Cómo extraer dimensiones de preguntas de negocio

Curso de Data Warehousing y Modelado OLAP

Contenido del curso

No sé dónde empezar

Introducción a BI y Data Warehouse

Modelos dimensionales

ETL para inserción en Data Warehouse

Cierre

26
De datos crudos a modelo dimensional listo
01:18 min

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:008:54

Cómo extraer dimensiones de preguntas de negocio

Curso de Data Warehousing y Modelado OLAP

Clase 14 de 26

Clase 14 / 26

Recursos

Identificar dimensiones y métricas a partir de preguntas de negocio es el paso que conecta las necesidades reales de un cliente con un modelo dimensional sólido. Aquí aprendes a leer una pregunta de negocio, separar atributos de medidas y traducirla en una estructura útil para inteligencia de negocios, sea cual sea el sector.

¿Qué es una pregunta de negocio en inteligencia de negocios?

Una pregunta de negocio es cualquier necesidad que el cliente, el usuario o el propio negocio quiere resolver con datos. Cuantas más preguntas levantes al inicio, más robusto será tu modelo, porque cada pregunta revela nuevas dimensiones y métricas.

Y aquí viene la parte honesta del trabajo: no siempre vas a poder responder todo. A veces no existen los datos, a veces no tienes acceso, a veces el negocio no los registra. Tu tarea es preguntar mucho y comunicar con claridad qué se puede resolver y qué no [00:38].

¿Qué es una pregunta de negocio? Es una necesidad concreta del negocio que se resuelve con datos. Por ejemplo: unidades vendidas por producto, cliente y tiempo. De ahí salen las dimensiones y métricas del modelo.

¿Cómo separar atributos y medidas en una pregunta?

El ejercicio se parece a esa clase de Español donde te pedían identificar sujeto y verbo. Aquí buscas dos cosas: qué te piden medir (la métrica) y desde qué perspectiva quieren verlo (la dimensión) [01:30].

Mira esta pregunta: unidades vendidas de cada producto por cliente en un tiempo determinado. Las unidades vendidas son la medida. Producto, cliente y tiempo son las dimensiones, los actores que dan contexto al evento de venta [01:55].

Otro ejemplo: cantidad de contrataciones por área en un país específico. La medida es el conteo de contrataciones; las dimensiones son área y país [02:30]. La medida vive en la tabla fact, las dimensiones viven alrededor.

¿Cómo se ve esto en un caso real?

Imagina una cadena de supermercados que vende crema dental en el almacén número uno un día específico. De esa frase salen tres dimensiones claras y una medida [02:55]:

Producto: la crema dental.
Tiempo: la fecha exacta de la venta.
Almacén: el punto físico donde ocurrió.
Ventas: la métrica que cruzas con todas las anteriores.

Con esa estructura ya puedes responder cuánto vendió cada almacén, qué producto se mueve mejor o cómo se comportan las ventas día a día.

¿Cómo aplico esto a varias preguntas a la vez?

Vamos con un caso más completo. La primera pregunta dice: cuánto ha sido en cantidades y valores los descuentos y las ventas netas para cada mes y día [03:35].

De ahí salen varias métricas en paralelo:

Cantidades vendidas.
Valores vendidos.
Descuentos aplicados.
Ventas netas, que son valores menos descuentos.

Sobre las ventas netas hay una decisión de diseño importante. Puedes calcularlas al vuelo en la visualización o precalcularlas en la tabla de hechos. La recomendación es precalcularlas para no cargar al motor de visualización con cálculos innecesarios [04:55].

Mes y día no son dos dimensiones distintas: ambos son atributos de una sola dimensión de tiempo que también puede contener año o siglo [05:20].

¿Qué pasa cuando aparecen vendedor, producto y categoría?

La segunda pregunta pide saber cuánto han crecido o disminuido las ventas netas al corte de marzo de 2013 por cada vendedor [05:50]. Aquí entra una dimensión nueva: vendedor. Marzo y 2013 siguen siendo atributos de tiempo.

Luego aparece el producto más vendido al corte del día por categoría [06:30]. Producto entra como dimensión, y categoría plantea una decisión interesante.

¿Cuándo categoría es dimensión y cuándo es atributo? Si los valores son pocos, tres o cuatro, déjala como atributo dentro de la dimensión producto. Si los valores se multiplican mucho, conviene sacarla como dimensión aparte y relacionarla.

Un producto suele tener ID, descripción y categoría asignada. Mantener categoría dentro de producto simplifica el modelo cuando el catálogo de categorías es pequeño [07:00].

¿Cómo queda el modelo dimensional al final?

La última pregunta pide quién es el cliente que más unidades ha comprado en el último año [07:25]. Cliente se suma como dimensión y unidades como métrica, con tiempo cubriendo el último año.

La vista global del modelo queda así:

Métricas: cantidades, unidades vendidas, descuentos y ventas netas.
Dimensiones: cliente, producto, tiempo y vendedor.

Con ese mapa puedes responder casi cualquier pregunta del negocio sobre ventas, sin reconstruir el modelo cada vez que llega una solicitud nueva. ¿Qué preguntas de negocio estás levantando hoy en tu proyecto? Cuéntame en los comentarios cuáles dimensiones te están costando más identificar.

