Práctica3.Modelo Dimensional Ventas

ESCUELA POLITÉCNICA NACIONAL
FACULTAD DE INGENIERÍA DE SISTEMAS

INGENIERÍA DE SISTEMAS INFORMÁTICOS Y DE COMPUTACIÓN
Laboratorio de: Business Intelligence (Iswd743) gr1cc_2022-2
Estudiantes:
• Jaqueline Alcaciega
• Eduardo Avilés
• Henry Guanoluisa
• William Alvarado
• Jorge Narváez
• Deyvid Paucar
Práctica No.: 3
Grupo.: 6
Tema: Modelo dimensional ventas
Objetivos:
• Diseñar un datamart de ventas

• Crear un modelo dimensional en Power Designer
• Crear un script de inserción
Marco teórico:
DATAMART
Un datamart empresarial es un repositorio de datos especializado en una única área de

la organización. Es decir, el datamart almacena información solo de una temática, de un
proceso o de un departamento específico de la empresa. Por ejemplo, en tu negocio
puedes tener:
• Un datamart para lo relacionado con la temática de materias primas y

aprovisionamiento,
• Un datamart para tu proceso de fabricación,
• Un datamart para tu departamento de marketing, y así sucesivamente.

La función del datamart es ordenar y disponibilizar la información de un área específica

para que el personal especializado en dicha área pueda consultar los datos de manera
rápida y fácil, ya sean datos maestros, transaccionales u otros.
Si tu empresa no maneja grandes cantidades de datos puede tener entonces solo un

data warehouse y prescindir de los datamarts, ya que el proceso de consulta dentro del
data warehouse se puede realizar con relativa rapidez.
Sin embargo, si tu empresa maneja gran cantidad de datos, las consultas en el data
warehouse se vuelven muy lentas y complejas. Aquí es donde nace la necesidad de
separar la información de la data warehouse por áreas temáticas, procesos o
departamentos a través de los datamarts.
En este sentido, las principales diferencias entre el datamart y el data warehouse son las
siguientes:
Datamart:
• Su capacidad se suele medir en gigabytes.
• Almacena información especializada en un área.
• Su alcance es departamental.
• Se alimenta de pocas fuentes de datos.
• Soporta consultas de una cantidad limitada de usuarios.
• Su información sirve de apoyo para la toma de decisiones tácticas.
• Su implementación puede tardar semanas o meses.
• Su velocidad de consulta sobre los datos es rápida.
MODELO DIMENSIONAL
Según (BiGeek, 2017), un modelo dimensional conlleva una técnica de modelado que
facilita la compresión de base de datos, haciéndola intuitiva para usuarios no expertos,
y que es comúnmente utilizado para la creación de Data Warehouses o Data Marts.
Es una técnica que es ampliamente aceptada y, generalmente es escogida para

representar datos analíticos ya que cumple simultáneamente con los siguientes
requerimientos:
Dispone y estructura los datos de manera comprensible para el usuario de negocio y,

Genera un alto rendimiento en las búsquedas desde la capa de reporting (IBM, 2021).
Dentro del modelado de datos dimensional destacan dos conceptos clave:
Hechos: Corresponden a las métricas, normalmente valores cuantitativos.

Dimensiones: Son valores cualitativos. Proporcionan descripciones a los hechos,
aportando un contexto a los mismos.
Existen además 2 técnicas para llevar a cabo el modelado dimensional: el esquema

Estrella y Copo de nieve.
En el esquema estrella es un modelo de datos formado por una tabla de hechos, que
contiene los datos para el análisis, rodeada de las tablas dimensionales.
El esquema copo de nieve es una estructura más compleja que el esquema anterior. Se
da cuando alguna de las dimensiones se implementa con más de una tabla de datos. Se
presenta como una tabla de hechos conectada con dimensiones anidadas. Al normalizar
por completo las dimensiones el resultado se asemeja a un copo de nieve.
Desarrollo de la práctica:
Descripción del proceso: El proceso que nosotros elegimos para el desarrollo de nuestro
datamart es el proceso de ventas de productos alimenticios basado en todo tipo de
carnes de animal, la venta se realiza de lunes a domingo en horario de 9:00am hasta las
20:00pm en la sucursal Sur de Quito.
Dimensiones: Producto, Tiempo, Cliente, Sucursal y la tabla de hechos ventas.
Granularidad: el nivel de detalle de los datos está considerado como mensual, por lo
tanto, tendríamos una granularidad mensual.
1. Desarrollo de modelo dimensional para escenario de ventas.

