BUSINESS INTELLIGENCE SQL

SERVER 2022
Capítulo 5: Modelo Multidimensional con
Analysis Services (SSAS)
OBJETIVOS
Al finalizar el capítulo, el alumno podrá:

• Explicar los conceptos de dimensión regular, snowflake, padre-hijo y tiempo.

• Describir el concepto de attribute relationship.
• Identificar los mecanismos de agregación de miembros.
• Analizar los conceptos de medida y grupo de medidas.
• Configurar las relaciones entre las dimensiones y tablas de hechos.
AGENDA
1. Concepto Dimensiones
2. Dimensiones Estándar
3. Dimensiones SnowFlake
4. Named Calculations
5. Relaciones entre atributos (attribute relationships)
6. Dimensiones Time
7. Agrupar los miembros de un atributo
8. Cubos
9. Medidas y grupos de medidas
10. Relación entre las dimensiones y los grupos de medidas
1. CONCEPTO DIMENSIONES
• Dimensiones
– Se obtienen a partir de los criterios utilizados por los usuarios para consultar las medidas, le
brinda un contexto al análisis.
– Ejemplo:
 Si las ventas se miden por producto, tiempo y cliente. Por tanto, es posible que deba crear tres
dimensiones:
o Producto,
o Tiempo,
o Cliente.
1. CONCEPTO DIMENSIONES
• Atributos de dimensiones
– Se emplean para agregar y filtrar medidas
– Modelo multidimensional
 Propiedades básicas
 Name, Description, ID, Type, Usage
 Propiedades avanzadas
 AttributeHierarchyEnabled,
 AttributeHierarchyVisible
 IsAggregatable,
 OrderBy
 Propiedades padre-hijo
 Memberwithdata,
 NamingTemplate
1. CONCEPTO DIMENSIONES
• Jerarquías (hierarchies) y niveles (levels)
1. CONCEPTO DIMENSIONES
• Navegación entre niveles de una jerarquía:
– Padre (parent)

– Hermanos (siblings)
– Hijos (children)
– Ancestros (ancestors)
– Descendientes (descendants)
– Primos (cousin)
1. CONCEPTO DIMENSIONES
• Navegación entre niveles de una jerarquía (ejemplo):
– Lambayeque el padre (parent) de Chiclayo, Ferreñafe y
Lambayeque.
– Arequipa y Junin son hermanos (siblings).
– La Perla y la Punta son hermanos (siblings).
– El Alto, la Brea y Pariñas son hijos (children) de Talara.
– Los ancestros (ancestors) de Chiclayo son Lambayeque y
Ubigeo.
– Los descendientes (descendants) de Ubigeo son todos los
miembros de la dimensión (Arequipa, Junin, La Libertad, Lima,
Piura etc.)
– Sechura y Sullana son primos (cousin) de Callao y Lima.
2. DIMENSIONES ESTÁNDAR
• Características
– Es el tipo más sencillo de dimensión. All Promotions
– Tiene un conjunto fijo de jerarquías y niveles, Promotion Category
establecido por el diseñador a través de SSBIDS. Promotion Type
– Solo los miembros del último nivel de una jerarquía (los
leaf members- miembros de hoja) tienen datos en la
tabla de hechos.
– Todos los miembros pertenecientes a un determinado
Promotion Category

nivel tienen el mismo número de ancestros. Promotion Type

 Por ejemplo:
 En la dimensión Promotion, todos los miembros del nivel Promotion Type
Promotion Name tienen el mismo número de ancestros
 Su respectivo miembro padre en la dimensión son: Promotion
Type, Promotion Category y el miembro All Promotions.
2. DIMENSIONES ESTÁNDAR
• Propiedades:
– Name: nombre de la dimensión.
– Usage: propósito que el atributo debe cumplir en
la estructura de la dimensión (Key, Parent,
Regular).
– KeyColumns: columna(s) de clave para la
dimensión
– NameColumn: columna que proporciona el valor
mostrado en la dimensión al consultar datos.
3. DIMENSIONES SNOWFLAKE
• Características
– Son dimensiones con estructuras normalizadas.
– Utiliza varias tablas relacionadas para una sola dimensión.
– En el modelado tradicional de dimensiones, el uso de las dimensiones del copo de nieve no se
considera la mejor práctica porque agrega uniones nuevamente al modelo de datos que un
diseño de esquema en estrella busca eliminar.
– Sin embargo en SSAS, en un tipo de almacenamiento MOLAP, un copo de nieve no tiene
impacto en el rendimiento.

