{"id":18282,"date":"2021-04-11T12:55:42","date_gmt":"2021-04-11T10:55:42","guid":{"rendered":"https:\/\/www.hiberus.com\/crecemos-contigo\/?p=18282"},"modified":"2023-12-14T23:01:48","modified_gmt":"2023-12-14T22:01:48","slug":"enfoques-de-data-warehousing","status":"publish","type":"post","link":"https:\/\/www.hiberus.com\/crecemos-contigo\/enfoques-de-data-warehousing\/","title":{"rendered":"Data Warehouse: \u00bfqu\u00e9 es el Data Warehouse y para qu\u00e9 sirve?"},"content":{"rendered":"

En la actualidad la transformaci\u00f3n digital es una parte importante para la recolecci\u00f3n y an\u00e1lisis de datos debido a la gran influencia del Big Data. Sin embargo el concepto de Data Warehouse<\/strong> existe desde hace unas cuantas d\u00e9cadas y continuamos utiliz\u00e1ndolo hoy en d\u00eda.<\/p>\n

A lo largo de este art\u00edculo se van a describir las visiones m\u00e1s importantes que existen<\/strong> a la hora de dise\u00f1ar un almac\u00e9n de datos (Data Warehouse).<\/p>\n

En primer lugar, ser\u00eda conveniente explicar en qu\u00e9 consiste un almac\u00e9n de datos. Un Data Warehouse se define como una colecci\u00f3n de datos orientada a un determinado \u00e1mbito, integrado, no vol\u00e1til y variable en el tiempo<\/strong>, que ayuda a la toma de decisiones en la entidad en la que se utiliza. En un almac\u00e9n de datos se guardan grandes cantidades de datos provenientes de diferentes fuentes que deben de tener un formato coherente para su posterior explotaci\u00f3n (an\u00e1lisis, reportes\u2026) por parte de la organizaci\u00f3n que hace uso de \u00e9l.<\/p>\n

Tambi\u00e9n es importante saber diferenciar un Data Warehouse de un Data Mart, mientras que el primero contiene todos los datos de una organizaci\u00f3n, un Data Mart solo contiene un subconjunto de ellos centr\u00e1ndose \u00fanicamente en un \u00e1rea de negocio. Ambos son dos componentes fundamentales en la arquitectura de los proyectos de Business Intelligence.<\/p>\n

Una vez que ha quedado claro lo que es un Data Warehouse, pasamos a repasar las dos principales visiones de los que son considerados los padres de los almacenes de datos: Bill Inmon, que entiende un Data Warehouse como un almac\u00e9n de datos \u00fanico y global para toda la empresa, y Ralph Kimball, que prefiere construir peque\u00f1os modelos para ir evolucionando a modelos superiores.<\/p>\n

Enfoque de Inmon<\/h2>\n

La visi\u00f3n de Inmon se caracteriza por tener un repositorio central de datos \u00fanico<\/strong>. Este enfoque se basa en la metodolog\u00eda top-down<\/strong>, que es aquella que toma las decisiones partiendo de las variables m\u00e1s globales para ir descendiendo hasta las m\u00e1s espec\u00edficas. Es decir, Inmon parte de la construcci\u00f3n de un almac\u00e9n de datos global del que se ir\u00e1n nutriendo los diferentes Data Marts, evitando as\u00ed las diferentes inconsistencias que puedan existir entre diferentes departamentos.
\nEn cuanto a la estructura del Data Warehouse, Inmon defiende tener un modelo normalizado aplicando las 3 formas normales:<\/p>\n

    \n
  1. Las tablas deber\u00e1n de tener una clave primaria y sus atributos contener valores at\u00f3micos.<\/li>\n
  2. Todos los atributos que no son clave primaria tienen dependencia funcional completa con respecto a todas las claves existentes en el esquema. Para recuperar un atributo no clave se necesita acceder por la clave completa, no por una subclave.<\/li>\n
  3. Todos los atributos que no son clave primaria no dependen transitivamente de \u00e9sta.<\/li>\n<\/ol>\n

    La metodolog\u00eda de Kimball<\/h2>\n

    La visi\u00f3n de Kimball difiere en todo con el enfoque de Inmon ya que apuesta por la metodolog\u00eda bottom-up<\/strong> y por una estructura desnormalizada<\/strong>.<\/p>\n

    La metodolog\u00eda bottom-up se define como el dise\u00f1o en detalle de partes individuales para luego enlazarlas entre ellas para formar el sistema completo<\/strong>. Es decir, con la metodolog\u00eda de Kimball se van dise\u00f1ando a medida, seg\u00fan las necesidades de los departamentos, los diferentes Data Marts<\/strong>, para unirlos y formar el Data Warehouse de la empresa.<\/p>\n

    La idea de Kimball comienza con la necesidad de un departamento de construir un Data Warehouse para unirlo a otros Data Marts de otros departamentos<\/strong> a medida que vayan apareciendo. Estos diferentes Data Marts deber\u00e1n de mantener un mismo est\u00e1ndar y se deber\u00e1n de hacer uso, en caso de necesitarlo, de las llamadas dimensiones conformadas, que son las dimensiones comunes que comparten los diferentes departamentos, para garantizar as\u00ed la integridad del Data Warehouse. Estas dimensiones, deber\u00e1n tener un dise\u00f1o consistente apto para todos los Data Marts.<\/p>\n

