Integrantes del Grupo 2:

Evelyn Rosario Ogando 100622346

Luis Miguel Jimenez Marte 100477859
Esmailyn Nayelis Melendez Ogando 100614924
Angeida Reyes Estévez 100630769

Fecha:
23 del mes de Septiembre del 2024

Asignatura:
Base De Datos I

Temas:
- Modelos de Datos
- Normalización de Base de Datos

Sección:
W01

Profesor:
Romery Alberto Monegro
Índice

Introducción:..................................................................................................................................3
Contenido:......................................................................................................................................4
Modelos de datos........................................................................................................................4
 Modelo de datos conceptual.........................................................................................5
 Modelos de datos lógicos..............................................................................................6
 Modelo de base de datos relacional..............................................................................9
 Modelo Entidad Relación (MER)...............................................................................10
 Relación......................................................................................................................11
 Modelo plano..............................................................................................................11
 Modelo jerárquico.......................................................................................................12
La normalización......................................................................................................................13
 Primera Forma Normal...............................................................................................14
 Segunda Forma Normal..............................................................................................14
 Tercera Forma Normal................................................................................................14
 Ejemplos:....................................................................................................................14
 Forma normal de Boyce-Codd (BCNF):....................................................................17
 Cuarta forma normal (4NF)........................................................................................19
 Quinta forma normal (5NF)........................................................................................20
 Anomalías en bases de datos no normalizadas...........................................................22
 Desnormalización.......................................................................................................23
Conclusión:...................................................................................................................................26
Bibliografía:.................................................................................................................................27
 Introducción:

En el ámbito de las bases de datos, los modelos de datos desempeñan un papel

fundamental en la organización, definición y documentación de la información. Estos
modelos ofrecen representaciones visuales de los elementos de datos y las conexiones
entre ellos, facilitando la comunicación entre los equipos técnicos y de negocio. A
través de las diferentes etapas de modelado conceptual, lógico y físico se logra
estructurar los datos de manera efectiva para satisfacer las necesidades empresariales y
garantizar el correcto funcionamiento de los sistemas de información. Además,
comprender y aplicar adecuadamente las técnicas de normalización es esencial para
reducir la redundancia y mejorar la integridad de los datos en las bases de datos
relacionales.
 Contenido:

Modelos de datos
El término de modelo de datos hace referencia a la forma en que se organiza,
documenta y definen los datos dentro de una base de datos. O sea, son representaciones
visuales de los elementos de datos de una empresa y de las conexiones entre ellos.

Ayudan a definir y estructurar los datos en el contexto de los procesos empresariales

correspondientes, los modelos respaldan el desarrollo de sistemas de información
eficaces.

Un modelo de datos determina la estructura de los elementos de datos dentro de un

sistema de información. Los modelos de datos a menudo muestran el flujo de datos a
través de un gráfico o diagrama de modelo de datos. Esta representación visual ayuda a
facilitar la comunicación entre el software y los equipos comerciales: los equipos
comerciales pueden identificar los datos y los formatos de datos necesarios para las
funciones comerciales, y los equipos de software pueden crear las respuestas necesarias
para esas solicitudes.

Para hacer posible la comprensión de manera efectiva de qué es un modelo de datos es

importante conocer los termine que hacen posible e identifican un modelo de datos:

 Entidades: los componentes de datos, incluidos los metadatos asociados, los

datos sin procesar y los datos procesados.
 Asociaciones: las relaciones entre los componentes de datos
 Requisitos: los usos previstos de los datos, especialmente los usos futuros
 Evaluación de la tecnología: las fortalezas y debilidades del hardware y
software utilizados en el proyecto
 Cabe destacar que los modelos de datos desempeñan una función esencial a la hora de
reunir a todos los segmentos de una empresa, es decir, a los de TI, a los analistas de
negocio y a los administradores, entre otros, para diseñar conjuntamente los sistemas de
información (y las bases de datos en las que se fundan).

