00 Presentación

Capítulo 2: Metodologías ágiles y gestión de proyectos para soluciones de
inteligencia de negocios
Capítulo 3: Diseño de un Datamart
Capítulo 4 : Poblando un Datamart
Diseño de un Datamart
Business Intelligence SQL Server 2016
4-1 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

Objetivos
Al finalizar el capítulo, el alumno logrará:
• Comprender los mecanismos de agregación.

• Diseñar soluciones de un DataMart
• Transformar los datos.
• Diseñar estructuras que se utilizarán en el desarrollo de un
DataMart.
• Aplicar los conocimientos adquiridos en múltiples
situaciones de diseño

Agenda
• ¿Qué deseo medir?: Concepto de medida.

• ¿Qué criterios uso para agrupar la información?: concepto de dimensión,
concepto de dimensión. Atributos, Jerarquías y niveles.
• Herramientas de diseño de cubos
• Modelo físico de un cubo
• Técnicas de diseño de cubos
• Entregables de diseño de cubos
• Desarrollar soluciones multidimensional aplicando herramientas de
diseño.

¿Qué deseo medir?
Concepto de medida
• Todo modelo dimensional está compuesto por una parte
cuantitativa o cuantificable y la pregunta que nos permite
identificarla es ¿Cuánto?.
• Este elemento se denomina medida (Measures) o métrica.
• La medida está representada por columnas numéricas y se
encuentra almacenada en la tabla de hechos o fact table.
• Las medidas en algunos casos provienen directamente de los
sistemas OLTP.
• Son los valores de negocio por los que queremos analizar nuestra
organización:
– Cantidad vendida
– Monto vendido
– Impuestos
– Gasto
– Costo Medidas

¿Qué deseo medir?
Concepto de medida
• Las medidas pueden clasificarse en:
− Naturales
 Son aquellas que se obtienen por agregación de los datos
originales.
 Suma: suma los valores de las columnas
 Cuenta: conteo de los valores
 Mínima: valor mínimo
 Máxima: valor máximo
 Cuenta de distintos: valores diferentes
− Calculadas
 Si se derivan de una medida natural
 Cálculos matemáticos
 Expresiones condicionales
 Alertas

¿Qué deseo medir?
Grado de agregación
• Las funciones de agregación en SSAS pertenecen a uno de cuatro
niveles de grado de agregación:
– Aditivas: se pueden agregar,

sin restricciones, en todas las
dimensiones que están
incluidas en el grupo de
medidas.
– Semiaditivas: pueden
agregar sólo en algunas de las
dimensiones que están
incluidas en el grupo de
medidas, pero no en todas..
– No aditivas: no se pueden
agregar para ninguna
dimensión incluida en el grupo
de medidas.

¿Qué criterios uso para agrupar la información?
Concepto de dimensión
• Es la parte cualitativa (características) de los reportes y se
denomina dimensiones.
• Las preguntas que nos permiten identificarlas son: ¿quién?,
¿qué?, ¿cuándo?, ¿dónde? y ¿a quién?
• Las dimensiones o criterios de análisis, son todas aquellas
perspectivas desde las cuales puede observarse una
medida.
• Ejemplo:

¿Qué criterios uso para agrupar la información?:
• Generalmente, provienen de las tablas maestras de los

sistemas transaccionales.
• Es preciso que toda dimensión signifique lo mismo para
cada tabla de hechos con la que se relacione: fechas,
productos, geografía, cliente.
• Las dimensiones están compuestas de dos partes: atributos
y jerarquías, y en cantidad de registros son las tablas más
pequeñas.
• Dimensión conformada
– Hacen posible que una única dimensión se puede utilizar
frente a varias tablas de hechos.
– Une varios modelos estrellas o copos de nieve.

