Introducción a los esquemas en estrella

Transformar y analizar datos con Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

Fundamentos del modelado dimensional

Un modelo dimensional es una estructura de datos optimizada para almacenamiento analítico
Modela eventos de negocio
Los eventos tienen datos y contexto

Fundamentos del modelado dimensional

Evento: venta de un producto en una tienda.

Imagen de un ticket de venta de una tienda

Fundamentos del modelado dimensional

Evento: venta de un producto en una tienda.

Datos numéricos:
- Unidades vendidas
- Precio de venta

Imagen de un ticket de venta destacando los datos numéricos: unidades vendidas y precio de venta

Fundamentos del modelado dimensional

Evento: venta de un producto en una tienda.

Datos numéricos medibles:
- Unidades vendidas
- Precio de venta
Contexto de los datos:
- Producto vendido

Imagen de un ticket de venta destacando los datos numéricos (unidades vendidas y precio de venta) y el contexto: dónde y cuándo se hizo la venta y qué producto se vendió

Guardar datos de eventos en tablas

Diagrama que muestra cómo mapear los datos del ticket a filas de una tabla de pedidos

Guardar datos de eventos en tablas

Tabla de hechos con todas las entradas del ticket de ejemplo

Tabla de hechos: contiene todas las transacciones.

Guardar datos de eventos en tablas

Tabla de hechos con todas las entradas del ticket, destacando las columnas de dimensiones: tienda, fecha de pedido, hora de pedido, vendedor/a, cliente, producto

Tabla de hechos: contiene todas las transacciones.
Dimensiones: contexto de la transacción (cuándo, dónde, qué, quién).

Guardar datos de eventos en tablas

Tabla de hechos destacando las columnas de medidas: unidades vendidas, precio de venta

Tabla de hechos: contiene todas las transacciones.
Dimensiones: contexto de la transacción (cuándo, dónde, qué, quién).
Medidas: datos numéricos (cuántas/cuánto).

Guardar datos de eventos en tablas

Tabla de hechos destacando la columna del atributo adicional: número de pedido

Tabla de hechos: contiene todas las transacciones.
Dimensiones: contexto de la transacción (cuándo, dónde, qué, quién).
Medidas: datos numéricos (cuántas/cuánto).
Atributos: información adicional del registro de la transacción.

Normalización

Tabla de hechos, destacando la columna Tienda con el nombre de la tienda en cada registro

Tabla de hechos con una tabla de dimensión, donde la columna Tienda ahora contiene solo códigos y los nombres reales están en una tabla de dimensión aparte

Tablas de hechos + tablas de dimensiones

Esquema en estrella

Esquema Snowflake

Ejemplo de esquema Snowflake

Esquema Snowflake

Ejemplo de esquema Snowflake

Esquema Snowflake

Ejemplo de esquema Snowflake

Esquema en estrella vs. esquema Snowflake

Diferencias clave

Área	Esquema en estrella	Esquema Snowflake
Almacenamiento	Requiere más espacio	Requiere menos espacio
Normalización	Desnormalizado (una tabla por dimensión)	Normalizado (múltiples tablas por dimensión)
Complejidad del modelo	Menor	Mayor
Rendimiento de consulta	Menos JOIN, consultas más rápidas	Más JOIN, consultas más lentas

Elige el modelo que mejor se adapte a tus necesidades. En general, el esquema en estrella se prefiere por ser más simple y rápido.

¡Vamos a practicar!

Transformar y analizar datos con Microsoft Fabric