Estos sistemas requieren datos correctamente definidos y formateados, y los modelos

aclaran con precisión qué datos se necesitan y cómo deben estructurarse para respaldar
los procesos empresariales deseados. Determinando explícitamente la estructura de los
datos, estos modelos admiten diversos casos de uso, incluidos el modelado de bases de
datos, el diseño de sistemas de información y el desarrollo de procesos para respaldar un
intercambio de datos uniforme y prolijo.

Es sumamente importante entender los tres tipos diferentes de modelos de datos, ya que
cada uno de ellos tiene una función diferente a medida que se trabaja en el modelado de
datos, por esta razón es que más que tipos se les consideran etapas del modelado de
datos.
Estos tipos o etapas son:

 Modelo de datos conceptual

Un modelo de datos conceptual identifica las entidades que describen los datos y las
relaciones entre ellas, también exploran y detallan sus estructuras y conceptos
empresariales estáticos y de alto nivel. Es conocido como modelo de dato de dominio.
Se utilizan con mayor frecuencia durante el inicio de un nuevo proyecto, cuando se
definen los conceptos de alto nivel y los requisitos iniciales. Suelen crear precursores o
alternativas a la siguiente etapa, los modelos de datos lógicos.
Ejemplo:

Un gran ejemplo de este modelo es:

 El modelo entidad/relación: ya que su técnica se basa en el modelo de

Entidad/Relación (E/R), que representa los datos a un alto nivel de abstracción.
  Modelos de datos lógicos

Una vez que el dominio del problema y los conceptos iniciales están más claros gracias
al modelado de datos conceptuales, es el momento de ser más específico con un modelo
de datos lógicos. Tanto si se trata de un solo proyecto como de toda la empresa, estos
modelos aclaran las distintas entidades lógicas (tipos o clases de datos) con las que se
trabajará, los atributos de datos que definen esas entidades y las relaciones entre ellas.

Mientras que el modelo conceptual es independiente de los componentes o aspectos

físicos, este modelo depende del software SGBD de destino y se suelen omitir los
detalles físicos.

Para la comprobación de este modelo se utiliza la técnica de normalización, esta

garantiza que las relaciones extraídas no tengan redundancia entre ellas, ya que esto
puede provocar anomalías al momento de su ejecución. Además, proporciona
herramientas que facilitan la elaboración del modelo de datos físico.

Ejemplos:

 Modelo jerárquico: Organiza los datos en una estructura de árbol donde cada
nodo tiene un único padre.

 Modelo en red: Estructura los datos permitiendo relaciones múltiples y

conexiones más complejas. Este modelo es más antiguo y se considera obsoleto.
  Modelo relacional: Es el más utilizado actualmente, basado en tablas
(relaciones) que permiten interacciones a través de claves primarias y foráneas.

 Modelo de datos físicos

Un modelo de datos físicos identifica las estructuras de tablas que se construirán en la

base de datos, incluidas todas las tablas, columnas, claves principales y claves externas
utilizadas para identificar las relaciones entre tablas, así como identificar estructuras de
almacenamiento específicas y diseñar las medidas de seguridad del sistema. En teoría se
usa para diseñar el esquema interno de una base de datos. Estos modelos se traducirán
directamente en el diseño de bases de datos de producción, lo que respaldará el
desarrollo posterior de los sistemas de información.

Los modelos de datos físicos se utilizan generalmente para diseñar tres tipos de bases
de datos: relacionales para las bases de datos operativas y tradicionales, documentales
para las bases de datos NoSQL y JSON, y dimensionales para el almacenamiento de
datos de agregación y de inteligencia empresarial, como los almacenamientos de datos y
los data marts.

Ejemplos:
 Jerárquico: Ejemplos de SGBD que usan este modelo son Adabas e IMS.
  En red: Aunque es obsoleto en muchas aplicaciones, todavía puede ser usado de
manera convencional.

