UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS
CARRERA DE INGENIERÍA EN TECNOLOGÍA DE LA INFORMACIÓN
Almacenes de datos
Tema: Modelamiento dimensional
Grupo 3
Integrantes:
Arcadio Mieles Angela Veronica
Echeverría Espinoza Marcelo
Henríquez Muñoz Andrew
Lavayen García Angie
Niola Espinoza Néstor
Docente: Ing. Molina Villacis Miguel Geovanny, M.S.c,
Paralelo:
TINS-6-4
2024 - 2025
Asignatura Datos del alumno Fecha
Apellidos y nombres: Arcadio – Echeverria – Henriquez - Niola
- Lavayen
Almacenes de datos Cédula: 19/11/2024
Nombre: sala 3
Paralelo:6-4
Evaluación formativa
Modalidad: Trabajo grupal
Tema:
Modelamiento dimensional (Arcadio)
El modelado dimensional amplía los modelos de datos lógicos y físicos para
estructurar mejor los datos y sus relaciones, siendo ideal para aplicaciones que
requieren consultar grandes volúmenes de información rápidamente. Este modelo
organiza los datos en esquemas como estrella y copo de nieve, permitiendo analizar
procesos empresariales al relacionar aspectos clave de estos procesos con sus datos
asociados.
El ciclo de vida del modelado dimensional abarca diseño, prueba, transformación y
producción. Se puede crear un modelo desde cero o adaptar uno existente con
notación dimensional para definir hechos y dimensiones y generar jerarquías.
Herramientas de análisis permiten validar y optimizar el modelo, ajustando
propiedades de diagramas y relaciones de datos. El esquema de estrella es el formato
base, adaptable según las necesidades del negocio, lo que facilita un acceso rápido
y preciso a la información.
Conclusión
El modelado dimensional organiza grandes volúmenes de datos en estructuras como
el esquema de estrella, facilitando consultas rápidas y análisis de procesos
empresariales. Este enfoque permite descubrir relaciones clave entre datos,
optimizando la toma de decisiones. Con un ciclo de vida estructurado y opciones de
personalización, el modelado dimensional es primordial para construir bases de datos
que respondan a necesidades analíticas específicas del negocio.
2
Asignatura Datos del alumno Fecha
Apellidos y nombres: Arcadio – Echeverria – Henriquez - Niola
- Lavayen
Almacenes de datos Cédula: 19/11/2024
Nombre: sala 3
Paralelo:6-4
Modelado de datos dimensional (Niola)
Un modelo de datos dimensional es una forma de organizar y estructurar datos en
una base de datos o almacén de datos para facilitar a las empresas el análisis y la
obtención de información a partir de sus datos. Son particularmente útiles cuando se
trata de grandes volúmenes de datos y cuando los usuarios necesitan explorar datos
desde diferentes ángulos o dimensiones.
Diferentes aplicaciones requieren diferentes técnicas de modelado dimensional.
Existen principalmente dos técnicas de modelado: modelos normalizados de entidad-
relación (modelos ER) y modelado dimensional.
Los modelos normalizados de entidad-relación (modelos ER), por otro lado, están
diseñados para eliminar la redundancia de datos, realizar rápidamente las
operaciones de inserción, actualización y eliminación y obtener los datos dentro de
una base de datos.
Por el contrario, los modelos dimensionales o modelos de datos dimensionales de
Kimball son estructuras desnormalizadas diseñadas para recuperar datos de un
almacén de datos. Utilizan tablas de hechos y dimensiones para mantener un registro
de datos históricos en almacenes de datos. Además, están optimizados para realizar
las Seleccionar operación y se utilizan en el marco de diseño básico para construir
almacenes de datos altamente optimizados y funcionales.
Modelado dimensional (Henríquez)
El modelado dimensional es una técnica de diseño de bases de datos
específicamente diseñada para facilitar el análisis de grandes volúmenes de datos. A
diferencia de los modelos relacionales tradicionales, el modelado dimensional
organiza la información en torno a hechos (datos numéricos que se pueden medir) y
dimensiones (atributos que describen y categorizan esos hechos). Esta estructura
3
Asignatura Datos del alumno Fecha
Apellidos y nombres: Arcadio – Echeverria – Henriquez - Niola
- Lavayen
Almacenes de datos Cédula: 19/11/2024
Nombre: sala 3
Paralelo:6-4
simplifica la extracción de información y la creación de reportes, lo que resulta ideal
para aplicaciones de inteligencia de negocios y análisis de datos.
En otras palabras, busca representar los datos de una manera intuitiva para el usuario
final. Al separar los hechos de las dimensiones, se crea una estructura
multidimensional que permite realizar consultas y análisis de forma rápida y eficiente.
Esta técnica es ampliamente utilizada en almacenes de datos y data marts para
soportar la toma de decisiones basadas en datos.
El modelado dimensional (Echeverría)
El modelado dimensional es una técnica utilizada en la creación de bases de datos
para sistemas de soporte a la toma de decisiones, como Data Warehouses y
Datamarts.
El modelado dimensional se basa en dos componentes clave
Hechos: Son los datos cuantitativos o métricas de negocio que se desean analizar,
como ventas, ingresos, cantidades vendidas, etc. Estos datos suelen almacenarse en
una tabla de hechos.
El modelado dimensional (Lavayen)
El modelado de datos dimensionales es una metodología desarrollada en los años 90
por Ralph Kimball, diseñada para facilitar el análisis de grandes volúmenes de datos
en almacenes de datos. A diferencia de los modelos de entidad-relación, que eliminan
redundancia y optimizan operaciones de transacciones, el modelado dimensional
estructura los datos en tablas de hechos y dimensiones para facilitar el acceso y
análisis desde diferentes perspectivas. Esto permite a las empresas obtener
información significativa y realizar análisis de datos históricos de forma rápida y
sencilla.
El proceso general incluye:
4
Asignatura Datos del alumno Fecha
Apellidos y nombres: Arcadio – Echeverria – Henriquez - Niola
- Lavayen
Almacenes de datos Cédula: 19/11/2024
Nombre: sala 3
Paralelo:6-4
1. Identificar las métricas o hechos que se desean analizar.
2. Definir las dimensiones (categorías de análisis) relevantes.
3. Estructurar el modelo en una tabla de hechos y varias tablas de dimensiones.
4. Desnormalizar la estructura para mejorar la rapidez de consulta.
Conclusión
El modelado dimensional simplifica el análisis y mejora la accesibilidad de los datos
para usuarios no técnicos, permitiéndoles extraer fácilmente información valiosa para
la toma de decisiones. Al optimizar el acceso a datos históricos y permitir análisis
desde distintas perspectivas, se convierte en una herramienta clave para mejorar el
rendimiento empresarial en el análisis de datos.
