Conceptos de Diseo de un Data Warehouse

La construccin de Cubos OLAP requiere de una tabla de hechos y varias tablas de dimensiones, stas acompaan a la tabla de hechos y determinan los parmetros (dimensiones) de los que dependen los hechos registrados en la tabla de hechos. Tablas de Hecho (Fact) En un esquema multidimensional este tipo de tablas es la tabla central y cada uno de sus valores corresponden a los elementos del atributo de medida.
Su estructura esta compuesta por un conjunto de claves forneas

de las restantes dimensiones (tablas Lock-Up) existentes en el modelo.

Conceptos de Diseo de un Data Warehouse

Tablas Lock-Up Este tipo de tablas corresponden a las dimensiones en un modelo de datos multidimensional y su labor consiste en alimentar la tabla de hecho (Fact).
Su estructura esta compuesta por una clave primaria y un

conjunto de atributos y dependiendo del modelo que se utilice, puede tener relaciones con mas tablas lock-up existentes en el modelo.
Las tablas de dimensiones ayudan a realizar ese estudio/anlisis

aportando informacin sobre los datos de la tabla de hechos, por lo que puede decirse que en un cubo OLAP, la tabla de hechos contiene los datos de inters y las tablas de dimensiones contienen metadatos sobre dichos hechos.

Conceptos de Diseo de un Data Warehouse

Granularidad de dimensin y jerarquas
Cada dimensin puede referirse a conceptos como 'tiempo',

'productos', 'clientes', 'zona geogrfica', etc.

Cada dimensin puede estar medida de diferentes maneras

segn la granularidad deseada, por ejemplo, para la dimensin "zona geogrfica" podramos considerar 'localidades', 'provincias', 'regiones', 'pases' o 'continentes'.

Conceptos de Diseo de un Data Warehouse

Ejemplo. Granularidad de la dimensin Zona geogrfica, con una jerarqua de cinco niveles

Conceptos de Diseo de un Data Warehouse

Modelo Estrella
Su nombre se deriva por la razn de que grficamente su

estructura es similar a la de una estrella, su centro esta determinado por una tabla de hechos y sus extremos corresponden a tablas lock-up que determinan cada una de sus dimensiones.
Cuando las tablas de dimensin asociadas a una tabla de hechos

no reflejan ninguna jerarqua (por ejemplo: Las zonas siempre son 'provincias' y slo provincias, el tiempo se mide en 'das' y slo en das, etc.) el modelo resultante tendr forma de estrella, es decir, una tabla de hechos central rodeada de tantas tablas como dimensiones, y slo habr, adems de la tabla de hechos, una tabla por cada dimensin.

Conceptos de Diseo de un Data Warehouse

Modelo Estrella (continuacin)
Su particularidad es que el modelo no es normalizado, solo

existen relaciones desde el centro hacia fuera, por este motivo no tiene soporte para dimensiones con jerarquas.
Para ejemplificar, se dar un grafico de un modelo estrella con 6

dimensiones (Producto, Fecha, Regin, Vendedor, Cliente y orden) ms el atributo de medida

Conceptos de Diseo de un Data Warehouse

Modelo Estrella (continuacin)

Conceptos de Diseo de un Data Warehouse

Modelo Estrella (continuacin). Ejemplo 2.-

Conceptos de Diseo de un Data Warehouse

Modelo Copo de Nieve
El modelo Copo de nieve es una extensin al modelo estrella,

ofrece la posibilidad de trabajar con jerarquas en cada una de las dimensiones. Su particularidad esta en la normalizacin de las tablas Lock-Up, por lo que su mantencin es mas fcil de llevar.
A continuacin se entrega en modo grafico el modelo Copo de

Nieve

Conceptos de Diseo de un Data Warehouse

Modelo Copo de nieve (continuacin). Ejemplo 1.-

Conceptos de Diseo de un Data Warehouse

Modelo Copo de nieve (continuacin). Ejemplo 2.-