Metodología de Kimball

Metodología Kimball

Luisa Fernanda Vega Juan David Roncancio

Empezar

ÍNDICE

INTRODUCCIÓN

PLANIFICACIÓN

METODOLOGIAS ACTUALES

A. REQUERIMIENTOS

¿CUAL ES LA METODOLOGIA A ADOPTAR?

MODELADO DIMENSIONAL

METODOLOGIA KIMBALL

CONCLUSIONES

iNTRODUCCIÓN

Según Inmon: Una colección de datosdirigida a un ambito especificoy variable para la toma de decisiones.Kimball: Copia de datos transaccionales estructurados paa consultas en analisis.

+ info

Metodologías actuales

Kimball: Se comienza con una construcción de Data Marts donde se almacena datos que luego sera integrados en un DW.

+ info

¿Cuál metodología adoptar?

Enfoque más versatil

Se prioriza la integridad y normalización de datos

Flexibilidad en analisi de datos

Implementación en soluciones rapidas y escalables

¿Metologia kimball procesos etl?

Transformación (Transform) Limpieza: Se eliminan duplicados, se corrigen errores (ejemplo: "México" vs. "MEX"). Normalización: Se convierten formatos de fechas, monedas, etc. Integración: Se relacionan los datos, por ejemplo, uniendo ventas con clientes y productos. Agregación: Se calculan métricas como total de ventas por mes o productos más vendidos.

Extracción (Extract) Se obtienen datos de múltiples fuentes: Base de datos transaccional del ERP (pedidos, clientes, productos) Sistema CRM (datos de clientes y comportamiento) Archivos CSV o logs web (navegación y búsquedas) Se unifican en una zona de staging (área temporal)

Carga (Load) Se almacenan los datos en un modelo dimensional, siguiendo las reglas de Kimball: Tablas de Hechos (Ejemplo: "Ventas") → contiene métricas como cantidad vendida, total pagado. Tablas Dimensionales (Ejemplo: "Clientes", "Productos", "Fechas") → contienen descripciones y atributos. Se optimiza con índices y particiones para mejorar consultas.

Planificación

• Determina el proceso del proyecto DW y que incluye acciónes del plan de negocio.

Definir el alcance (entender los requerimientos del negocio).  Identificar las tareas  Programar las tareas  Planificar el uso de los recursos.  Asignar la carga de trabajo a los recursos  Elaboración de un documento final que representa un plan del proyecto.

La metodología de Kimball en detalle

Denominado ciclo de vida dimensional

Almacen de datos solidos Entrega de herramientas de consulta Analisis avanzado - sitio de soporte.

PRINCIPIOS DE NEGOCIO:Centrarce en el negocio. cosntruccion infrastuctura entregas de incrementos ofreciminto de solucion

Construccion solucion de DW

Nos propone la metodologia a simplificar complejidad en la planiifcacion de proyecto.

Se resalta los requerimientos del plan del proyecto para el enfoque del modelado y diseño para los datos de negocio correspondiente.

Análisis de requerimientos

identificar los temas analíticos y de negocio que grupan los requerimientos en un tema de comun

Entrevistas para el análisis de organización en la terminología del negocio.

La metodología matriz de procesos/dimensiones y busca priorizar los procesos de negocio más críticos

La identificación para el análisis de datos numéricos.

Planificación de ventas Proyección de ventas y orden de compra parala buena proyección del negocio

Implementación de alternativas y competenciade estrategia industrial.

Modelado Dimensional

Matriz de procesos dimensional

Proceso dinámico

Definición de requerimientos

Elegir el proceso de negocio.establecer niveles de granualaridadelegir dimeniones y tablas de hechos

Sesión de diseñó dimensiónal para el proceso de negocio

Diagrama de modelado dimensional para la cosntruccion

Elegir el proceso de negocio

Modelizar y establecr la direccion del analisis de requerimientos el directivo responsable de tomar las decisiones estratégicas; los administradores intermedios y de negocio responsables de explorar alternativas estratégicas y aplicar decisiones.

Establecer el nivel de granularidad

Especifcar el nivel del detalle que depende de los requerimentos

El grupamiento de detalles posibles para comenzar a diseñar el DW

eLEGIR LAS DIMENSIONES

Tablas de dimensiones con el conjunto de atributos para identificarlos en los informes

brindan una perspectiva o forma de análisis sobre una medida en una tabla

Esto ayuda a visualizar qué dimensiones son relevantes para cada proceso y garantiza consistencia en el diseño.

