Nuestro cliente puede clasificar sus productos segn la categora, el departamento
y la familia de producto a la que pertenece.

Armado de la Tabla de Hechos

Ahora que tenemos definidas las dimensiones y sus niveles, conformaremos la
tabla de Hechos.
La tabla de hechos debe tener las columnas claves de las tablas de las
dimensiones y las columnas de las medidas.
Primero colocaremos las columnas claves de la tabla cada una de las tablas de
dimensiones.

Pgina 19 de 22
 Fact_Ventas

ID_Fecha
ID_Producto
ID_Cliente
ID_Vendedor

Definicin de las Medidas

Recordemos que las medidas son los valores numricos que el usuario desea
analizar.
Vimos que nuestro cliente necesita medir:

El coste inducido en cada unidad vendida

El valor de venta de cada producto.

La ganancia obtenida en la venta de cada producto.

Agregaremos a nuestra tabla de hechos ventas estas medidas:

Fact_Ventas

ID_Fecha
ID_Producto
ID_Cliente
ID_Vendedor
Ventas_Importe
Ventas_Costo
Ventas_Unidades

La medida ganancia obtenida en la venta de cada producto no la agregamos a

la tabla porque esta medida puede ser calculada a partir de las medidas naturales
ventas importe y ventas costo.
Nuestro modelo contar tambin con las medidas calculadas:

Ventas_Ganacia que tendr la formula Ventas_Importe menos
Ventas_Costo

Ventas_Promedio que ser el resultado de la suma de Ventas_Unidades
dividido cantidad de das, comprobando la condicin del numerador
diferente de cero.

Pgina 20 de 22
Realizadas estas tres etapas, podemos ver el diseo completo de nuestro data
mart.

Lecciones Aprendidas

Un Data Mart adopta un esquema estrella para
maximizar la performance de las consultas.

Las dimensiones son categoras descriptivas por
las cuales las medidas se pueden separar para el
anlisis.

La dimensin Tiempo esta implcita en todo Data
Mart

Las medidas son los datos numricos de inters
primario para el cliente

Con las medidas calculadas se pueden construir
alertas

Pgina 21 de 22
 Preguntas de Reflexin

Tenemos claramente definidos los requerimientos?
Conocemos los hechos que se quieren analizar, los
indicadores y las aperturas por las cuales se quiere hacer
el anlisis?

Concuerda esta definicin con las tablas auxiliares que
creamos y poblamos con datos de los sistemas OLTP?

Sabemos si los usuarios utilizarn las dimensiones para
navegar o para filtrar?

Cubren las dimensiones diseadas las necesidades de los
usuarios intuitivamente y con facilidad de manejo?

Se tienen todas las medidas naturales con las aperturas
requeridas?

Est definida la forma de agregacin, al salir de la
granularidad mnima, para todas las medidas naturales?

Estn definidas las frmulas o criterios de todas las
medidas calculadas?

Estn correctamente documentadas todas las definiciones?

Pgina 22 de 22