Tipos de dimensiones lentamente cambiantes

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

0:004:32

Tipos de dimensiones lentamente cambiantes

Curso de Data Warehousing y Modelado OLAP

Clase 8 de 26

Clase 8 / 26

Recursos

Las dimensiones lentamente cambiantes son la pieza que permite resolver preguntas de negocio sobre el qué, el cómo, el cuándo y el dónde dentro de un modelo de datos. Si trabajas con bodegas de datos o estás aprendiendo data warehousing, entender los tres tipos de SCD (Slowly Changing Dimensions) te cambia la forma de modelar la historia de tu negocio.

¿Qué es una dimensión y qué tipos de atributos tiene?

Una dimensión es la estructura que describe los hechos que mides. Si vendes productos, la dimensión te dice qué vendiste, quién lo compró, cómo se pagó y dónde ocurrió la venta.

Dentro de una dimensión vas a encontrar atributos que cumplen funciones distintas y que conviene reconocer desde el inicio:

Atributos jerárquicos: relacionan una dimensión con otra. La ciudad pertenece a un departamento y el departamento a un país.
Atributos descriptivos: nombre, apellido, dirección o teléfono del cliente. No los usas para analizar la venta, pero te ayudan a conocer mejor esa entidad.
Atributos de control o auditoría: registran cuándo se almacenó el dato, quién lo cargó y si fue un proceso automático o una persona.

¿Para qué sirven los atributos de control en una dimensión? Permiten auditar tus datos. Sabes la fecha de carga, el responsable y la vigencia de cada registro, lo que es clave para rastrear cambios y errores.

¿Cómo funciona la dimensión lentamente cambiante tipo 1?

La SCD tipo 1 se comporta casi como una tabla transaccional: reemplaza el valor anterior por el nuevo y no guarda historia.

Imagina un jean azul cargado en tu dimensión de productos. Mañana ese mismo producto, con el mismo código, cambia su color a amarillo en la fuente. Cuando vuelves a cargar los datos, el registro azul desaparece y queda únicamente el amarillo.

Es útil cuando el cambio corrige un error o cuando el valor histórico no aporta valor analítico. La desventaja es clara: pierdes la trazabilidad del atributo.

¿Cuándo conviene usar la dimensión tipo 2 o tipo 3?

Aquí es donde aparece la diferencia interesante: ambas guardan historia, pero lo hacen de forma distinta.

¿Qué hace una dimensión tipo 2?

La SCD tipo 2 crea un registro nuevo cada vez que cambia un atributo. Volviendo al jean, tendrás una fila que dice que fue azul y otra que dice que ahora es amarillo. Para distinguirlas usas los atributos de control: fechas de inicio y fin, o un indicador de vigencia que te dice cuál registro está activo hoy.

Es el enfoque más usado cuando el negocio necesita reconstruir el pasado tal cual ocurrió.

¿Qué hace una dimensión tipo 3?

La SCD tipo 3 también guarda historia, pero en lugar de añadir filas, añade columnas. Tendrías una columna llamada color anterior y otra color actual sobre la misma fila del producto.

Es práctica cuando solo te interesa comparar el valor previo con el actual, no toda la línea de tiempo.

¿Cuál es la diferencia entre SCD tipo 2 y tipo 3? La tipo 2 agrega un registro nuevo por cada cambio y conserva toda la historia. La tipo 3 agrega una columna nueva y solo guarda el valor anterior y el actual.

¿Cómo eliges el tipo de dimensión correcto para tu modelo?

La elección depende de qué tanto pesa la historia en tu análisis y de cómo se comportan los atributos de cada dimensión.

Usa tipo 1 cuando los cambios son correcciones o no necesitas trazabilidad.
Usa tipo 2 cuando necesitas reconstruir el estado de la dimensión en cualquier punto del tiempo.
Usa tipo 3 cuando solo te importa comparar el valor anterior con el actual.

En la próxima clase profundizaremos en la dimensión tipo 1 con un ejemplo práctico. ¿Cuál de los tres tipos crees que se ajusta mejor al modelo en el que estás trabajando? Cuéntame en los comentarios.

Mario Alexander Vargas Celis

Hace 2 años

Las Dimensiones Lentamente Cambiantes (Slowly Changing Dimensions - SCD) son un concepto clave en el diseño de un Data Warehouse. Se refieren a cómo manejar los cambios en los atributos de una dimensión a lo largo del tiempo, preservando la historia cuando sea necesario.