 Relacional: Es el modelo más común actualmente, con SGBD populares como

Oracle, Access, SQL, MySQL, entre otros. Archivo Pedido:

Archiv Archiv Archiv

ID Fecha ID
o o o
Pedido Cliente
Client Cliente Cliente
e: : : 100 2024-09- 1
101 01 2024- 2
1 Juan Calle 1
09-02
2 Ana Calle 2

Modelo de base de datos relacional

El modelo de base de datos relacional es uno de los más comunes. Este modelo es el
que emplean las bases de datos relacionales y ordena los datos en tablas (relaciones)
compuestas por columnas y filas.

Cada columna alberga un atributo de la entidad (nombre, dirección, fecha de

nacimiento…), a los atributos de una relación se los llama dominio. Escogiendo un
atributo en concreto o una combinación de varios tenemos una clave primaria, a la que
se puede hacer referencia en otras tablas, en las que será una clave externa.

En cada fila (tupla) se incluyen datos sobre una instancia específica de la entidad (por
ejemplo, un Alumno específico).

Además, el modelo también representa el tipo de relaciones entre las tablas, que pueden
ser uno a uno, uno a muchos o muchos a muchos.

 Supongamos que tienes una tabla de clientes y una de pedidos.

La tabla Cliente contiene datos sobre el cliente:

o ID de cliente (clave primaria)
o Nombre del cliente
o Dirección de facturación
 o Dirección de envío

En la tabla de clientes, el ID del cliente es una clave primaria que identifica de forma
única a ese cliente en la base de datos relacional. Ningún otro cliente tendría el mismo
ID de cliente.

La tabla Pedido contiene información transaccional sobre un pedido:

o ID de pedido (clave primaria)
o ID de cliente (clave externa)
o Fecha del pedido
o Fecha de envío
o Estado del pedido

Aquí, la clave primaria para identificar un pedido específico es el ID de pedido. Puedes

conectar un cliente con un pedido mediante el uso de una clave externa para vincular el
ID de cliente de la tabla de clientes.

Las dos tablas ahora están relacionadas según el ID de cliente compartido, lo que
significa que puedes consultar ambas tablas para crear informes formales o usar los
datos en otras aplicaciones. Por ejemplo, un administrador de sucursal de venta
minorista podría generar un informe sobre todos los clientes que realizaron una compra
en una fecha específica o averiguar qué clientes tenían pedidos con una fecha de entrega
retrasada en el último mes.
 El principal beneficio del modelo de base de datos relacional es que proporciona una
manera intuitiva de representar datos y permite un acceso fácil a datos relacionados. Por
lo tanto, el uso de bases de datos relacionales es más común en las organizaciones que
necesitan administrar grandes cantidades de datos estructurados, desde el seguimiento
del inventario hasta el procesamiento de datos transaccionales y el registro de
aplicaciones

 Modelo Entidad Relación (MER).

Este modelo es uno de los más utilizados en la actualidad para representar un esquema
conceptual, fue creado por Peter Chen en 1976 y posee los elementos las entidades se
representan por u objetos ya sean reales abstractos, tangibles (empleado, alumno,
maestro) o intangibles (calificaciones, cuenta de cheques, asignaturas) de los cuales nos
interesa almacenar información.
Las entidades tienen las siguientes características:
 Son las tablas de una base de datos.
 Se representa por rectángulo con su nombre dentro de él.
 El nombre de una entidad solo puede parecer una vez en el esquema

 Relación
Es la forma en la cual las entidades se asocian unas con otras indicando con eso la
dependencia de las mismas relaciones tiene las siguientes características
  Modelo plano

El modelo de bases de datos plano, los datos se estructuran en dos dimensiones (de ahí
lo de estructura plana), en la que todos los objetos en una columna concreta tienen
valores del mismo tipo y todos los objetos de la misma fila están relacionados entre
ellos.