Atributos, jerarquías y niveles
• Atributo
– Son las características del negocio y en conjunto forman una dimensión.
– Constituyen los criterios de análisis que se utilizarán para analizar los
indicadores dentro de un cubo multidimensional.
• Jerarquía y niveles
– Representadas por un ordenamiento lógico dentro de la dimensión.
– Formadas por diferentes tipos de relaciones entre los atributos de una misma
dimensión.
– La relación debe ser “1-n” o “padre-hĳo” entre atributos consecutivos de un
nivel superior y uno inferior.
– La jerarquía principal se dibuja verticalmente desde el atributo más agregado
(arriba) hasta el más atómico (abajo) y las jerarquías características se
adicionan por los costados.
– Un nivel representa un nivel particular de agregación dentro de una dimensión;
cada nivel sobre el nivel base representa la sumarización total de los datos
desde el nivel inferior.
Jerarquía y Niveles
. País Nivel 1
Atributos
. . Provincia Nivel 2
. . . Ciudad Nivel 3
. . . . Barrio Nivel 4

Atributos, jerarquías y niveles
• Ejemplo : atributos, jerarquías y niveles
– Dimensión tiempo
Jerarquía Calendario
La dimensión “Fecha” debe poder

disgregarse en año y mes.
Nivel 1
Nivel 2
– Dimensión zona geográfica Jerarquía Miembros Jerarquía

Zona Geográfica Zona Geográfica
. Continente . Europa
.. País .. España
... Región ... Galicia
…. Provincia …. La Coruña
…..Localidad …..Santiago de Compostela
4 - 10 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

¿Qué criterios uso para agrupar la información?
• Ejemplo: crear dimensión
– Se desea obtener indicadores de rendimiento de los
empleados de la corporación.
– Los reportes de evaluación de los empleados deben ser
totalizados de acuerdo a las divisiones organizacionales y
regiones geográficas de la corporación.
– Cada empleado trabaja para una división organizacional. A su
vez, cada empleado pertenece a una ciudad, y cada ciudad
está contenida en una región.
¿Cuál es la manera de definir los niveles de la dimensión empleado?

• Solución: crear dimensión
– Existen dos (2) jerarquías: región y división en la dimensión
Empleado.
Empleado.Región Jerarquía : Empleado- Jerarquía : Empleado-

▪ Región Región División
▪▪ Ciudad Región
▪▪▪ Empleado
Empleado.División Ciudad División

▪ División
▪▪ Empleado Atributo /Nivel 2
Empleado

Herramientas de diseño de cubos
• Entrevistas
• Matriz Bus
• Start Net
• Jerarquías
• Modelo dimensional

• Entrevistas
– Efectuado al personal de negocio y técnico para aprender tanto como
se pueda sobre el negocio, los competidores, la industria y los
clientes del mismo.
– Se debe leer todos los informes posibles de la organización; rastrear
los documentos de estrategia interna; entrevistar a los empleados,
analizar lo que se dice en la prensa acerca de la organización, la
competencia y la industria. Se deben conocer los términos y la
terminología del negocio.

• Matrix Bus
– Diagrama de matriz que permite identificar qué dimensiones
intervienen en el proceso de negocio o hecho.
– Cada fila representa un proceso de negocio y define al menos
una tabla de hechos y sus dimensiones asociadas.
1 Fact
2 Fact
DataMart 1
3 Fact
4 Fact

• Star Net:
– Es un diagrama que nos muestra a través de líneas, círculos y
rectángulos la representación de un modelo dimensional.
– El rectángulo representa los hechos (medidas), los círculos
mayores son las dimensiones, los círculos pequeños
corresponden a los atributos de las dimensiones y las líneas
permiten la relación entre estos elementos:
Tiempo
Día
Mes
Trimestre Sucursal
Semestre Sucursal
Tipo Sucursal
Año
• Ventas importe Vendedor
Hechos • Ventas costo Vendedor
Dimensiones
Sección
• Ventas unidades
País Provincia Ciudad Cliente
Cliente
Familia
Categoría
Sub Categoría
Producto
Producto

• Jerarquías:
– Muestran las diferentes formas de analizar una perspectiva del
negocio. Definiendo criterios de agrupamiento de los atributos
de una dimensión.
Dimensión Tiempo
Dim Tiempo.Calendario Dim Tiempo.Diario

• Modelo dimensional
– Es un modelo desnormalizado/normalizado basado en dos
entidades: tablas dimensionales y tablas de hecho.
Llave autogenerada (PK)

Id/código del sistema origen

Modelo físico del datamart
• Tabla de dimensión
• Tabla de hechos
• Modelo Start (Estrella)
• Modelo Snowflake (Copo de nieve)

