Practica 02: creando el Modelo dimensional I.
Según el ciclo de vida de Kimball
En el grafico anterior se presenta el ciclo de vida de para el desarrollo de un proyecto Datamart o Datawarehouse., el caso de estudio se trata de la base de datos adventureworks:
Es una gran empresa de fabricación multinacional. La empresa fabrica y vende bicicletas de metal y de metal compuesto en los mercados de Norteamérica, Europa y Asia. Si bien su sede central de operaciones se encuentra en Bothell, Washington, con 290 empleados, en toda su base de mercado tiene distribuidos varios equipos regionales de ventas. En el año 2000, Adventure Works Cycles compró una pequeña planta de fabricación, Importadores Neptuno, situada en México. Importadores Neptuno fabrica varios subcomponentes muy importantes para la línea de productos de Adventure Works Cycles. Estos subcomponentes se envían a la sede de Bothell para el ensamblado final del producto. En el año 2001, Importadores Neptuno pasó a ser el único fabric ante y distribuidor del grupo de productos de bicicletas de paseo. Tras un año fiscal con muy buenos resultados, Adventure Works Cycles está intentando ampliar su cuota de mercado dirigiendo sus ventas a sus mejores clientes, ampliando la disponibilidad de sus productos en un sitio web externo, y reduciendo los costos de venta a través de costos de producción más bajos II. Modelo Dimensional El modelado dimensional se basa en HECHOS ventas y es una alternativa al modelado relacional. Sus principales ventajas son: - Enfocado en el negocio y sus actividades - Permite búsquedas a gran velocidad Ejemplo: Para el diseño de un modelo dimensional de ventas se considera a la VENTA como un hecho, tiene como medida la cantidad vendida, entre otros. A esta medida se le conoce también como METRICA. El hecho a su vez cuenta con dimensiones (tablas) que la rodean. Para el ejemplo se tiene: Para que una venta se efectué se debe considerar al artículo vendido, al cliente que la compro, a la fecha en que fue vendido, a los almacenes, etc. Todo depende de la complejidad del mismo y de lo que se quiera mostrar. Por ejemplo si nos interesa saber solo el nombre del cliente entonces nuestra dimensión dimensión cliente solo tendrá el nombre y nada más. Sin embargo si nos interesa el distrito donde donde vive para posteriormente agrupar nuestras ventas por distritos entonces se deben considerar obligatoriamente al distrito dentro de los campos de la tabla clientes. Analisis de Ventas Qué? También se
PRODUCTO
puede considerar El Cómo? Y donde?
CLIENTE
A quién?
VENTAS Indicadores de
Quién?
Gestión del Negocio
VENDEDOR
TIEMPO
Cuando?
Según el OLTP
La tabla de hechos debe contener la información de las medidas que se pretende analizar, las cuales serán campos con tipos de datos numéricos, como monto facturado, cantidad de ítems, gastos, notas. Por ejemplo: Recordando: La tabla de hechos deberá contener o Medidas o Información relacionada al hecho (clave sustituta)
Tabla dimensión Las tablas dimensión también representan las distintas opciones que el usuario tiene para poder analizar su información .
Productos, analizar las órdenes desde el punto de vista de los productos
Clientes, analizar las órdenes desde el punto de vista de los clientes
2.1. Granularidad de datos del Modelo dimensional Esto significa que debemos definir el nivel de detalle de nuestro datamart. En nuestro caso, el objetivo es analizar los volúmenes de ventas por cada producto de una orden. Estructura del Modelo dimensional
La tabla de hechos debe contener la información de las medidas que se pretende analizar, las cuales serán campos con tipos de datos numéricos, como monto facturado, cantidad de ítems, gastos, notas. Por ejemplo: Recordando: La tabla de hechos deberá contener o Medidas o Información relacionada al hecho (clave sustituta)
Tabla dimensión Las tablas dimensión también representan las distintas opciones que el usuario tiene para poder analizar su información .
Productos, analizar las órdenes desde el punto de vista de los productos
Clientes, analizar las órdenes desde el punto de vista de los clientes
2.1. Granularidad de datos del Modelo dimensional Esto significa que debemos definir el nivel de detalle de nuestro datamart. En nuestro caso, el objetivo es analizar los volúmenes de ventas por cada producto de una orden. Estructura del Modelo dimensional
El modelo dimensional mostrado responde a las preguntas planteadas en la sección de los indicadores. El modelo dimensional consta de las siguientes tablas. Ejemplo: “Comparativos entre meses relacionados a monto de facturación de las ventas” o Cada registro en la tabla ventas contiene el monto facturado por un producto determinado en una orden. Con este, podemos obtener la facturación total de manera mensual, con lo cual es factible realizar la comparación. 2.2. Crear una nueva dimensión
Seguidamente se visualizará la siguiente ventana:
Seleccionar
la
tabla
donde se encuentran los
atributos
de
dimensión Producto
A continuación, solo mantener con un check aquellos atributos necesario para su dimensión Pr oducto
la
Generar también el schema, realizar las mismas acciones con las demás dimensiones