Por ejemplo, en una base de datos que recoja solo el nombre de usuario y la contraseña,
cada fila recogerá el nombre y la contraseña correspondiente para cada usuario.
Este modelo tabular de base de datos es el precursor del modelo relacional.
 Modelo jerárquico

Si vamos a emplear una base datos jerárquica, el modelo de datos que emplearemos
será el jerárquico, que se caracteriza por presentar los datos en una estructura de árbol
invertido, donde cada registro tiene un único nodo raíz, del que surgen otros nodos
(registros); los nodos en un mismo nivel son nodos padres, cada nodo padre tiene el
mismo nodo raíz, y puede tener nodos hijos, pero los nodos hijos solo pueden tener un
nodo padre. Este modelo se emplea poco actualmente.

En este modelo, los registros de un mismo nivel se clasifican en un orden específico.

Su estructura se vería como en el siguiente ejemplo:

Desventajas:
Pero como decíamos, la base de datos jerárquica también tiene una serie de desventajas,
entre las que encontramos:

Escasa independencia entre los registros (nodos), puesto que, para acceder a un registro,
se debe pasar por los padres, algo que quita flexibilidad a la navegación por la base de
datos.

Implica una mala gestión de la redundancia de datos, puesto que cuando un registro
tiene relación con dos o más registros, debe almacenarse varias veces, puesto que un
hijo no puede tener varios padres.

La normalización

¿Qué es la normalización de base de datos?

La normalización de bases de datos es el proceso de estructurar una base de datos

relacional de acuerdo con una serie de las denominadas formas normales con el fin de
reducir la redundancia de datos y mejorar su integridad. Fue propuesta por primera vez
por el informático británico Edgar F. Codd como parte de su modelo relacional.

La normalización es el proceso de organizar los datos de una base de datos. Se incluye

la creación de tablas y el establecimiento de relaciones entre ellas según reglas
diseñadas tanto para proteger los datos como para hacer que la base de datos sea más
flexible al eliminar la redundancia y las dependencias incoherentes.

Los datos redundantes desperdician el espacio de disco y crean problemas de

mantenimiento. Si hay que cambiar datos que existen en más de un lugar, se deben
cambiar de la misma forma exactamente en todas sus ubicaciones. Un cambio en la
dirección de un cliente es mucho más fácil de implementar si los datos sólo se
almacenan en la tabla Clientes y no en algún otro lugar de la base de datos.

¿Qué es una “dependencia incoherente”?

Aunque es intuitivo para un usuario mirar en la tabla Clientes para buscar la dirección
de un cliente en particular, puede no tener sentido mirar allí el salario del empleado que
llama a ese cliente. El salario del empleado está relacionado con el empleado, o depende
de él, y por lo tanto se debería pasar a la tabla Empleados. Las dependencias
incoherentes pueden dificultar el acceso porque la ruta para encontrar los datos puede
no estar o estar interrumpida.

Hay algunas reglas en la normalización de una base de datos. Cada regla se llama
"forma normal". Si se cumple la primera regla, se dice que la base de datos está en
"primera forma normal". "Si se observan las tres primeras reglas, se considera que la
base de datos está en "tercera forma normal". Aunque son posibles otros niveles de
normalización, la tercera forma normal se considera el nivel más alto necesario para la
mayoría de las aplicaciones.

Al igual que con otras muchas reglas y especificaciones formales, los escenarios del
mundo real no siempre permiten un cumplimiento perfecto. En general, la
normalización requiere tablas adicionales y algunos clientes consideran éste un trabajo
considerable. Si decide infringir una de las tres primeras reglas de la normalización,
asegúrese de que su aplicación se anticipa a los problemas que puedan aparecer, como
la existencia de datos redundantes y de dependencias incoherentes.

En las descripciones siguientes se incluyen ejemplos.