• Tablas de dimensión
– Posee una columna clave (PK), comúnmente auto-generada
(Tipo: Integer).
– Contiene columnas que almacenan los Ids/códigos de los
sistemas origen.
– Cada nivel de una jerarquía representa una columna en la
tabla de dimensión.
– Tienen una relación uno a muchos con la tabla de hechos (fact
table).
– Es normal que una dimensión se diseñe con más de 50
atributos descriptivos.
Uno a muchos
Nivel Código autogenerado

Jerarquía Producto (PK)
Código sistemas origen

• Tablas de hechos
– Es la tabla central en un esquema dimensional.
– Contiene las claves externas (FK), que se relacionan con sus
respectivas tablas de dimensiones, y las columnas con los
valores (métricas) que serán analizados.
– Almacenan las mediciones numéricas del negocio.
– El grano o la granularidad de la tabla queda determinada por
el nivel de detalle que se almacenará en la tabla.
Claves
Externas (FK)
Medidas

• Modelo Start (Estrella)

– Las tablas de dimensión se desnormalizan y se relacionan
directamente con la tabla de hechos, a través de sus
respectivas claves.
– Una estrella no debería tener mas de 25 tablas de dimensión,
en ese caso combinarse en dimensiones más simples.
– Características
 Estructura simple
 Es ideal por su simplicidad y
velocidad para ser usado para
análisis.
 Las consultas son sencillas, ya que
las condiciones y las uniones (JOIN)
necesarias sólo involucran a la tabla
de hechos y a las de dimensiones.
– Inconvenientes
 Este modelo es el menos robusto
para la carga y es el más lento de
construir.

• Modelo Snowflake (Copo de nieve)

– Representa una extensión del modelo en estrella, en el que las
tablas de dimensión se normalizan en múltiples tablas.
– Las dimensiones se pueden relacionar con las tablas de
hechos, o con otras dimensiones.
– Características
 Estructura compleja.
 Puede desarrollar clases de jerarquías
fuera de las tablas de dimensiones,
que permiten realizar análisis de lo
general a lo detallado y viceversa.
– Inconvenientes
 Un escenario de jerarquías en
múltiples tablas de dimensiones, se
creara un número elevado de tablas
que puede ser inmanejables.
 Al existir muchas uniones y relaciones
entre tablas, el desempeño es poco
eficiente.

Técnicas de diseño de cubos
• Tipos de tablas de hechos

• Dimensiones: optimizar rendimiento de consultas (Espacio)
• Dimensiones: optimizar rendimiento de consultas (Negocio)
• Dimensiones: información histórica (Negocio)

Tipos tabla de hechos
• SnapShot
– Usadas para recoger información de forma periódica a
intervalos de tiempo regulares. Este tipo de tabla son una
agregación de las anteriores.
– Cada período agrega un registro para la entidad, sin remplazar
ni modificar la foto del período anterior.
– Ejemplo: balances, estados de resultados.
– Por ejemplo : podemos pensar en el balance

tipos tabla de hechos
• Transaccional
– Un registro por cada evento, que ocurre en una fecha
determinada. Solo se pueden hacer inserciones.
– Ejemplo: sistemas de ventas.

tipos tabla de hechos
• Incremental
– Un registro por cada ocurrencia, pero la fila contiene múltiples
fechas que indica el cambio de estados. A diferencia de los
anteriores, en este tipo de estructuras se puede insertar y
actualizar los registros.
– Ejemplo: workflow, ticket de soporte.

Técnicas de diseño de cubos: dimensiones
Optimizar rendimiento de consultas (Espacio)
• Factorizar (Tabla hechos o dimensión)

– Cuando hay mucha información repetida en una tabla de
hechos, es posible quitar esta información y “Factorizarla” en
una tabla de dimensión.
– Esto minimiza el espacio utilizado por al tabla de hechos y
mejora el análisis sobre los datos.
– Los campos candidatos son aquellos con baja cardinalidad.

Optimizar rendimiento de consultas (Negocio)
• Dimensión de roles
– Cuando hay varios campos que hace referencia a la misma
dimensión, pero con conceptos diferentes.

Optimizar rendimiento de consultas (Negocio)
• Súper dimensión
– Cuando es necesario juntar dos dimensiones para generar
cálculos que de otra forma sería difícil de administrar.
Dimensión Distancia Venta

Información histórica (Negocio)
• Slow Changing dimensión (SCD Nº 1)

– Sobrescribir la información de la dimensión.
– No existe referencia histórica de los datos en la dimensión.