Mario Alexander Vargas Celis

Hace 2 años

El modelado dimensional es una técnica de diseño de bases de datos utilizada principalmente en Data Warehousing para organizar y optimizar datos para análisis y consultas. Consiste en identificar las dimensiones y las métricas (hechos) clave, que permiten representar el negocio desde múltiples perspectivas.

Pasos para identificar dimensiones y métricas:

1. Definir el objetivo del análisis:

Identifica qué preguntas de negocio necesitas responder.
Ejemplo: "¿Cuáles son las ventas mensuales por región y producto?"

2. Identificar las métricas o hechos (Facts):

Definición: Son los valores numéricos o medibles que representan eventos o transacciones del negocio.
Ejemplos comunes:
- Ventas totales
- Cantidad de productos vendidos
- Costos operativos
- Tiempo empleado en un proceso
- Beneficios

Preguntas clave para identificar métricas:

¿Qué indicadores se quieren analizar o medir?
¿Qué datos numéricos se calculan o resumen?

3. Identificar las dimensiones (Dimensions):

Definición: Son las categorías descriptivas que contextualizan los hechos. Proporcionan las perspectivas desde las que se analizan las métricas.
Ejemplos comunes:
- Fecha
- Producto
- Cliente
- Región o Ubicación
- Canal de venta

Preguntas clave para identificar dimensiones:

¿Qué contexto o perspectiva es relevante para analizar las métricas?
¿Cómo se clasifica o agrupa la información?
¿Qué información complementaria se necesita para entender los hechos?

4. Determinar la granularidad:

Granularidad: Nivel de detalle al que los datos serán almacenados en la tabla de hechos.
Ejemplos:
- Nivel de transacción individual (más granular)
- Nivel agregado diario, mensual, o anual (menos granular)
Es fundamental definirlo al inicio, ya que afecta el diseño del modelo.

5. Diseñar las relaciones entre hechos y dimensiones:

Establece relaciones entre las métricas y sus dimensiones a través de llaves foráneas.
Define cómo las dimensiones proporcionan el contexto para analizar los hechos.

Ejemplo práctico: Ventas en un supermercado

Objetivo del análisis:

Analizar las ventas por producto, cliente y región a lo largo del tiempo.

Identificación de métricas:

Total de ventas (importe_venta)
Cantidad de productos vendidos (cantidad_vendida)
Descuentos aplicados (descuento)

Identificación de dimensiones:

Dim_Fecha: Día, mes, trimestre, año.
Dim_Producto: Código, categoría, marca, precio.
Dim_Cliente: ID del cliente, nombre, edad, género.
Dim_Ubicación: País, ciudad, tienda.
Dim_Canal de Venta: Tienda física, en línea.

Granularidad:

Nivel: Una fila por cada transacción en cada tienda.

Modelo dimensional: Esquema Estrella

Tabla de hechos: Fact_Ventas

FechaIDProductoIDClienteIDUbicacionIDCanalIDCantidad_VendidaImporte_VentaDescuento

Tablas de dimensiones:

Dim_FechaFechaIDDíaMesAñoTrimestre
Dim_ProductoProductoIDNombreCategoríaMarcaPrecio
Dim_ClienteClienteIDNombreEdadGénero
Dim_UbicaciónUbicacionIDPaísCiudadTienda
Dim_CanalCanalIDCanal

Herramientas útiles para identificar dimensiones y métricas:

Entrevistas a usuarios clave: Identifica las necesidades de análisis de los equipos de negocio.
Revisión de reportes actuales: Observa qué datos ya están siendo utilizados.
Documentación de procesos: Comprende los eventos clave que generan datos en la empresa.

Este proceso asegura que el diseño del Data Warehouse esté alineado con las necesidades reales del negocio y optimizado para el análisis de datos.

Introducción a BI y Data Warehouse

Qué es Business Intelligence y Data Warehousing

Niveles de analítica y jerarquía de datos

Qué son data warehouse, data mart y dimensiones

OLTP vs OLAP: diferencias clave

Inmon, Kimball y Hefesto en BI

Modelos dimensionales

Data Warehouse, Data Lake y Lakehouse

Modelo estrella vs copo de nieve en datos

Tipos de dimensiones lentamente cambiantes

Dimensión tipo 1: sobrescribir sin guardar historia

Dimensión tipo 2

Dimensión tipo 3: historia en columnas

Tabla de hechos (fact)

Configuración de herramientas para Data Warehouse y ETL

Cómo extraer dimensiones de preguntas de negocio

Diseño de tablas en un modelo dimensional

ETL para inserción en Data Warehouse

Documento de mapeo en ETL para data warehouse

Creando tablas dimensionales en Redshift

Extracción: querys en SQL

Cruce de fuentes en Pentaho con Stream Lookup

Transformación ETL con Pentaho paso a paso

Carga de datos transformados a Redshift con Pentaho

Cómo cargar la tabla de hechos con Pentaho

Cómo calcular MaxID y MaxDate en Pentaho

Orquestar ETL en Pentaho: job

Solución ETL con dimensiones en paralelo en Redshift

Cierre

De datos crudos a modelo dimensional listo

Cómo extraer dimensiones de preguntas de negocio

Progreso del curso

Introducción a BI y Data Warehouse

Modelos dimensionales

ETL para inserción en Data Warehouse

Cierre

Recursos

Recursos