 Primera Forma Normal

 Elimine los grupos repetidos de las tablas individuales.
 Cree una tabla independiente para cada conjunto de datos relacionados.
 Identifique cada conjunto de datos relacionados con una clave principal

 Segunda Forma Normal

 Cree tablas independientes para conjuntos de valores que se apliquen a
varios registros.
 Relacione estas tablas con una clave externa.
  Tercera Forma Normal
 Eliminar los campos que no dependen de la clave.

 Ejemplos:

Tabla Estudiante (No Normalizada):

Primera forma normal (Sin grupos repetidos)

Las tablas sólo deben tener dos dimensiones. Puesto que un alumno tiene varias clases,
estas clases deben aparecer en una tabla independiente. Los campos Clase1, Clase2 y
Clase3 de los registros anteriores son indicativos de un problema de diseño.

Las hojas de cálculo suelen usar la tercera dimensión, pero las tablas no deberían
hacerlo. Otra forma de considerar este problema es con una relación de uno a varios y
poner el lado de uno y el lado de varios en la misma tabla. En su lugar, cree otra tabla en
la primera forma normal eliminando el grupo repetido (N.º clase), según se muestra a
continuación:

Segunda forma normal (Eliminar los datos redundantes)

 Observe los diversos valores de N.º clase para cada valor de N.º alumno en la tabla
anterior. El N.º clase no depende funcionalmente de N.º alumno (la clave principal), de
modo que la relación no cumple la segunda forma normal.
Las tablas siguientes muestra la segunda forma normal:

Tabla de alumnos:

Tabla de clases:

Tercera forma normal (Eliminar los datos que no dependen de la clave)

En el último ejemplo, Despacho-Tut (el número de despacho del tutor) es

funcionalmente dependiente del atributo Tutor. La solución es pasar ese atributo de la
tabla Alumnos a la tabla Personal, según se muestra a continuación:

Tabla de alumnos:
Tabla de despachos:

Tabla de clases:

 Forma normal de Boyce-Codd (BCNF):

Otra de las distintas formas de normalización es la Forma Normal Boyce-Codd, una

tabla se encontrará en la BCNF si cumple con las características de la Tercera Forma
Normal (3NF) y, además, cada determinante (que hace referencia al conjunto de
columnas que determina de forma única otras columnas) es una clave candidata (que es
un atributo o conjunto de atributos que puede actuar como identificador único para cada
registro en la tabla). Esta forma normal puede considerarse como una forma más fuerte
de la forma normal anterior, donde se aborda anomalías que ciertas tablas 3NF pueden
tener. En ese sentido, la Forma Normal Boyce-Codd elimina redundancias y posibles
inconsistencias causadas por la superposición de claves candidatas.
Ejemplo de BCNF:

Vamos a suponer que nos encontramos en el sistema de base de datos de una escuela y
tenemos una tabla “Cursos_Profesores”, que posee los siguientes atributos:

 CursoID
 ProfesorID
 ProfesorNombre
 CursoNombre

La cual se vería de la siguiente manera:

CursoID ProfesorI ProfesorNombre CursoNombre

D
1 101 Juan Pérez Matemáticas

2 102 Ana Gómez Física

1 103 Luis Martínez Matemáticas

En esta tabla, CursoID y ProfesorID juntos forman la clave primaria. Sin embargo,
ProfesorNombre depende solo de ProfesorID, no de la combinación de CursoID y
ProfesorID. Para transformar esta tabla a BCNF, es necesario dividirla en tres tablas,
sean las siguientes:

Tabla Cursos:
CursoID CursoNombre
1 Matemáticas
2 Física

Tabla Profesores:
ProfesorI ProfesorNombre
D
 101 Juan Pérez
102 Ana Gómez
103 Luis Martínez

Tabla Cursos_Profesores:
CursoID ProfesorID
1 101
2 102
1 103

De esta manera, solo se mostrará la información relevante para la tabla, que sería el
maestro que imparte cada curso.
 Cuarta forma normal (4NF).