• Se muestran las tablas de

dimensión Category_Dim y
Product_Dim enlazadas entre
sí a través de una relación de
uno a muchos.

• Sólo la tabla Product_Dim se

relaciona directamente con la
tabla de hechos Ventas_Fact.
EJERCICIO Nº 1: CREAR DIMENSIONES
ESTÁNDAR
Crear las dimensiones City y Stock Item.

Al finalizar el laboratorio, el alumno logrará:

• Implementar dimensiones estándar en un proyecto de Analysis Services 2022.

3. DIMENSIONES SNOWFLAKE
• El Miembro “All”
– Las dimensiones poseen un miembro “All” (“Todos”).
– Este nivel se encuentra en la cúspide de todas las jerarquías y es ancestro de todos los
miembros de la dimensión.
– La propiedad para cambiar el miembro All en todos los miembros de la dimensión es
AtributeAllMemberName.
– La propiedad para cambiar el miembro All en una jerarquía es AllMemberName.
EJERCICIO Nº 2: CREAR MIEMBRO ALL
Cambiar el nombre del miembro “All” y establecer el miembro predeterminado.

Al finalizar el laboratorio, el alumno logrará:

• Implementar miembro “All” en un proyecto de Analysis Services 2022.

4. NAMED CALCULATIONS (CÁLCULOS
CON NOMBRE)
• Permiten extender el modelo de datos, sin modificar la estructura
de las tablas en el origen de datos.
• Los named calculations no afectan la estructura del origen de datos.
Solo afectan al data source view.
• En ocasiones, las columnas de una tabla de dimensión no proveen
la información en el formato requerido para el Datamart.
• Por ejemplo:
– Una tabla de dimensión “Dim Customer” puede tener las columnas
“Customer” y “WWI Customer ID”, y se desea que en el Data Mart
aparezca el nombre completo (FullName).
– En estos casos, se puede modificar el data source view con nuevas
columnas basadas en expresiones de cálculo llamadas named
calculations.
EJERCICIO Nº 3: DEFINIR NAMED
CALCULATION
Crear la dimensión named calculation.

Al finalizar el laboratorio, el alumno logrará:

• Implementar named calculation (nuevos atributos en las tablas de dimensiones)

en un proyecto de Analysis Services 2022.
4. NAMED CALCULATIONS (CÁLCULOS
CON NOMBRE) – Padre - Hijo
• Multidimensional
– Se basan en relaciones FK-FK
– Se crean en el diseñador de dimensiones
 Cuando se han creado las relaciones en el origen el
asistente lo detecta automáticamente.
 Propiedad Usage = Parent para el padre y atributos clave
dentro del panel jerarquías.
– Una dimensión padre-hijo posee un número cambiante de
niveles.
4. NAMED CALCULATIONS (CÁLCULOS
CON NOMBRE) – Padre - Hijo
• Los miembros de niveles superiores, también, pueden
poseer datos en la tabla de hechos.
• Esto significa que gerentes y empleados están asociados con
filas en la tabla de hechos como Archer Lamble y Jack Potter.
• Ejemplo:
- Cuando explora el cubo y profundiza
para analizar las ventas totales de
Archer Lamble, ve que incluye las ventas
de Archer reportadas como un valor
separado de las ventas de Jack (que es
subalterno Katie Darwin).
4. NAMED CALCULATIONS (CÁLCULOS
CON NOMBRE) – Padre - Hijo
• Propiedades
- Las jerarquías de tipo Padre-Hijo tienen una propiedad
llamada Members with data. Esta propiedad puede
tomar uno de los siguientes valores:
 Non-leaf data visible: la información de la tabla de hechos
asociada con miembros de niveles superiores (miembros
non-leaf) se muestra en las consultas.
 Non-leaf data hidden: la información de la tabla de hechos
asociada con miembros de niveles superiores (miembros
non – leaf) queda oculta.
4. NAMED CALCULATIONS (CÁLCULOS
CON NOMBRE) – Padre - Hijo
• Propiedades
- Las jerarquías de tipo Padre-Hijo tienen una
propiedad llamada Members with data Caption.
 Si utiliza la configuración NonLeafDataVisible para la
propiedad MembersWithData, puede establecer el
título para el miembro de atributo que se muestra.
 Si deja esta propiedad en blanco, el subtítulo para el
padre y el hijo es idéntico
 Puede usar un asterisco como comodín y un valor de
cadena para combinar el nombre real del miembro con
una cadena estática.
EJERCICIO Nº 4: CREAR UNA
DIMENSIÓN PADRE - HIJO
Crear una dimensión Padre-Hijo.