A partir del modelo relacional se genera el modelo conceptual como se puede ver en la
Figura1.
Figura 1
Se puede observar que el id del cliente, tiempo, sucursal y producto son seriales.
A continuación, generamos el Logical Data Model, mostrada en la Figura2:
Figura 2
La tabla de Hechos está compuesta por las claves primarias de las tablas de dimensiones,
cliente, producto, tiempo.
2. Desarrollo de modelo dimensional para escenario de un CRM

Se propone un modelo conceptual propuesto para el escenario planteado, Figura3.
Figura 3
3. Crear un script de insercción
En la creación de los scripts de la base de datos lo dividiremos en dos, la primera será

para la creación de las tablas y la segunda para la inserción de datos en las tablas que
crearemos en el paso anterior.
3.1 creación de tablas:
Figura 4
Figura 5
Figura 6
Figura 7
Figura 8
Figura 9
Figura 10
3.2 Ahora insertaremos datos en las tablas de la siguiente manera:
Figura 11
Figura 12
Conclusiones y recomendaciones:
• Es importante para la gestión y mejora en la correcta toma de decisiones del Área

de Ventas, la elaboración del Data Mart haciendo uso de la Inteligencia de
Negocios. Para la empresa, puede llegar a ser una innovadora solución
tecnológica para a futuro seguir aplicando este tipo de herramientas.
• Un modelo dimensional es utilizado cuando se desea obtener una comprensión
más fácil de una base de datos de una forma intuitiva para personas que no
tienen conocimientos avanzados en modelamiento de datos.
Bibliografía:
[1] ¿Cómo crear UN data warehouse? Available at:

https://reader.digitalbooks.pro/content/preview/books/43005/book/OEBPS/chapte
r02.xhtml (Accessed: December 13, 2022).
[2]¿Qué es un “modelo dimensional” y qué tiene que ver con los cubos? (s.f.). Business
Intelligence fácil. https://www.businessintelligence.info/definiciones/que-es-
modelo-dimensional.html
[3] IBM Documentation. (s.f.). IBM - Deutschland |

IBM. https://www.ibm.com/docs/es/ida/9.1.2?topic=concepts-dimensional-
models

Práctica3.Modelo Dimensional Ventas

Cargado por

Copyright:

Formatos disponibles

Práctica3.Modelo Dimensional Ventas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Práctica3.Modelo Dimensional Ventas

Cargado por

Copyright:

Formatos disponibles

ESCUELA POLITÉCNICA NACIONAL

FACULTAD DE INGENIERÍA DE SISTEMAS

Laboratorio de: Business Intelligence (Iswd743) gr1cc_2022-2

Tema: Modelo dimensional ventas

• Diseñar un datamart de ventas

Un datamart empresarial es un repositorio de datos especializado en una única área de

• Un datamart para lo relacionado con la temática de materias primas y

• Un datamart para tu proceso de fabricación,

• Un datamart para tu departamento de marketing, y así sucesivamente.

La función del datamart es ordenar y disponibilizar la información de un área específica

Si tu empresa no maneja grandes cantidades de datos puede tener entonces solo un

• Su capacidad se suele medir en gigabytes.

• Almacena información especializada en un área.

• Se alimenta de pocas fuentes de datos.

• Soporta consultas de una cantidad limitada de usuarios.

• Su información sirve de apoyo para la toma de decisiones tácticas.

• Su implementación puede tardar semanas o meses.

• Su velocidad de consulta sobre los datos es rápida.

Es una técnica que es ampliamente aceptada y, generalmente es escogida para

Dispone y estructura los datos de manera comprensible para el usuario de negocio y,

Hechos: Corresponden a las métricas, normalmente valores cuantitativos.

Existen además 2 técnicas para llevar a cabo el modelado dimensional: el esquema

Dimensiones: Producto, Tiempo, Cliente, Sucursal y la tabla de hechos ventas.

1. Desarrollo de modelo dimensional para escenario de ventas.

A continuación, generamos el Logical Data Model, mostrada en la Figura2:

2. Desarrollo de modelo dimensional para escenario de un CRM

3. Crear un script de insercción

En la creación de los scripts de la base de datos lo dividiremos en dos, la primera será

3.1 creación de tablas:

3.2 Ahora insertaremos datos en las tablas de la siguiente manera:

• Es importante para la gestión y mejora en la correcta toma de decisiones del Área

[1] ¿Cómo crear UN data warehouse? Available at:

[3] IBM Documentation. (s.f.). IBM - Deutschland |

También podría gustarte