Continuando con las formas de normalización, tenemos la Cuarta Forma Normal,

podemos decir que una tabla está en la 4NF si está en BCNF y no se encuentran
dependencias multivaluadas. Sabiendo esto, dependencias multivaluadas se refiere a la
condición en la que un atributo de una tabla puede estar asociado con múltiples valores
de otro atributo, independiente a otros atributos. Lo que significa que una tabla con más
de un atributo multivalor independiente debe descomponerse en tablas separadas. Este
tipo de forma normal resuelve los problemas de redundancia de datos e inconsistencias
relacionadas con dependencias de múltiples valores.

Ejemplo de 4NF:

Siguiendo el mismo ejemplo del sistema de base de datos de una escuela, supongamos
que existe una tabla llamada “Estudiantes_Intereses”, que hace referencia a la tabla
“Estudiantes”, con los siguientes atributos:
 EstudianteID
 Interes
 Deporte

Que luciría de la siguiente forma:

 EstudianteI Interes Deporte
D
1 Música Fútbol
1 Pintura Baloncesto
2 Música Fútbol

En la tabla, Interés y Deporte son independientes entre sí, pero ambos son dependientes
de EstudianteID. Para convertir esta tabla a la 4NF, se deberá dividir en dos tablas:

Tabla Estudiantes_Intereses:
EstudianteI Interes
D
1 Música
1 Pintura
2 Música
Tabla Estudiantes_Deportes:
EstudianteI Deporte
D
1 Fútbol
1 Baloncesto
2 Fútbol

Así, se logra evitar la asociación de dos atributos que son independientes el uno del
otro.

 Quinta forma normal (5NF).

La última forma de normalización de base de datos que vamos a discutir en este

informe es la Quinta Forma Normal, se dice que una tabla se halla en la 5NF solo si está
en 4NF y se eliminan todas las dependencias de unión. Siguiendo ese contexto, las
dependencias de unión ocurren cuando una tabla puede ser dividida en dos o más tablas
más pequeñas y luego ser unida posteriormente sin perder información. Por lo que, esta
forma descompone la tabla en tablas más pequeñas con el objetivo de eliminar
redundancias y mejorar la integridad de los datos en los casos en que los datos se
representan de varias maneras en diferentes tablas.

Ejemplo de 5NF:

Para este ejemplo, supongamos que estamos en un sistema de base de datos de una
empresa y tenemos una tabla “Proyectos_Empleados” con los siguientes atributos:
 ProyectoID
 EmpleadoID
 Tarea

La cual se vería de esta forma:

ProyectoID EmpleadoI Tarea
D
1 201 Diseño
1 202 Desarrollo
2 201 Análisis
2 203 Pruebas

En esta tabla, ProyectoID, EmpleadoID y Tarea se encuentran relacionados de manera

compleja. Para llevar esta tabla a 5NF, debemos dividirla en tres tablas:

Tabla Proyectos:
ProyectoI Tarea
D
1 Diseño
1 Desarrollo
2 Análisis
2 Pruebas

Tabla Empleados:
 EmpleadoI Tarea
D
201 Diseño
202 Desarrollo
201 Análisis
203 Pruebas

Tabla Proyectos_Empleados:
ProyectoI EmpleadoID
D
1 201
1 202
2 201
2 203

Aquí, la tabla “Proyectos_Empleados”, fue dividida en tres tablas, eliminando así las
dependencias de unión.

 Anomalías en bases de datos no normalizadas.

Cuando una base de datos no está normalizada, pueden ocurrir distintas anomalías que
dificultan el flujo e integridad de los datos, tales como:

Anomalías de actualización.

Este tipo de anomalía ocurre cuando al cambiar un dato en la base de datos también se
requieren cambios en otras filas o columnas de la misma tabla. Lo que puede provocar
incoherencias y errores, ya que los datos pueden no actualizarse correctamente en todas
las ubicaciones afectadas.
 Por ejemplo, si la dirección de un cliente está almacenada en múltiples lugares y se
actualiza en una ubicación, pero no en las otras, se crea esta inconsistencia.

