MODELO DIMENSIONAL

Una base de datos con “modelo dimensional” es una base de datos que tiene una
estructura adecuada para resolver consultas analíticas. Se trata de modelos sencillos
que aseguran unos buenos tiempos de respuesta, y que se corresponden bastante con
el lenguaje de negocio de los usuarios.

CARACTERÍSTICAS
 Una técnica para diseñar el modelo lógico de la bodega de datos

 Permite alto rendimiento en el momento de acceder a los datos (orientado a

consultas)

 Dimensional (orientado al negocio)

 Usa algunos conceptos del modelo entidad/relación

 Diferente del modelo entidad/relación

 Define un nivel mínimo de detalle (granularidad)

 Sus componentes son:

MEDIDAS:
Son las variables que ayudarán a medir el desempeño del negocio.

 Las medidas básicas, existen físicamente en el warehouse junto a los atributos que los
caracterizan

 Las medidas derivadas o calculadas se construyen a partir de las medidas básicas y

pueden o no estar almacenados físicamente en la data warehouse

HECHOS:
 Una fila en una tabla de hechos corresponde a una o varias medidas
 Todas las medidas en la tabla de hechos deben tener el mismo nivel de granularidad
 Las medidas más usadas son numéricas y aditivas
 Las tablas de hechos representan la relación muchos a muchos que existe entre las
dimensiones

DIMENSIONES:
 Son las áreas temáticas o sujetos del negocio.
 Proveen un método general para organizar la información corporativa
 Se definen como un grupo de uno o más atributos. Las dimensiones no comparten
atributos
 Las dimensiones definen los niveles de análisis (Jerarquías). Esto permite obtener
agregación o sumarización.
ATRIBUTOS:
 Los atributos son una agrupación de elementos o items dentro de una dimensión.
 Representan categorías o clases de elementos que tienen el mismo nivel lógico dentro
de una dimensión.
  La finalidad de los atributos es ver la información de cada dimensión a diferentes
niveles de detalle y agrupar los datos para ser analizados.
ELEMENTOS:
 Son las instancias o valores de los atributos que, como componentes atómicos del
modelo.
RELACIONES:
Los atributos dentro de una dimensión están directamente relacionados uno con otros
a través de los diferentes tipos de relaciones antes definidos.
 Los atributos en las diferentes dimensiones están relacionados otros a través de las
medidas o variables del negocio definidas como intersección de las dimensiones.
JERARQUIAS:
 Representadas por un ordenamiento lógico dentro de la dimensión, se encuentran
formadas por los diferentes tipos de relaciones entre los atributos de una misma
dimensión.
 Como convenciones del modelado, la jerarquía principal se dibuja verticalmente desde
el atributo más agregado (arriba) hasta el más atómico (abajo) y las jerarquías
características se adicionan por los costados.

Las herramientas de BI se conectan al “modelo dimensional” del DWH. Típicamente, se

implementa con alguna de estas dos opciones:

o En una base de datos relacional.

o En una base de datos multidimensional.

En el caso de que se utilice una base de datos relacional (esto es: una base de datos
normal y corriente de las de toda la vida), se construirá el “modelo dimensional”
utilizando una estructura en estrella, o una estructura en copo de nieve.

MODELO DIMENSIONAL ESTRELLA:

Consiste en estructurar la información en procesos, vistas y métricas recordando a una
estrella (por ello el nombre star schema). Es decir, tendremos una visión
multidimensional de un proceso que medimos a través de unas métricas. A nivel de
diseño, consiste en una tabla de hechos (lo que en los libros encontraremos como fact
table) en el centro para el hecho objeto de análisis y una o varias tablas de dimensión
(dimension table) por cada dimensión de análisis que participa de la descripción de ese
hecho. En la tabla de hecho encontramos los atributos destinados a medir (cuantificar)
el hecho: sus métricas. Mientras, en las tablas de dimensión, los atributos se destinan a
elementos de nivel (que representan los distintos niveles de las jerarquías de dimensión)
y a atributos de dimensión (encargados de la descripción de estos elementos de nivel).
En el esquema en estrella la tabla de hechos es la única tabla del esquema que tiene
múltiples joins que la conectan con otras tablas (foreign keys hacia otras tablas). El resto
de las tablas del esquema (tablas de dimensión) únicamente hacen join con esta tabla
de hechos. Las tablas de dimensión se encuentran además totalmente denormalizadas,
es decir, toda la información referente a una dimensión se almacena en la misma tabla.

MODELO DIMENSIONAL COPO DE NIEVE:

El esquema en copo de nieve (snowflake schema) es un esquema de representación
derivado del esquema en estrella, en el que las tablas de dimensión se normalizan en
múltiples tablas. Por esta razón, la tabla de hechos deja de ser la única tabla del
esquema que se relaciona con otras tablas, y aparecen nuevas joins gracias a que las
dimensiones de análisis se representan ahora en tablas de dimensión normalizadas. En
la estructura dimensional normalizada, la tabla que representa el nivel base de la
dimensión es la que hace join directamente con la tabla de hechos. La diferencia entre
ambos esquemas (star y snowflake) reside entonces en la estructura de las tablas de
dimensión. Para conseguir un esquema en copo de nieve se ha de tomar un esquema
en estrella y conservar la tabla de hechos, centrándose únicamente en el modelado de
las tablas de dimensión, que si bien en el esquema en estrella se encontraban
totalmente denormalizadas, ahora se dividen en subtablas tras un proceso de
normalización. Es posible distinguir dos tipos de esquemas en copo de nieve, un
snowflake completo (en el que todas las tablas de dimensión en el esquema en estrella
aparecen ahora normalizadas en el snowflake) o un snowflake parcial (sólo se lleva a
cabo la normalización de algunas de ellas).
Y si se utiliza una base de datos multidimensional, se construirá “cubos”, y se utilizará
una tecnología específica para estos menesteres (con sus ventajas e inconvenientes).

PROCESO DE DISEÑO DIMENSIONAL ESTRELLA

1. Seleccionar el proceso del negocio a modelar

Control de Dosímetro
2. Definir el nivel de granularidad del proceso del negocio
D_Servicio (IdServicio_D, NomServicio, LimInvest, LimAnualRecomend)
D_Institucion (IdInstitucion_D, NombreInst, NombreMinist, NombreProb,
NombreMunicip)
D_Practica (IdPractica_D, NombrePractica, NombreEsfera)
D_Dosimetro (IdDosimetro_D, tarjeta, lector, bandeja, posición)
D_PAC (IdPac_D, sexo, calificación)
D_TIEMPO (IdTiempo_D, FechaFin, Año, Semestre, Trimestre, Mes)
3. Escoger las dimensiones que aplican en cada fila de la tabla de hechos
Control_Dosimet (IdServicio_D, IdInstitucion_D, IdPractica_D, IdDosimetro_D,
IdPac_D, IdTiempo_D)

4. Identificar los hechos numéricos que poblaran la tabla de hechos

 Control_Dosimet (IdServicio_D, IdInstitucion_D, IdPractica_D, IdDosimetro_D,
IdPac_D, IdTiempo_D,Lectura, Dosis, Entregado, Recibido, TiempoRecep,
TiempoProcesado)

DIFERENCIAS ENTRE EL MD ESTRELLA Y MD COPO DE NIEVE