Qué es la Metodología Kimball
El enfoque de Kimball combina una planificación común de los datos de la empresa con entregas incrementales por proceso de negocio. Las dimensiones conformadas permiten que esas entregas compartan definiciones y puedan analizarse de forma conjunta. Por otra parte, necesitábamos un sistema de control de nuestros proyectos que no tuviera la rigidez de la gestión de proyectos clásica. Normalmente, las dificultades aparecían a la hora de definir el alcance del proyecto. Las ambigüedades, sobreentendidos y cambios en las necesidades del cliente alteraban una y otra vez los planes tan trabajosamente concretados en nuestro Project. Para desarrollar proyectos analíticos, puedes consultar el Máster en Data Analytics y Machine Learning. Entonces oímos hablar de Agile y, al poco de empezar a conocerlo, nos dimos cuenta de que se complementaba muy bien con Kimball. Lo que sigue es una comparativa de los puntos en que Agile y Kimball coinciden más claramente. Hemos tomado como punto de partida el Manifiesto Agile que puede descargarse en su versión castellana de manera gratuita. Con Kimball, escogimos su libro The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, 3rd Edition. Escrito junto con Margy Ross. La comparación que sigue es una interpretación editorial de los puntos de contacto entre Agile y Kimball. Resume riesgos de diseño y gestión; no reproduce una lista literal del libro. El Kimball Lifecycle desarrolla el enfoque de requisitos, entregas incrementales y adopción por parte del negocio.Qué es un Data Warehouse
Es un repositorio unificado para todos los datos que recogen los diversos sistemas de una empresa. El repositorio puede ser físico o lógico y hace hincapié en la captura de datos de diversas fuentes sobre todo para fines analíticos y de acceso.Del método Kimball a un modelo dimensional: ejemplo de ventas
La comparación entre Kimball y Agile sirve para entender cómo organizar un proyecto, pero no resuelve la duda que surge cuando abrimos por primera vez una herramienta de Business Intelligence: ¿qué tablas necesitamos para que el equipo comercial pueda analizar las ventas sin duplicar cifras? Vamos a construir un ejemplo sencillo, con datos ficticios, siguiendo el principio fundamental de un modelo dimensional: decidir primero qué representa cada fila de la tabla de hechos.
En su proceso de diseño, Kimball propone cuatro decisiones encadenadas: seleccionar el proceso de negocio, declarar la granularidad, identificar las dimensiones y, finalmente, los hechos que se medirán. Saltarse el orden —por ejemplo, elegir métricas antes de definir qué representa cada registro— es una causa habitual de modelos inconsistentes. La secuencia figura en la documentación del Kimball Group.
Imagina una tienda con pedidos que contienen varios productos. Queremos conocer ingresos netos, unidades vendidas y descuentos por fecha, categoría y cliente. Si definimos la granularidad como «una línea de pedido», cada registro de la tabla de hechos describe la venta de un producto dentro de un pedido. No debe mezclar una línea individual con el total agregado del pedido: hacerlo produciría importes duplicados en muchos informes.
| Tabla | Contenido | Función en el análisis |
|---|---|---|
| Hechos_Ventas | Linea_ID, Fecha_ID, Producto_ID, Cliente_ID, Pedido_ID, Unidades, Importe_Bruto, Descuento, Importe_Neto | Una fila por línea de pedido; medidas sumables bajo condiciones definidas |
| Dim_Fecha | Fecha_ID, día, mes, trimestre, año | Permite analizar periodos comparables |
| Dim_Producto | Producto_ID, referencia, categoría, marca | Permite agrupar productos y familias |
| Dim_Cliente | Cliente_ID, segmento, territorio | Permite analizar tipos de clientes sin replicar importes |
Por ejemplo, si una línea contiene dos unidades a 50 euros cada una y un descuento total de 10 euros, el importe neto de esa línea es de 90 euros. La suma de importes netos de las líneas del pedido permite obtener el importe del pedido, siempre que devoluciones e impuestos estén definidos de manera consistente. Si repetimos el importe total del pedido en cada una de sus líneas y después lo sumamos, duplicaremos ese importe tantas veces como líneas tenga el pedido.
Tres comprobaciones antes de construir el dashboard
La primera consiste en validar la granularidad con un ejemplo real de varias líneas: cada identificador de línea debe corresponder a una única observación. La segunda es acordar definiciones de negocio —qué consideramos venta neta, cómo registramos devoluciones y cuándo reconocemos el ingreso— antes de crear gráficos. La tercera es revisar si las dimensiones de producto, cliente y tiempo sirven a varios procesos sin cambiar de significado. Las dimensiones conformadas facilitan que ventas, inventario y devoluciones puedan compararse sin construir tres versiones incompatibles del negocio.
Esta práctica conecta con el espíritu de Kimball: entregar pronto una primera área analítica útil, observar cómo la utilizan las personas y ampliarla sin romper sus definiciones. Para profundizar en los fundamentos puedes consultar nuestra guía de Business Intelligence y la explicación de Business Analytics.
Errores de diseño y gestión del data warehouse
- Agile dice: Individuos e interacciones sobre procesos y herramientas.
- Riesgo que conviene evitar: Enamorarse excesivamente de los datos y la tecnología en vez de centrarse en las necesidades y objetivos de negocio.
- Agile dice: Respuesta ante el cambio sobre seguir un plan.
- Riesgo que conviene evitar: Suponer que el negocio, sus necesidades y analíticas, así como los datos subyacentes y la infraestructura tecnológica son estáticos.
- Agile dice: Colaboración con el cliente sobre negociación contractual
- Riesgo que conviene evitar: No conseguir la colaboración y/o la implicación de una persona de la organización cliente que sea influyente, accesible y razonable, para desempeñar el papel de patrocinador del datawarehouse.
- Agile dice: Software funcionando sobre documentación extensiva.
- Riesgo que conviene evitar: Dedicar esfuerzo a construir una estructura de datos y agotar el presupuesto antes de construir un área de presentación basada en modelos dimensionales.
- Agile dice: Entregamos software funcional frecuentemente, entre dos semanas y dos meses, con preferencia al periodo de tiempo más corto posible.
- Riesgo que conviene evitar: Abordar un gran proyecto que abarque años en vez de esfuerzos de desarrollo más manejables e iterativos aunque igualmente necesarios e interesantes.
- Agile dice: Nuestra mayor prioridad es satisfacer al cliente mediante la entrega temprana y continua de software con valor.
- Riesgo que conviene evitar: Diseñar consultas o informes tan complejos que dificulten el trabajo de los usuarios.
- Agile dice: El software funcionando es la medida principal de progreso
- Riesgo que conviene evitar: Prestar más atención al rendimiento operacional de los procesos en trasfondo y a la facilidad de desarrollo que al de las consultas que se ejecutan a la vista y a la facilidad de uso.
Recursos para profundizar
Consulta Diferencias entre Data Lake y Data Warehouse y la ficha del webinar: Data Analytics: indicadores, técnicas y análisis para medir resultados.