– La clave de la dimensión es compuesta, registra, por cada
cambio en la fila de la dimensión (o los campos que sean
relevantes), un nuevo registro.


– Agregar una columna adicional por cada columna cuyo valor
queremos mantener en la historia.

Entregables de diseño de cubos
• Diseño de las estructuras dimensionales.

• Transformación de los datos (Mapeo de datos).

• Documento de diseño de las estructuras dimensionales

– Detalla el diseño de la arquitectura de la solución y diseño lógico del
modelo dimensional.

• Documento de transformación de los datos (Mapeo de datos)

– Detalla el diseño de los procesos de extracción, transformación y
carga de datos al datamart.

Ejemplo Nº 1: Caso de diseño desarrollado
por el instructor (Tarjeta de crédito)
• El área de tarjetas de crédito de un banco desea implementar un
datamart. Se desea visualizar la información de créditos
concedidos hasta llegar a cada tarjeta. Las tarjetas pueden ser de
dos tipos: “VISA” y “MASTERCARD”. También, se desea visualizar
los créditos y pagos por cada vendedor y cada cliente. Cada
cliente pertenece a un distrito, cada distrito a una provincia y cada
provincia a un departamento. Cada vendedor pertenece a una
agencia, y cada agencia pertenece a un distrito, cada distrito a una
provincia y cada provincia a un departamento. Las métricas deben
visualizarse como totalizados anuales, semestrales, trimestrales y
mensuales.
• Diseñe las dimensiones, las medidas y el modelo de datos.

• El área de tarjetas de crédito de un banco Tabla de hechos
desea implementar un datamart.
• Se desea visualizar la información de créditos
concedidos hasta llegar a cada tarjeta.
Medidas / Nivel de granularidad
• Las tarjetas pueden ser de dos tipos: “VISA” y
“MASTERCARD”.
• También, se desea visualizar los créditos por
cada vendedor y cada cliente. Dimensión: atributos, jerarquía y niveles
• Cada cliente pertenece a un distrito, cada

distrito a una provincia y cada provincia a un
departamento. Dimensión: atributos, jerarquía y niveles
• Cada vendedor pertenece a una agencia, y

cada agencia pertenece a un distrito, cada
distrito a una provincia y cada provincia a un Dimensión: atributos, jerarquía y niveles
departamento.
• Las métricas deben visualizarse como
totalizados anuales, semestrales, trimestrales Dimensión: atributos, jerarquía y niveles
y mensuales.

• Matriz Bus
Tipo de
Métricas\ Dimensiones Cliente Vendedor Tiempo
tarjeta
Créditos concedidos X X X X

• Start Net
Cliente
Cliente
Tipo de tarjeta
Distrito
Tipo tarjeta
Provincia
Departamento
Dimensiones
Hecho Tarjetas de
crédito
Departamento
Provincia
Distrito Vendedor
Agencia Vendedor
Año
Semestre
Trimestre
Mes Tiempo

• Jerarquías
Dimensión Cliente Dimensión Tipo de tarjeta

Jerarquía Ubicación Cliente Jerarquía Tipo Tarjeta
▪ Departamento ▪ Tipo Tarjeta
▪▪ Provincia
▪▪▪ Distrito
▪▪▪▪ Cliente
Dimensión Vendedor Dimensión Tiempo

Jerarquía Ubicación Vendedor Jerarquía Calendario
▪ Departamento ▪ Año
▪▪ Provincia ▪▪ Semestre
▪▪▪ Distrito ▪▪▪ Trimestre
▪▪▪▪ Agencia ▪▪▪▪ Mes
▪▪▪▪▪ Vendedor