Anomalías de inserción.

Esta anomalía sucede cuando un dato no puede ser insertado en una base de datos
debido a que no posee una estructura adecuada. Esto puede ocurrir cuando el diseño del
esquema pide que se ingresen ciertos datos antes de que se puedan añadir otros datos,
incluso si estos últimos datos son independientes a los primeros. La normalización
puede resolver este problema estructurando apropiadamente el esquema para garantizar
que no se creen dependencias artificiales.

Un ejemplo de esta anomalía sería si tienes una tabla de empleados y necesitas insertar
un nuevo empleado sin asignarle un departamento, podrías tener problemas si la tabla
requiere que cada empleado tenga un departamento asignado.

Anomalías de eliminación.

Se produce este tipo de anomalía al intentar eliminar una fila en una tabla y esto
también provoca la eliminación de datos no relacionados a causa de una falta de
normalización adecuada. De esta manera se puede provocar la pérdida involuntaria de
datos críticos. Al descomponer tablas y diseñar un esquema mejor estructurado
mediante la normalización, se garantizaría que los datos se conserven incluso cuando se
eliminen otros datos.

Supongamos que eliminas un registro de un pedido y con ello se borra también la

información del cliente porque están en la misma tabla, estarías perdiendo datos
importantes del cliente.

 Desnormalización.

Si hablamos de normalización de base de datos, es importante también mencionar la

desnormalización. Puesto que, las reglas de normalización no consideran el
rendimiento. Por lo tanto, es necesario considerar la desnormalización para mejorar el
rendimiento.

En ese marco, la desnormalización es aquel enfoque que busca la mejora del

rendimiento de las consultas a expensas de una redundancia controlada en la base de
datos. Por consiguiente, en lugar de conservar una separación estricta de la información
en diferentes tablas, la desnormalización desnormaliza algunas tablas para mejorar la
eficiencia de las consultas.

Ejemplo:

Supongamos que nos encontramos en un sistema de base de datos de una biblioteca,

consideremos que queremos obtener una lista de libros junto con los nombres y
nacionalidades de sus autores en una sola consulta, y estos se encuentran separados en
dos tablas “Libros” y “Autores”.

Podríamos combinar las columnas relevantes de las tablas “Libros” y “Autores” en una
nueva tabla llamada “Libros_Autores”, lo que nos permitiría obtener toda la
información necesaria con una consulta más sencilla y rápida.

La tabla podría verse de la siguiente forma:

ID_Libro Titulo Nombre_Autor Nacionalidad_Autor

1 Cien años de soledad Gabriel García Colombiana

Márquez

2 Don Quijote de la Miguel de Cervantes Española

Mancha

3 La casa de los espíritus Isabel Allende Chilena

Por otra parte, existes diversas maneras de desnormalizar una base de datos, de los
cuales podemos mencionar:

1. Combinación de Tablas:

Esta técnica es la más simple y utilizada para desnormalizar. Implica la unión de dos o
más tablas que tienen una relación de uno a muchos o de muchos a muchos y almacenar
el resultado en una sola tabla.

Por ejemplo, si tiene una tabla de clientes y una tabla de pedidos, puede unirlas
previamente agregando la información del cliente a cada registro de pedido, o viceversa.
De esta manera, puede evitar realizar una operación de unión cada vez que necesite
acceder a los datos. Esto puede mejorar el rendimiento de las consultas y reducir la
complejidad del modelo de datos.

2. Agregar Columnas Calculadas:

Esta otra técnica para desnormalizar datos implica agregar campos que se derivan o
calculan a partir de otros campos en la misma o diferentes tablas o colecciones.