Al finalizar el laboratorio, el alumno logrará:

• Implementar una dimensión padre-hijo en un proyecto de Analysis Services 2022.

5. RELACIONES ENTRE ATRIBUTOS
(ATTRIBUTE RELATIONSHIPS)
• Los atributos de una dimensión pueden relacionarse entre sí.
• El atributo clave (propiedad Usage = “Key”) de la dimensión debe contener relaciones directas o
indirectas hacia todos los demás atributos.
• En una jerarquía, se debe relacionar cada nivel con su nivel inmediato superior.
• El criterio fundamental para definir relaciones es que la relación sea de uno a muchos. No crear
cuando sean relaciones Muchos a Muchos.
• Ejemplo:

Sea la jerarquía:

Ubications
. Continent
.. Country
…State Province Name
…..City
5. RELACIONES ENTRE ATRIBUTOS
(ATTRIBUTE RELATIONSHIPS)
• Los attribute relationships se definen para resolver tres tipos de situaciones:
̵ Los atributos que se encuentran ubicados en jerarquías pueden obtener provecho de la
creación de attribute relationships, para optimizar la velocidad de consulta.
̵ Para determinar el ordenamiento de los miembros de un atributo.
 Por ejemplo, en una dimensión de fecha (mes).
̵ Asociar propiedades a los miembros (member properties).
 Por ejemplo, se puede asociar el atributo “FullName” de la dimensión “Employee” con otro atributo
llamado “Address” que contiene la dirección del domicilio del empleado.
 El valor del atributo “Address” podrá consultarse para cada valor del atributo “FullName” a través de
sentencias MDX.
EJERCICIO Nº 5: DEFINIR ATTRIBUTE
RELATIONSHIPS
Definir Attribute Relationships.

Al finalizar el laboratorio, el alumno logrará:

• Implementar Attribute Relationships en las dimensiones de un proyecto de

Analysis Services 2022.
6. DIMENSIONES TIEMPO
• La mayoría de soluciones de BI utilizan una dimensión para
almacenar intervalos de tiempo.
• SSAS permite crear dimensiones del tipo tiempo permitiendo
crear la entidad en el origen de datos o crearla en el servidor
SSAS.
EJERCICIO Nº 6: CREACIÓN DE UNA
DIMENSIÓN TIME
Crear una dimensión Time.

Al finalizar el laboratorio, el alumno logrará:

• Implementar la dimensión Time en un proyecto de Analysis Services 2022.

7. AGRUPACIÓN DE MIEMBROS
• La mayoría de soluciones de BI utilizan una dimensión para almacenar intervalos de
tiempo.
• SSAS permite agrupar de manera automática los miembros de una dimensión.
• Ejemplo:
̵ Un atributo puede contener los precios de lista de los productos. Por defecto, el atributo
mostraría la siguiente lista de miembros:
 10.45
 11.23
 10.5
 5.4
 2.3
 4.6
̵ SSAS puede efectuar agrupaciones para mostrar al usuario rangos de valores:
 2.3 – 5.4
 10.5 – 11.23
7. AGRUPACIÓN DE MIEMBROS
• Propiedades de agrupación
̵ DiscretizationMethod
 Determina si SSAS crea agrupaciones en un atributo, así como el
método de agrupación.
 None: muestra los miembros sin aplicar agrupación.
 Automatic: SSAS selecciona el método que mejor representa los
miembros del atributo: EqualAreas o Clusters.
 Equal Areas: intenta dividir los miembros del atributo en grupos que
contengan el mismo número de miembros.
 Clusters: utiliza el algoritmo K-Means para obtener los grupos a través
de distribuciones gausianas. Solo puede usarse con valores
numéricos.
̵ DiscretizationBucketCount
 Especifica el número de grupos que se generarán en un atributo.
 Su valor por defecto es 0, SSAS determina automáticamente el
número de grupos.
7. AGRUPACIÓN DE MIEMBROS
None Automatic EqualAreas EqualAreas Cluster, 3
EJERCICIO Nº 7: DEFINIR PROPIEDADES DE
AGRUPAMIENTO EN LA DIMENSIÓN STOCK ITEM
Definición de propiedades de agrupamiento en la dimensión Stock Item.