• Modelo Start
Llave dimensión
Llave autogenerada
Transaccional
Atributos
jerarquía

por el alumno (Crédito Caja Municipal de ICA)
• El área de crédito de la CMAC IC desea implementar un datamart.
• Se desea visualizar la información de los créditos concedidos para lo cual se desea
analizar : cuotas pactadas y monto aprobado.
• Los créditos concedidos pueden ser de dos tipos: “CREDIEMPRESA” y
“CREDISUELDO”. También, se desea visualizar a los indicadores por cada cliente
y Agencia que origino el préstamo.
• Cada cliente pertenece a un distrito, cada distrito a una provincia y cada provincia a
un departamento.
• Cada Agencia pertenece a una unidad de negocio, cada unidad de negocio a un
distrito, cada distrito a una provincia y cada provincia a un departamento.
• Asimismo se requiere hacer seguimiento a la gestión de cobranza, para lo cual se
desea analizar : Cuotas pagadas, Cuotas pendientes y monto pagado.
• El cumplimiento de estos indicadores de gestión de cobranza deben visualizarse
por cada Analista, Clientes y tipo de crédito.
• Cada analista pertenece a una Oficina, y cada Oficina pertenece a un distrito, cada
distrito a una provincia y cada provincia a un departamento.
• El cliente y el Tipo de crédito se analizaran de la misma manera que en el caso de
los créditos concedidos.
• Todas las métricas deben visualizarse como totalizados anuales, semestrales,
trimestrales y mensuales.
• Diseñe las dimensiones, las medidas y el modelo de datos.

• Matriz Bus
Tipo de
Métricas\ Dimensiones Cliente Agencia Analista Tiempo
crédito
Cuotas pactadas X X X X
Monto aprobado X X X X
Cuotas Pagadas X X X X
Cuotas pendientes X X X X
Monto pagado X X X X

• Start Net
Cliente
Cliente
Distrito Tipo de
Crédito
Provincia Tipo de crédito
Departamento Dimensiones
Hecho Créditos
Departamento Agencia
Provincia Distrito Unidad Agencia
Año Negocio
Semestre
Trimestre
Mes Tiempo

• Start Net
Cliente
Cliente
Distrito Tipo de
Crédito
Provincia Tipo de crédito
Departamento Dimensiones
Hecho Cumplimiento
Departamento Analista
Provincia Distrito Agencia Analista
Año
Semestre
Trimestre
Mes Tiempo

• Jerarquías Dimensión Tipo de crédito
Jerarquía Tipo Crédito
Dimensión Cliente ▪ Tipo Crédito
Jerarquía Ubicación Cliente
▪ Departamento Dimensión Agencia
▪▪ Provincia Jerarquía Ubicación Agencia
▪▪▪ Distrito ▪ Departamento
▪▪▪▪ Cliente ▪▪ Provincia
▪▪▪ Distrito
Dimensión Analista ▪▪▪▪ Unidad Negocio
Jerarquía Ubicación Analista ▪▪▪▪▪ Agencia
▪ Departamento
▪▪ Provincia Dimensión Tiempo
▪▪▪ Distrito Jerarquía Calendario
▪▪▪▪ Agencia ▪ Año
▪▪ Semestre
▪▪▪▪▪ Analista ▪▪▪ Trimestre
▪▪▪▪ Mes
• Modelo Start
Llave dimensión
autogenerada Llave
Transaccional
Atributos jerarquía

Ejercicio Nº 3.1: Caso Empresa Transporte
Terrestre
Diseñe las dimensiones, las medidas y el modelo de datos.
Al finalizar el laboratorio, el alumno logrará:
• Diseñar soluciones datamart.

Ejercicio Nº 3.2: Caso Entidad Médica
Diseñe las dimensiones, las medidas y el modelo de datos.

Ejercicio Nº 3.3: Caso Empresa Tecnología
Información
Desarrollar soluciones multidimensionales aplicando
herramientas de diseño.

Ejercicio Nº 3.4: Caso Procesos de admisión


Ejercicio Nº 3.5: Caso Comercializadora de ropa


Ejercicio Nº 3.6: Caso análisis de ventas
(Comercial)
• Diseñe las dimensiones, las medidas y el modelo de datos

SNOWFLAKE. Considere el uso de las herramientas de diseño:
Matriz Bus, Start Net, jerarquías y modelo dimensional.

Ejercicio Nº 3.7: Caso análisis de ventas
(Industrial)


Ejercicio Nº 3.8: Caso Entidad Salud Privada


Ejercicio Nº 3.9: Caso Empresa Transporte
Productos


Ejercicio Nº 3.10: Cuestionario de preguntas
• Reforzar conceptos de diseño de un cubo.