Por ejemplo, si tienes una tabla de productos y una tabla de ventas, puedes agregar un
campo que calcule los ingresos totales de cada producto, multiplicando el precio por la
cantidad vendida.

De esta forma, podrás evitar realizar un cálculo cada vez que necesites acceder a los
datos. Esto puede mejorar el rendimiento de la consulta y la legibilidad de los datos.

3. Caché de Datos:

Se refiere a guardar temporalmente resultados de consultas frecuentes para mejorar el

rendimiento.

La elección entre normalización y desnormalización dependerá completamente del

contexto específico del proyecto y de los objetivos que se quieran alcanzar. En general,
se recomienda aplicar la normalización para garantizar integridad y consistencia en los
datos, especialmente para bases de datos que requieren altos niveles de precisión.
Mientras que, la desnormalización puede ser una opción válida cuando se necesita de un
alto rendimiento en consultas y es posible gestionar la redundancia de datos.

3. Agregar Campos de Resumen o Agregados.

Esta técnica para desnormalizar datos implica agregar campos que resumen o agregan
los datos de otras tablas o colecciones.

Por ejemplo, si tiene una tabla de clientes y una tabla de pedidos, puede agregar un
campo que cuente la cantidad de pedidos de cada cliente o el monto total gastado por
cada cliente. Así, se puede evitar realizar operaciones de agrupación o agregación cada
vez que se necesite acceder a los datos. Lo cual permite mejorar el rendimiento de la
consulta y la legibilidad de los datos.
34. Caché de Datos:

Se refiere a guardar temporalmente resultados de consultas frecuentes para mejorar el

rendimiento.

La elección entre normalización y desnormalización dependerá completamente del

contexto específico del proyecto y de los objetivos que se quieran alcanzar. En general,
se recomienda aplicar la normalización para garantizar integridad y consistencia en los
datos, especialmente para bases de datos que requieren altos niveles de precisión.
Mientras que, la desnormalización puede ser una opción válida cuando se necesita de un
alto rendimiento en consultas y es posible gestionar la redundancia de datos.

Conclusión:

En resumen, los modelos de datos son esenciales para diseñar sistemas de información
eficientes y coherentes, permitiendo una representación clara y precisa de los datos y
sus interrelaciones. La comprensión de los diferentes tipos de modelos—conceptual,
lógico y físico—y la aplicación de las formas normales de normalización son
fundamentales para garantizar la integridad y consistencia de la información
almacenada. Sin embargo, es importante equilibrar la normalización con la
desnormalización cuando sea necesario, para optimizar el rendimiento de las consultas y
satisfacer las necesidades específicas del proyecto. Al dominar estos conceptos, los
profesionales pueden desarrollar bases de datos robustas que respalden eficazmente los
procesos empresariales y las decisiones estratégicas.
 Bibliografía:

 Fases del diseño de bases de datos

 What is a Data Model? Definition & FAQs | ScyllaDB
 ¿Qué es un modelo de datos? | erwin, Inc.
 ¿Qué es un modelo de base de datos? | Lucidchart
 [Link]
 [Link]
 [Link]
 [Link]
 Modelos de datos: Modelo Conceptual, Físico y Lógico
 El Modelo base de datos: Definición y tipos
 3. Modelo Conceptual 【 MODELO ENTIDAD RELACIÓN 】
 ¿Qué es una base de datos relacional (RDBMS)? | Google Cloud
 Descripción de la normalización de la base de datos - Microsoft 365 Apps
 Capítulo 6 Normalizacion | Base de Datos
 Normalización en bases de datos relacionales: una inmersión profunda |
AppMaster
 Normalización y desnormalización en Bases de Datos SQL
 Db2 12 - Introducción - Diseño de bases de datos con desnormalización
 Normalización en SQL (1NF - 5NF): Guía para principiantes | DataCamp
 Desnormalizacion de datos como desnormalizar los datos de su empresa y
aumentar su rendimiento y legibilidad - FasterCapital