Tipos de Dimensiones Lentamente Cambiantes (SCD)

1. Tipo 0: Sin cambios (Fixed Dimensions)

Descripción: Los datos de la dimensión no cambian.
Uso típico: Cuando los datos deben permanecer constantes, como un identificador único (p. ej., código de producto).
Ejemplo: Un producto tiene un código que no varía con el tiempo.

2. Tipo 1: Sobrescritura del valor antiguo

Descripción: Se actualiza el atributo directamente, sobrescribiendo el valor anterior. No se guarda un historial.
Ventajas:
- Simplicidad de implementación.
- Requiere menos espacio de almacenamiento.
Desventajas:
- Pierde la historia del cambio.
Ejemplo:
- Cambio en el número de teléfono de un cliente: el valor antiguo se reemplaza por el nuevo.

3. Tipo 2: Registro de cambios históricos

Descripción: Cada cambio genera un nuevo registro en la tabla de dimensión, manteniendo el historial completo.
Ventajas:
- Permite análisis históricos y trazabilidad.
Desventajas:
- Incrementa el tamaño de las dimensiones.
- Requiere un mecanismo para identificar registros actuales y antiguos.
Implementación:
- Clave sustituta: Se utiliza un identificador único para cada versión del registro.
- Atributos adicionales: Incluyen columnas como fecha_inicio, fecha_fin y un indicador (actual) para identificar el registro activo.
Ejemplo:
- Si un cliente cambia de dirección, se crea un nuevo registro con la nueva dirección, manteniendo el anterior.

4. Tipo 3: Rastro de un cambio limitado

Descripción: Se almacena el valor actual y un valor anterior en la misma tabla, limitando la capacidad de rastrear más de un cambio.
Ventajas:
- Fácil de implementar.
- Útil para cambios específicos y limitados en número.
Desventajas:
- No es adecuado para mantener un historial completo.
Ejemplo:
- Se agrega una columna dirección_actual y otra dirección_anterior para capturar un cambio en la dirección de un cliente.

5. Tipo 4: Dimensión de historial por separado

Descripción: Se separan los registros históricos en una tabla aparte, mientras que la tabla principal almacena solo el registro actual.
Ventajas:
- Se reduce la complejidad en la tabla principal.
- El historial se mantiene de forma estructurada y eficiente.
Desventajas:
- Requiere consultas adicionales para acceder al historial.
Ejemplo:
- Una tabla principal contiene la información del cliente actual, y una tabla de historial guarda los cambios previos.

6. Tipo 6: Híbrido (Tipo 1 + Tipo 2 + Tipo 3)

Descripción: Combina los enfoques de los tipos 1, 2 y 3. Se mantiene el historial completo (como en Tipo 2), pero también se guardan el valor actual y el valor anterior en la misma tabla.
Ventajas:
- Proporciona flexibilidad al manejar cambios de diferentes tipos.
Desventajas:
- Requiere mayor complejidad en el diseño y mantenimiento.
Ejemplo:
- Una tabla de cliente guarda columnas para dirección_actual, dirección_anterior y un historial completo en múltiples registros.

Cuándo usar cada tipo

TipoUso típicoTipo 0Datos que no deben cambiar (identificadores únicos).Tipo 1Cuando la precisión actual es más importante que el historial (p. ej., correos).Tipo 2Para análisis históricos o auditoría de datos (p. ej., cambios en dirección).Tipo 3Cambios limitados que no requieren un historial extenso (p. ej., ascensos).Tipo 4Para separar datos históricos en otra tabla, optimizando la tabla principal.Tipo 6Cuando se necesita rastrear valores actuales, anteriores y un historial completo.

Ejemplo práctico: Cliente cambia de dirección

Tipo 1: Actualizas la dirección directamente.
- Dirección: Calle 1 → Calle 2.
Tipo 2: Creas un nuevo registro con la nueva dirección.
- Reg 1: Cliente 001, Calle 1, 2022-01-01 a 2023-01-01.
- Reg 2: Cliente 001, Calle 2, 2023-01-02 a actual.
Tipo 3: Guardas la dirección actual y anterior en columnas separadas.
- Dirección_actual: Calle 2, Dirección_anterior: Calle 1.
Tipo 4: La tabla principal guarda Calle 2, y el historial queda en otra tabla.
Tipo 6: Combinas columnas de Tipo 3 con el historial completo de Tipo 2.

Estas estrategias permiten manejar cambios en los datos dependiendo de los requerimientos del negocio y el análisis necesario.

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

Tipos de dimensiones lentamente cambiantes

Progreso del curso

Introducción a BI y Data Warehouse

Modelos dimensionales

ETL para inserción en Data Warehouse

Cierre

Recursos

Recursos