Lecturas adicionales
Para obtener información adicional, puede consultar:
• Modelo dimensional de un proceso de negocio
− http://es.slideshare.net/miguelorquera/modelo-dimensional-de-un-proceso-de-negocio-
12802599?next_slideshow=1
• Construcción de un DataWareHouse - FISI - UNMSM - DataWareHouse
− http://es.slideshare.net/juliopari/t218162dw-t-construcciondatawarehouse?related=1
• Sistema de información de gestión de tarjetas de crédito usando Data Mart e

inteligencia de negocios para el área comercial del banco RIPLEY PERU
− http://www.google.com.pe/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&uact=8
&ved=0ahUKEwjA_NHevd_JAhUJ_R4KHXufBtIQFgghMAE&url=http%3A%2F%2Fateneo.
unmsm.edu.pe%2Fateneo%2Fbitstream%2F123456789%2F2654%2F1%2FMorales_Huan
ca_Luis_Alberto_2012_pres.pdf&usg=AFQjCNEJp_w97wM2VNdAPhhTqgK6hnIpYQ&bvm
=bv.110151844,d.dmo

Resumen
En este capítulo, usted aprendió que:

• Las herramientas de diseño de un datamart proporcionan una
alternativa para identificar los diferentes procesos de negocio que
requieren ser evaluados para una adecuada toma de decisiones.
• La existencia de dos tipos de modelamiento (estrella y copo de
nieve) proporcionan la flexibilidad que se requiere para los
diferentes escenarios de negocio actual.
• Los modelos óptimos depende de cada empresa
− En función de los objetivos que persigue cada gerencia y recursos
disponibles.
• Las varias iteraciones, diseños dinámicos
− Los diseños cambian constantemente en función de los
requerimientos del negocio y nuevas vistas solicitadas por los
usuarios del DW.
• Los entregables de diseño del cubo y transformaciones son los
pilares principales de una adecuada implementación de BI.
Tarea Nº 3.1: Diseñe el modelo dimensional
(Proyecto final)
• Definir el diseño lógico y físico de la base de datos

dimensional del Datamart propuesto (Proyecto final).

Tarea Nº 3.2: Diseñe proceso de transformación
(Proyecto final)
• Definir el diseño del proceso de transformación de datos del

Datamart propuesto (Proyecto final).
.

00 Presentación

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

00 Presentación

Cargado por

Copyright:

Formatos disponibles

Capítulo 2: Metodologías ágiles y gestión de proyectos para soluciones de

Capítulo 4 : Poblando un Datamart

Business Intelligence SQL Server 2016

4-1 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

Al finalizar el capítulo, el alumno logrará:

• Comprender los mecanismos de agregación.

4-2 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• ¿Qué deseo medir?: Concepto de medida.

4-3 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4-4 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4-5 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

– Aditivas: se pueden agregar,

4-6 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4-7 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Generalmente, provienen de las tablas maestras de los

4-8 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4-9 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

La dimensión “Fecha” debe poder

– Dimensión zona geográfica Jerarquía Miembros Jerarquía

4 - 10 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

¿Cuál es la manera de definir los niveles de la dimensión empleado?

4 - 11 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

Empleado.Región Jerarquía : Empleado- Jerarquía : Empleado-

Empleado.División Ciudad División

4 - 12 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 13 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 14 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 15 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 16 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

Dim Tiempo.Calendario Dim Tiempo.Diario

4 - 17 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

Llave autogenerada (PK)

4 - 18 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 19 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

Nivel Código autogenerado

Código sistemas origen

4 - 20 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 21 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Modelo Start (Estrella)

4 - 22 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Modelo Snowflake (Copo de nieve)

4 - 23 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Tipos de tablas de hechos

4 - 24 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 25 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 26 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 27 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Factorizar (Tabla hechos o dimensión)

4 - 28 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

4 - 29 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

Dimensión Distancia Venta

4 - 30 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Slow Changing dimensión (SCD Nº 1)

4 - 31 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Slow Changing dimensión (SCD Nº 2)

4 - 32 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Slow Changing dimensión (SCD Nº 3)

4 - 33 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Diseño de las estructuras dimensionales.

4 - 34 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Documento de diseño de las estructuras dimensionales

4 - 35 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.

• Documento de transformación de los datos (Mapeo de datos)

4 - 36 Copyright © Todos los Derechos Reservados - Cibertec Perú SAC.