Al finalizar el laboratorio, el alumno logrará:

• Implementar agrupaciones de miembros de un atributo de dimensión en un

proyecto de Analysis Services 2022.
EJERCICIO Nº 8: AGREGAR DIMENSIONES
AL PROYECTO
WIDEWORLDIMPORTERSDATAMART
Agregar dimensiones al proyecto WideWorldImportersDataMart.

Al finalizar el laboratorio, el alumno logrará:

• Conocer e implementar creación de dimensiones a un proyecto de Analysis

Services 2022.
8. CUBOS
• Propiedades del cubo:
– Name: nombre del cubo.
– Visible: determina si el cubo es visible o no.
– Default Measure: la medida devuelta por el cubo en
caso de que las consultas no especifiquen de forma
explícita qué medida se desea visualizar.
– StorageMode: Molap
9. Medidas y grupos de medidas
• Medida:
– Representa un valor obtenido a partir de una columna
numérica de la tabla de hechos.
• Grupo de medidas (measure group):
– Las medidas se agrupan en grupos de medidas (measure
groups).
– Cada measure group corresponde con una tabla de hechos.
– Un cubo de SSAS 2022 puede contener varios measure
groups.
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los Measures Groups:
– Name: Nombre del measure group.
 Por defecto, el nombre del measure group se forma a
partir de la tabla de hechos correspondiente.
– Storage location: directorio donde se ubicará
físicamente la data del measure group.
 Si no se especifica ninguno, la ubicación se hereda del
cubo que contiene el grupo de medida.
– Storage Mode: El modo de almacenamiento para el
grupo de medida.
 Los valores disponibles son MOLAP, ROLAP o HOLAP.
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los measures
– Name: Nombre de la medida
– Description: Descripción de la medida
– Source: Columna de la tabla de hechos a partir de la
cual se obtiene la medida
– Format String: Determina el formato de visualización
de la medida (por ejemplo, porcentaje y moneda).
También, permite ingresar una cadena de formato
personalizada.
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los measures:
– Data Type: Tipo de dato de la medida. Por defecto, es
heredado del tipo de dato de la columna que genera la
medida
– MeasureExpression: Especifica una expresión MDX
restringida que define el valor de la medida.
– Visible: Determina si la medida es visible o no. Esta
propiedad es útil cuando se definen medidas
intermedias, a partir de las cuales se calcularán otras
medidas a través de MDX.
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los measures
– Aggregation function: Determina cómo se agregan las
medidas.
 SUM: es la función de agregación por defecto. Significa que
el valor de la medida para un miembro de una dimensión
es igual a la suma de los valores para todos sus miembros
hijos. Ejemplo: la venta del Perú es la suma de las ventas
de todos sus departamentos.
 COUNT: recupera la cuenta de registros en la tabla de
hechos. Esta función puede responder a preguntas del
tipo: “¿cuántas ventas se han producido en Enero del
2015?”
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los measures
– Aggregation function:
 MIN: significa que el valor de la medida para un miembro es
igual al valor mínimo encontrado entre sus miembros hijos.
A través de esta función se puede saber, por ejemplo, cuál
ha sido la venta más pequeña entre los distritos de Lima.
 MAX: significa que el valor de la medida para un miembro
es igual al valor máximo encontrado entre sus miembros
hijos. A través de esta función se puede saber, por ejemplo,
cuál ha sido la venta más grande entre los distritos de Lima.
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los measures
– Aggregation function:
 DISTINCT COUNT: recupera la cuenta de registros en la tabla
de hechos, eliminando las ocurrencias repetidas. Esta
función puede responder a preguntas del tipo: “entre mis
150 clientes, ¿cuántos han efectuado compras en Enero del
2016?
 NONE: no se efectúa ningún tipo de agregación; es decir, la
medida no es aditiva. Esta función de agregación debe
usarse cuando los valores de la medida no deben ser
acumulados; por ejemplo, si la medida representa un
promedio o el resultado de un cociente.
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los measures
– Aggregation function:
 BY ACCOUNT: agrega la medida de acuerdo con la función
de agregación asignada a las dimensiones de tipo
“Account”. Si el cubo no tiene dimensiones de tipo
“Account”, este valor es ignorado y se trata como una
función NONE.
 AVERAGE OF CHILDREN: significa que el valor de la medida
para un miembro de una dimensión es igual al promedio
de los valores para todos sus miembros hijos no vacíos.
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los measures
– Aggregation function:
 FIRST CHILD: significa que el valor de la medida para un
miembro es igual al valor de la medida para su primer
miembro hijo.
 LAST CHILD: significa que el valor de la medida para un
miembro es igual al valor de la medida para su último
miembro hijo.
9. MEDIDAS Y GRUPOS DE MEDIDAS
• Propiedad de los measures
– Aggregation function:
 FIRST NON EMPTY: significa que el valor de la medida para
un miembro es igual al valor de la medida para su primer
miembro hijo no vacío.
 LAST NON EMPTY: significa que el valor de la medida para
un miembro es igual al valor de la medida para su último
miembro hijo no vacío.
EJERCICIO Nº 9: CREAR EL CUBO DE
VENTAS A TRAVÉS DEL CUBE EDITOR
Crear el cubo de ventas a través del Cube Editor.

