modelo de datos en Data Warehouse de Copo de nieve
Prospectiva Informática
¿Qué es?
Modelo de datos en copo de nieve
Características.
Ventajas.
Desventajas.
Diferencia
Con el Modelo Estrella
Bibliografía
- Carter, D. (2024, junio 20). Esquema de copo de nieve en el modelo de almacén de datos. Guru99. https://www.guru99.com/es/snowflake-schema-in-data-warehouse-model.html
- Fernandez, O. (2023, julio 4). Snowflake Schema - El Esquema de Copos de Nieve. Aprender BIG DATA; AprenderBigData. https://aprenderbigdata.com/snowflake-schema/
- IBM InfoSphere Data Architect. (2021, marzo 8). Ibm.com. https://www.ibm.com/docs/es/ida/9.1.2?topic=schemas-snowflake
- (S/f). Datacamp.com. Recuperado el 21 de marzo de 2026, de https://www.datacamp.com/es/blog/snowflake-architecture
Mientras que el modelo estrella tiene todas las dimensiones conectadas directamente a la tabla de hechos (desnormalizado), el modelo de copo de nieve normaliza esas dimensiones, creando múltiples tablas relacionadas.
Tabla de Hechos Central: Contiene métricas numéricas y claves foráneas, similar a un esquema estrella.
Dimensiones Normalizadas: Las tablas de dimensiones se dividen en tablas más pequeñas para eliminar datos duplicados. Jerarquías de Dimensiones: Ejemplo: Una dimensión "Producto" se divide en "Producto", "Subcategoría" y "Categoría".
Menor redundancia: Los datos se almacenan de manera más eficiente.
Ahorro de espacio: Útil en bases con dimensiones muy grandes.
Mejor integridad: Al estar normalizado, se reducen anomalías de actualización. Estructura Jerárquica Clara: Ideal para representar jerarquías complejas.
Mayor complejidad en consultas: Se requieren más JOINs para consultar datos, lo que puede ralentizar las consultas en comparación con el modelo estrella.
Rendimiento más bajo: Menos eficiente para consultas analíticas frecuentes. Difícil de entender: Comparado con el esquema estrella, es menos intuitivo.
Snowflake Schema
Es una estructura dimensional para Data Warehouse que normaliza las tablas de dimensiones, dividiéndolas en subdimensiones para reducir la redundancia de datos.
Modelo de datos en Data Warehouse de Copo de nieve
Montse martinez vazquez
Created on March 21, 2026
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Project Roadmap Timeline
View
Step-by-Step Timeline: How to Develop an Idea
View
Artificial Intelligence History Timeline
View
Practical Timeline
View
Timeline video mobile
View
History Timeline
View
Education Timeline
Explore all templates
Transcript
modelo de datos en Data Warehouse de Copo de nieve
Prospectiva Informática
¿Qué es?
Modelo de datos en copo de nieve
Características.
Ventajas.
Desventajas.
Diferencia
Con el Modelo Estrella
Bibliografía- Carter, D. (2024, junio 20). Esquema de copo de nieve en el modelo de almacén de datos. Guru99. https://www.guru99.com/es/snowflake-schema-in-data-warehouse-model.html
- Fernandez, O. (2023, julio 4). Snowflake Schema - El Esquema de Copos de Nieve. Aprender BIG DATA; AprenderBigData. https://aprenderbigdata.com/snowflake-schema/
- IBM InfoSphere Data Architect. (2021, marzo 8). Ibm.com. https://www.ibm.com/docs/es/ida/9.1.2?topic=schemas-snowflake
- (S/f). Datacamp.com. Recuperado el 21 de marzo de 2026, de https://www.datacamp.com/es/blog/snowflake-architecture
Mientras que el modelo estrella tiene todas las dimensiones conectadas directamente a la tabla de hechos (desnormalizado), el modelo de copo de nieve normaliza esas dimensiones, creando múltiples tablas relacionadas.
Tabla de Hechos Central: Contiene métricas numéricas y claves foráneas, similar a un esquema estrella.
Dimensiones Normalizadas: Las tablas de dimensiones se dividen en tablas más pequeñas para eliminar datos duplicados. Jerarquías de Dimensiones: Ejemplo: Una dimensión "Producto" se divide en "Producto", "Subcategoría" y "Categoría".
Menor redundancia: Los datos se almacenan de manera más eficiente. Ahorro de espacio: Útil en bases con dimensiones muy grandes. Mejor integridad: Al estar normalizado, se reducen anomalías de actualización. Estructura Jerárquica Clara: Ideal para representar jerarquías complejas.
Mayor complejidad en consultas: Se requieren más JOINs para consultar datos, lo que puede ralentizar las consultas en comparación con el modelo estrella. Rendimiento más bajo: Menos eficiente para consultas analíticas frecuentes. Difícil de entender: Comparado con el esquema estrella, es menos intuitivo.
Snowflake Schema
Es una estructura dimensional para Data Warehouse que normaliza las tablas de dimensiones, dividiéndolas en subdimensiones para reducir la redundancia de datos.