OLTP vs OLAP: diferencias clave

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

0:006:09

OLTP vs OLAP: diferencias clave

Curso de Data Warehousing y Modelado OLAP

Clase 4 de 26

Clase 4 / 26

Recursos

¿Tu negocio necesita procesar miles de ventas por minuto o tomar decisiones estratégicas con esos datos? Entender la diferencia entre OLTP y OLAP es el primer paso para diseñar sistemas que respondan a cada propósito sin mezclar peras con manzanas.

Las bases de datos OLTP sostienen la operación diaria, mientras que las OLAP centralizan la información para análisis. Saber cuándo usar cada una te ahorra dolores de cabeza al escalar y al construir reportes.

¿Qué es OLTP y para qué sirve en un negocio?

OLTP (Online Transaction Processing) son las bases de datos que viven en cada punto de venta. Imagina un almacén de cadena con 100 tiendas y 15 computadores por tienda facturando al mismo tiempo: ahí está OLTP trabajando.

Estas bases están diseñadas para soportar alta concurrencia y almacenar información rápido. Funcionan con un modelo entidad relación, donde las tablas se conectan entre sí como un espagueti. Para sacar un dato, debes recorrer tablas de clientes, ciudades, staff y producto haciendo joins largos y poco escalables.

¿Qué es una base de datos transaccional? Es una base optimizada para registrar operaciones del día a día, como ventas o pagos, donde miles de usuarios escriben datos al mismo tiempo y la velocidad de inserción importa más que el análisis.

Ejemplos típicos en este mundo son MySQL, Postgres y Oracle. Responden preguntas operativas como qué cliente compró hoy, cuál es el número de factura o dónde está ubicado un producto con cierto código de barras.

¿Qué es OLAP y por qué centraliza los datos?

OLAP (Online Analytical Processing) es el sistema que toma datos de muchas fuentes (bases transaccionales, archivos Excel, CSV) y los lleva a un solo repositorio llamado data warehouse. La idea es consumir información más fácil, sin recorrer cinco tablas de clientes.

En lugar de ese laberinto, tienes una dimensión de clientes: una sola tabla con todos los atributos. Alrededor de una tabla central de hechos o medidas se conectan dimensiones que enriquecen el análisis.

Las preguntas que resuelve OLAP son distintas:

Cuál es el producto más vendido por país.
Cuál es el cliente que más compra.
Cuántos empleados se contrataron en el último mes.

Las plataformas comunes son Redshift de AWS, Synapse de Azure y BigQuery de Google. Cada una está pensada para consultas analíticas rápidas sobre volúmenes grandes de datos.

¿Qué es un data warehouse? Es un repositorio centralizado que reúne información de múltiples fuentes, modelada para consultas analíticas. No reemplaza las bases transaccionales, las complementa para que el negocio pueda decidir con datos.

¿En qué se diferencian OLTP y OLAP en la práctica?

La diferencia más visible es el propósito: OLTP está orientado a transacciones y OLAP a la toma de decisiones. Pero hay matices que conviene tener claros antes de elegir arquitectura.

¿Cómo manejan la historia de los datos cada uno?

OLTP es volátil: si un cliente actualiza su correo electrónico, el dato anterior se sobrescribe. OLAP, en cambio, busca preservar la historia. Si ese cambio es relevante para el modelo, se crea un registro nuevo con el correo actualizado para no perder la trazabilidad.

Esto importa porque muchas decisiones analíticas dependen de comparar el antes y el después.

¿Qué nivel de detalle guarda cada sistema?

OLTP almacena información detallada, hasta el código de barras del producto. OLAP trabaja con datos sumarizados o precalculados, lo que permite que dashboards y reportes respondan en segundos en lugar de minutos.

Esa precalculación es justo lo que hace eficiente al sistema analítico.

¿Cómo cambia el modelo de datos entre uno y otro?

En OLTP usas un modelo entidad relación, con tablas conectadas en cadenas largas. En OLAP el patrón típico es una tabla central de hechos rodeada de dimensiones, lo que se conoce como modelo en estrella o copo de nieve.

La concurrencia también difiere: OLTP soporta a miles de cajeros y clientes facturando simultáneamente, mientras que OLAP suele atender solo a usuarios de negocio que consultan reportes.

¿Qué bases de datos elegir para OLTP y OLAP?

La elección depende del rol que cumplirán dentro de tu arquitectura de datos. No es lo mismo registrar ventas que construir un dashboard ejecutivo.