Al finalizar el laboratorio, el alumno logrará:

• Implementar un cubo en un proyecto de Analysis Services 2022.

10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• SQL Server Analysis Services 2022 soporta los siguientes tipos de relación:

El tipo de relación se determina a través del tab Dimension Usage en el diseñador de cubos.
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación regular
– Constituyen el tipo más frecuente de relación.
– La tabla de dimensión se encuentra directamente relacionada a través de una relación de tipo
primary key – foreign key (uno – muchos) con la tabla de hechos.
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación regular • “CustomerKey” (Cliente
a quien se realizó la

– Caso especial Role Playing Dimension venta )

• “BillToCustomerKey”
(Cliente responsable de
 Cuando existen múltiples relaciones de clave pagar la factura)
• “DeliveryDateKey” (Fecha de
externa entre una tabla de hechos y una tabla de Entrega)
• “InvoicerDateKey” (Fecha de
dimensiones, cada relación tiene un significado o rol Factura)

comercial diferente.
 Ejemplos:
 La tabla de hechos Sales tiene dos relaciones de clave
externa con la tabla Date : una para representar a la
fecha de factura (InvoiceDateKey), y otra para la fecha
de entrega (DeliveryDatekey).
 La tabla de hechos Sales tiene dos relaciones de clave
externa con la tabla Customer : una para representar
representa al cliente a quien se realizó la venta
(CustomerKey), y otra representa al cliente responsable
de pagar la factura (BillToCustomerKey).

Base de datos WideWorldImportersDW

Ejemplos de una dimensión de rol: Customer y Date.
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación Normal
– Configuración de las características de la relación entre la dimensión “Stock Item” y el
measure group “Sales”.

Tipo relación

Atributo clave (PK) de la

dimensión relacionada al
hecho

Dimensión
relacionada al hecho

Tabla de hechos
relacionada (FK) con
dimensión
EJERCICIO Nº 10: VISUALIZAR RELACIONES DE
TIPO ROLE PLAYING EN EL CUBO “SALES”
Visualizar relaciones de tipo Role Playing en el cubo “Sales”.

Al finalizar el laboratorio, el alumno logrará:

• Conocer relaciones de tipo Role Playing en un cubo del proyecto de Analysis

Services 2022.
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación referenciada (referenced relationship)
– Se produce cuando la tabla de dimensión no está directamente relacionada con la tabla de
hechos.
– La relación se produce a través de una tabla de dimensión intermedia
– Útil cuando desea analizar medidas por una dimensión para la cual no existe una relación
directamente en la tabla de hechos
– Este grado de flexibilidad será posible si tiene implementado dimensiones Snowflake (copo de
nieve).
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación referenciada (referenced relationship)
– Ejemplo:
 La dimensión “Bill to Customer” no podrá relacionarse con la tabla de hechos “Sales Alt”, porque no
existe ninguna relación entre ambas tablas.
 La solución seria : Usar una relación referenciada para relacionar la dimensión “Bill to Customer”
con la tabla de hechos “Sales Alt”, en este caso seria a través de la dimensión “Customer Alt”.
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación referenciada (referenced relationship)
EJERCICIO Nº 11: CREAR RELACIONES
REFERENCIADAS
Agregar la dimensión “Bill To Customer” al proyecto y relacionarla con el cubo “Sales
Alt”, a través de un tipo Referenced.