Atributos de dimensiones

Atributos de las dimensiones: Las tablas de dimensiones contienen atributos descriptivos (generalmente textuales, como "Nombre del cliente", "Categoría del producto", "Región") que enriquecen el análisis de las medidas en la tabla de hechos. Estos atributos son candidatos naturales para encabezados en reportes, tablas dinámicas (pivot tables), cubos OLAP o visualizaciones.

Identificar tabla de hechos y medidias

Tablas de hechos Las tablas de hechos son las estructuras centrales del modelo dimensional y almacenan los datos cuantitativos o métricas que el negocio necesita analizar.

Procesos de negocio: Las tablas de hechos se derivan de los procesos clave que el negocio desea medir. Por ejemplo:Ventas → Tabla de hechos "Ventas". Movimientos de inventario → Tabla de hechos "Inventario". Pedidos enviados → Tabla de hechos "Envíos".

Medidas de la metododlogia

Las medidas son los valores numéricos dentro de las tablas de hechos que representan las métricas que el negocio desea analizar.

Las medidas responden a preguntas cuantitativas como:¿Cuánto se vendió? → monto_venta, cantidad_vendida. ¿Cuánto tiempo tomó? → duración_entrega. ¿Cuántos productos hay en stock? → nivel_inventario.

Modelo grafico alto nivel

Diseño del data warehouse que muestra cómo se relacionan las tablas de hechos y las tablas de dimensiones en un esquema dimensional

construccion modelo de alto nivel

Identificar los procesos de negocio:Define qué se va a medir (ej.: ventas, inventario, envíos). Esto determina las tablas de hechos. Definir la granularidad: Establece el nivel de detalle de los datos en la tabla de hechos (ej.: ventas por día, por producto, por tienda). Seleccionar las dimensiones: Identifica las entidades descriptivas que contextualizan las medidas (ej.: tiempo, producto, cliente).

Ventajas del modelo grafico de kimball

Ventajas del modelo gráfico en Kimball Simplicidad: Fácil de entender para usuarios de negocio y desarrolladores. Rendimiento: Optimizado para consultas analíticas en herramientas BI. Flexibilidad: Permite agregar nuevas dimensiones o medidas sin alterar la estructura básica.

Informes estandar

os informes estándar se diseñan como parte del ciclo de desarrollo del data warehouse:

Recopilación de requisitosMatriz de procesos/dimensiones Diseño del esquema dimensional Prototipado.

Ejemplos de informes estándar en Kimball

Los informes estándar en Kimball suelen presentarse en formatos que aprovechan las capacidades del modelo dimensional:

Las aplicaciones analiticas

Estas aplicaciones suelen estar soportadas por herramientas de Business Intelligence (BI), sistemas de análisis predictivo o tableros interactivos, y se diseñan para aprovechar la estructura en estrella (star schema) que Kimball promueve.

Ventajas de aplicaciones anaiticas

Ventajas de las aplicaciones analíticas en Kimball. Accesibilidad: Los usuarios pueden explorar datos sin depender de expertos técnicos. Consistencia: Las dimensiones conformadas garantizan que los análisis sean coherentes entre aplicaciones. Rendimiento: El diseño optimizado del esquema en estrella permite consultas rápidas, incluso con grandes volúmenes de datos. Escalabilidad: Fácil de ampliar para soportar nuevos procesos de negocio o aplicaciones.

Conclusiones

Esta metodologia aplica una solución efectiva y probada para construir data warehouses orientados al análisis, destacándose por su pragmatismo y enfoque en entregar valor al negocio de manera rápida y eficiente. Su énfasis en esquemas dimensionales simples, dimensiones conformadas y desarrollo iterativo la hace ideal para organizaciones que buscan implementar soluciones analíticas flexibles y escalables de los requisitos del negocio y de una planificación cuidadosa para evitar problemas de escala o redundancia en entornos más complejos.

Referencias

https://lituus.cl/Analytics/business-intelligence/la-metodologia-kimball-para-data-warehouses-y-bi-exitosos.html

https://www.astera.com/es/type/blog/data-warehouse-concepts/

https://datascientest.com/es/data-warehouse-que-es-y-como-utilizarlo

¡GRACIAS!

• Inmon: Se inicia en una construcció DW que es centralizado y posteriormente se crean los Dta Marts especificos.

Impotancia DW

Problema actual

• Analisi historico facilitando la toma de decisiones.
• Utilizacion de herramienta OLAP para el proceso analitico.

• Falta de conocimiento en metodologias de implementación y cumplimiento de las mismas.