Modelado dimensional: diseño de modelo

Aqui les el diagrama:

Dejo URL de mis notas relativas a hechos y dimensiones, que he publicado en mi repositorio de GitHub y en LinkedIn, por si a algún/a compañero/a le pueda interesar: <https://github.com/ddasilva64/DWHOLA23001esp/blob/master/publicaciones/publicados/dimfact_esp.md> <https://www.linkedin.com/pulse/modelado-dimensional-dimensiones-y-hechos-esp-da-silva-jarque> Gracias

Here my proposal about task teacher left us, what you think guys ! 

Cuál es el sentido de que la Fact tenga una columna con PK ? me gustaría entender la necesidad, pq no la veo en realidad.

```txt Table dwh.dim_clientes { id_cliente int pk codigo_cliente varchar nombre varchar apellido varchar nombre_completo varchar numero_celular varchar numero_casa varchar numero_trabajo varchar ciudad_casa varchar } Ref:dwh.dim_clientes.id_cliente < dwh.fact_ventas.id_cliente Table dwh.dim_producto { id_producto int pk codigo_cliente varchar nombre varchar color varchar tamano varchar categoria varchar } Ref:dwh.dim_producto.id_producto < dwh.fact_ventas.id_producto Table dwh.dim_geografia { id_ubicacion int pk cod_ubicion varchar pais varchar estado varchar ciudad varchar } Ref:dwh.dim_geografia.id_ubicacion < dwh.fact_ventas.id_ubicacion Table dwh.dim_vendedores { id_vendedor int pk cod_vendedor varchar nombre varchar apellido varchar } Ref:dwh.dim_vendedores.id_vendedor < dwh.fact_ventas.id_vendedor Table dwh.fact_ventas { id_venta int pk id_cliente int pk id_producto int pk id_ubicacion int pk id_vendedor int pk cantidad int valor decimal descuento decimal valor_neto decimal } ```


El diseño de un modelo dimensional se centra en estructurar los datos para facilitar la consulta y el análisis, utilizando un enfoque orientado al usuario final. A continuación, se describen los pasos principales para diseñar un modelo dimensional: ### **1. Definir el propósito del modelo** * **Objetivo:** Comprender las preguntas de negocio que el modelo debe responder. Por ejemplo: * ¿Qué métricas se analizarán (ventas, ingresos, costos)? * ¿Qué dimensiones (perspectivas) interesan (tiempo, producto, región)? * Esto ayuda a determinar las métricas clave y las dimensiones necesarias. ### **2. Identificar los procesos de negocio** * **Paso:** Identificar los procesos principales de la organización que generan datos para el análisis (ventas, inventario, finanzas). * **Ejemplo:** Un negocio de retail podría enfocarse en las ventas y el inventario como procesos clave. ### **3. Determinar las métricas (hechos)** * **Definición:** Las métricas (o hechos) son los valores cuantitativos que se analizan. * **Ejemplo:** * Ventas totales, cantidad de productos vendidos, ingresos generados. * **Nota:** Asegúrate de que los hechos sean numéricos y agregables. ### **4. Identificar las dimensiones** * **Definición:** Las dimensiones son los atributos que contextualizan las métricas. * **Ejemplo:** * Tiempo (año, mes, día) * Producto (categoría, marca, nombre) * Cliente (edad, región, género) * Las dimensiones deben estar diseñadas para responder preguntas como: "¿Qué productos se venden más en cada región?" ### **5. Elegir el esquema dimensional** * **Opciones comunes:** * **Esquema estrella (Star Schema):** Una tabla de hechos en el centro conectada directamente a las tablas de dimensiones. * **Esquema copo de nieve (Snowflake Schema):** Extiende las tablas de dimensiones en subdimensiones para normalización. * **Ejemplo de esquema estrella:** * Tabla de hechos: `ventas` * Dimensiones: `dim_producto`, `dim_cliente`, `dim_tiempo`. ### **6. Diseñar las tablas de hechos** * Incluir: * **Clave primaria compuesta:** Llaves foráneas de las dimensiones. * **Métricas:** Las medidas a analizar. * **Ejemplo:** * Tabla `fact_ventas`: * Claves foráneas: `id_producto`, `id_tiempo`, `id_cliente`. * Métricas: `cantidad_vendida`, `ingreso_total`. ### **7. Diseñar las tablas de dimensiones** * Cada dimensión debe incluir: * **Clave primaria:** Identificador único (`id_tiempo`, `id_producto`). * **Atributos descriptivos:** Detalles útiles para el análisis (`nombre_producto`, `marca`, `año`, `mes`). * **Ejemplo:** * Tabla `dim_producto`: * `id_producto`, `nombre`, `marca`, `categoría`. ### **8. Establecer relaciones entre tablas** * Definir las claves foráneas en la tabla de hechos para conectar con las tablas de dimensiones. * Asegurarse de mantener la integridad referencial. ### **9. Validar el modelo** * Reunirse con los interesados para asegurarse de que las necesidades del negocio están cubiertas. * Ejecutar consultas de prueba para verificar que el modelo responde correctamente. ### **10. Optimizar el modelo** * Desnormalizar si es necesario para mejorar el rendimiento de las consultas. * Crear índices en claves foráneas y columnas más consultadas. Este enfoque garantiza que el modelo dimensional sea efectivo para análisis rápidos y centrado en el usuario final. 😊