Al finalizar el laboratorio, el alumno logrará:

• Implementar relaciones del tipo Referenced en un cubo del proyecto de Analysis

Services 2022.
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación hecho (Fact relationship)
– Las tablas de hechos contienen, además de columnas de medidas y foreign keys, columnas
adicionales que almacenan información relevante para el negocio.
– Puede resultar muy útil definir una dimensión a partir de la tabla de hechos. A este tipo de
dimensiones se les denomina “dimensiones degeneradas”.
– Ejemplo:
 La columna “WWI Invoice ID” almacena el número de la Factura.
 Esta información puede ser usada para definir una dimensión degenerada.
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación hecho (Fact relationship)
EJERCICIO Nº 12: CREAR LA RELACIÓN
FACT
Crear una relación del tipo “Fact” en el cubo “Sales”. Agregar una relación del tipo
Fact (Sales) al proyecto WideWorldImportersDataMart.

Al finalizar el laboratorio, el alumno logrará:

• Implementar relaciones del tipo Fact en un cubo del proyecto de Analysis Services
2022.
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación muchos - muchos (Many-to-many relationship)
– SSAS 2022 provee un tipo especial de relación que permite implementar relaciones de
muchos-muchos entre las tablas de hechos y las tablas de dimensión.
– Las tablas Fact Table, Regular Dimension e Intermediate Fact Table deben estar relacionadas
en el data source view. De lo contrario, no se podrá definir la relación muchos – muchos.
Intermediate Fact Table Many to many dimensión
 Ejemplo:
 Un motivo de venta
(tabla de dimensión)
puede tener muchas
ventas (tabla de Fact Table
hechos).
 Una venta específica,
a su vez, puede tener
muchos motivos.

Una venta tiene varias razones de ventas

Una razón de venta tiene muchas ventas
10. RELACIONES ENTRE LAS DIMENSIONES
Y LAS TABLAS DE HECHOS
• Relación muchos - muchos (Many-to-many relationship)
EJERCICIO Nº 13: CREAR LA RELACIÓN
MANY TO MANY
Crear una relación del tipo “many to many” en el cubo “Sales”.

Al finalizar el laboratorio, el alumno logrará:

• Implementar relaciones del tipo “Many to many” en un cubo del proyecto de

Analysis Services 2022.
EJERCICIO Nº 14: CREAR LA RELACIÓN
FACT
Crear una relación del tipo “Fact” en el cubo “Sales”. Agregar una relación del tipo
Fact (Order) al proyecto WideWorldImportersDataMart.

Al finalizar el laboratorio, el alumno logrará:

• Implementar relaciones del tipo Fact en un cubo del proyecto de Analysis Services
2022.
TAREA Nº 5: DESARROLLAR DIMENSIONES Y CUBO
MULTIDIMENSIONAL EN ANALYSIS SERVICES 2022
• Utilizando Visual Studio 2022 crear un proyecto de Analysis Services e implementar
dimensiones del Datamart propuesto (Proyecto Final).
• Considerar diseño lógico y físico de la base de datos dimensional del Datamart propuesto
desarrollado en Tarea Nº 4.
LECTURAS ADICIONALES
Para obtener información adicional, puede consultar:

• Dimensiones (Analysis Services - Datos multidimensionales)

https://msdn.microsoft.com/es-es/library/ms174527.aspx

• Definir relaciones normales y propiedades de las relaciones normales

http://msdn.microsoft.com/es-es/library/ms365371.aspx

• Definir relaciones referenciadas y propiedades de las relaciones referenciadas

http://msdn.microsoft.com/es-es/library/ms365365.aspx

• Definir relaciones de hechos y propiedades de las relaciones de hechos

http://msdn.microsoft.com/es-es/library/ms365400.aspx

• Definir una relación de varios a varios y las propiedades de las relaciones de varios a varios
http://msdn.microsoft.com/es-es/library/ms365407.aspx
RESUMEN
En este capítulo, usted aprendió que:

• Las dimensiones están compuestas de atributos y jerarquías.

• Los atributos pueden ser relacionados para mejorar el desempeño de las
jerarquías.
• Los miembros de atributos pueden ser agrupados para su mejor visualización.
• Las medidas comprenden el elemento cuantitativo del cubo de información.
• Las medidas poseen funciones de agregación tales como Sum, Count, etc.
• Existen diversas relaciones entre dimensiones y grupos de medidas de acuerdo al
modelo dimensional.
• La existencia de varias alternativas de relaciones entre dimensiones y tabla de
hechos permite implementar diversidad de casos reales de negocios.