    Los Data Marts estar\u00e1n estructurados en modelos de datos dimensionales (estrella o copo de nieve) completamente desnormalizados, dise\u00f1ados para la consulta.<\/p>\n

    \"Data<\/p>\n

    Existen cuatro pasos b\u00e1sicos para el dise\u00f1o de un Data Mart con la metodolog\u00eda de Kimball:<\/p>\n

      \n
    1. Identificaci\u00f3n del proceso de negocio.<\/li>\n
    2. Establecer el nivel de granularidad m\u00e1s peque\u00f1o.<\/li>\n
    3. Elegir las dimensiones y atributos.<\/li>\n
    4. Identificar las m\u00e9tricas y los hechos.<\/li>\n<\/ol>\n

      Diferencias entre Kimball e Inmon \u00bfCu\u00e1l es mejor?<\/h2>\n

      La mayor diferencia que existe entre uno y otro se comprueba en la metodolog\u00eda<\/strong> que se sigue para el dise\u00f1o del almac\u00e9n de datos, pues son totalmente opuestas una de la otra. La metodolog\u00eda que propone Inmon, top-down<\/strong>, se caracteriza por dise\u00f1ar de arriba hacia abajo, de lo global a lo departamental. Mientras que con bottom-up<\/strong>, la metodolog\u00eda que sigue Kimball, se hace lo contrario, dise\u00f1a cada departamento su propia estructura para conformar el Data Warehouse global<\/strong>.<\/p>\n

      En este sentido el enfoque de Inmon<\/strong> tiene la ventaja de que toda la empresa va a tener la misma estructura<\/strong>, mientras que para Kimball<\/strong> al tener varios Data Marts diferentes podr\u00edan diferir unos de otros en aspectos que podr\u00edan ser comunes<\/strong>. Por otro lado, la ventaja que tiene la metodolog\u00eda de Kimball es que cada departamento va a tener independencia<\/strong> a la hora de crear sus propios Data Marts, eso s\u00ed, siguiendo un est\u00e1ndar com\u00fan, mientras que Kimball se tiene que amoldar a la estructura global.<\/p>\n

      La otra diferencia por considerar es la perteneciente a la estructura de los datos. Inmon apuesta por una estructura normalizada frente a la desnormalizaci\u00f3n de Kimball<\/strong>. La mayor ventaja de la normalizaci\u00f3n es que se evita la redundancia de los datos y se asegura que se mantiene la integridad referencial por lo que se facilita el mantenimiento de las tablas y se disminuye el tama\u00f1o de la base de datos. Por el contrario, el modelo dimensional que propone Kimball facilita la obtenci\u00f3n de datos<\/strong> al necesitar queries menos complejas para obtener an\u00e1lisis e informes, ayudando al uso de herramientas de reporting<\/strong>.<\/p>\n

      A pesar de las diferencias las dos visiones tienen un mismo objetivo, tener un sistema de almacenamiento capaz de responder a todas las posibles respuestas que puedan surgir en la empresa<\/strong>. Por lo tanto, la elecci\u00f3n de un enfoque u otro tendr\u00e1 que hacerse en funci\u00f3n de las necesidades que surjan<\/strong>. Si lo que se quiere es un sistema en el que se van a hacer an\u00e1lisis de datos diferenciando los diferentes departamentos de la compa\u00f1\u00eda quiz\u00e1s lo ideal ser\u00eda apostar por Kimball mientras que si se quiere tener una visi\u00f3n m\u00e1s global y se debe tener especial cuidado con la integridad de los datos, hay que decantarse con la visi\u00f3n de Inmon.<\/p>\n

      Adem\u00e1s de todo esto, tambi\u00e9n es importante conocer tus recursos, pues la metodolog\u00eda de Inmon requerir\u00e1 m\u00e1s presupuesto inicial frente a un coste m\u00e1s bajo en mantenimiento, y para Kimball todo lo contrario, un peque\u00f1o coste inicial frente a un gran coste de mantenimiento.<\/p>\n

      Alternativa<\/h2>\n

      De estas dos t\u00e9cnicas, que son las m\u00e1s relevantes a fecha de hoy, nace un gran debate entre cu\u00e1l es la mejor y aparece otra visi\u00f3n que hay que tener en cuenta. Dan Linstedt publica en el a\u00f1o 2000 los principios de Data Vault<\/strong>, que es una t\u00e9cnica h\u00edbrida entre el modelo normalizado y el modelo dimensional<\/strong> donde se toma lo mejor de cada una y se solucionan sus defectos. La definici\u00f3n que le da Dan Linstedt es la siguiente:<\/p>\n

      \u201cData Vault es un conjunto de tablas normalizadas orientadas al detalle, con seguimiento hist\u00f3rico y vinculadas de forma \u00fanica, que dan soporte a una o m\u00e1s \u00e1reas funcionales del negocio. Se trata de un enfoque h\u00edbrido que engloba lo mejor de la tercera forma normal (3NF) y el esquema en estrella. El dise\u00f1o es flexible, escalable, consistente y adaptable a las necesidades de la empresa. Se trata de un modelo de datos dise\u00f1ado espec\u00edficamente para satisfacer las necesidades de los almacenes de datos empresariales actuales.\u201d<\/p><\/blockquote>\n

      Data Vault se apoya en cuatro principios b\u00e1sicos:<\/p>\n