Para cargas transaccionales, las opciones más comunes son:

MySQL: ampliamente usada en aplicaciones web y comercio.
Postgres: robusta, con soporte avanzado de tipos y extensiones.
Oracle: estándar en grandes corporaciones y sistemas críticos.

Para cargas analíticas, los nombres que dominan el mercado son:

Amazon Redshift: data warehouse de AWS, diseñado para consultas masivas.
Azure Synapse: combina almacenamiento y analítica en el ecosistema Microsoft.
Google BigQuery: serverless, escalable y orientada a datos a gran escala.

La regla simple es esta: OLTP corre tu negocio, OLAP te ayuda a entenderlo. Si mezclas ambos en la misma base, la operación se vuelve lenta y los análisis quedan limitados.

¿Has trabajado con alguno de estos motores en tu empresa? Cuéntame en los comentarios qué retos encontraste al separar la operación del análisis.

OLTP	OLAP
Diseñado para soportar las transacciones comerciales	Diseñado para apoyar el proceso de toma de decisiones.
Data es volátil	Data NO es volátil
Data detallada	Datos resumidos
Modelado E-R	Modelado dimensional
Procesamiento de transacciones	Procesamiento analítico
Alta concurrencia	Baja concurrencia.

Mario Alexander Vargas Celis

Hace 2 años

Diferencias entre Bases de Datos OLTP y OLAP

Las bases de datos OLTP (Online Transaction Processing) y OLAP (Online Analytical Processing) tienen propósitos y características distintas, adaptadas a sus respectivos roles en un sistema de información empresarial.

1. Base de Datos OLTP

Definición:

Diseñada para gestionar transacciones en tiempo real de manera eficiente.
Maneja operaciones frecuentes, como inserciones, actualizaciones y eliminaciones.

Características:

Propósito: Soportar las operaciones diarias del negocio.
Estructura: Normalizada para evitar redundancia de datos.
Operaciones: Lecturas y escrituras rápidas.
Datos: Detallados y actuales (transaccionales).
Consultas: Cortas y específicas (ej., "¿Cuántos artículos hay en inventario?").
Usuarios: Empleados operativos (cajeros, administradores).
Volumen de datos: Menor comparado con OLAP.

Ejemplo:

Sistema de punto de venta (POS) que registra cada transacción en una tienda.
Una aplicación bancaria que procesa transferencias en tiempo real.

2. Base de Datos OLAP

Definición:

Diseñada para realizar análisis complejos de grandes volúmenes de datos históricos.
Soporta la toma de decisiones estratégica basada en tendencias y patrones.

Características:

Propósito: Análisis de datos para reportes y decisiones.
Estructura: Desnormalizada o multidimensional (esquema estrella o copo de nieve).
Operaciones: Consultas de lectura intensiva y de larga duración.
Datos: Agregados e históricos.
Consultas: Complejas y multidimensionales (ej., "¿Cuánto crecieron las ventas por región en los últimos cinco años?").
Usuarios: Analistas de datos, gerentes.
Volumen de datos: Más grande que OLTP, incluye datos históricos.

Ejemplo:

Un Data Warehouse que consolida datos de ventas, inventarios y clientes para reportes estratégicos.
Dashboard que muestra el desempeño financiero de una empresa por trimestre.

Comparación entre OLTP y OLAP

AspectoOLTPOLAPPropósitoOperaciones diariasAnálisis estratégicoEstructuraNormalizadaDesnormalizadaConsultasCortas y específicasLargas y complejasUsuariosOperativosEjecutivos y analistasDatosActuales y detalladosHistóricos y agregadosEjemplo de usoSistema de compras en líneaDashboard de análisis de ventasOperaciones comunesCRUD (Crear, Leer, Actualizar, Eliminar)Lecturas masivas y agregaciones

Relación entre OLTP y OLAP

Los sistemas OLTP son la fuente de datos para los sistemas OLAP.
OLAP consolida los datos generados en OLTP para análisis estratégicos y reportes.

Ambos tipos de bases de datos son esenciales en una infraestructura empresarial, ya que cumplen roles complementarios: operacional (OLTP) y analítico (OLAP).

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

OLTP vs OLAP: diferencias clave

Progreso del curso

Introducción a BI y Data Warehouse

Modelos dimensionales

ETL para inserción en Data Warehouse

Cierre

Recursos

Recursos