Saltar al contenido

Metodología y técnicas de modelado dimensional de Kimball

Ilustración conceptual de modelado dimensional: un núcleo de datos conectado con estructuras modulares.
Cuando empezamos a trabajar en el desarrollo de soluciones datawarehouse tuvimos que escoger entre innovar y hacer las cosas a nuestra manera creando un estilo propio o hacer seguidismo de las pautas marcadas por otros. Sin dudarlo siquiera, escogimos la segunda opción. Bromas aparte, si reinventar la rueda no vale la pena en mecánica, tampoco en informática. Así que tras investigar un poco nos inclinamos por seguir los consejos de Ralph Kimball, que se ajustaban bien a nuestra realidad: una empresa pequeña que podía abarcar proyectos más grandes de los que hubiera podido siguiendo otros sistemas (ej. Inmon) y llevarlos a buen fin sin excesivos problemas.

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.

TablaContenidoFunción en el análisis
Hechos_VentasLinea_ID, Fecha_ID, Producto_ID, Cliente_ID, Pedido_ID, Unidades, Importe_Bruto, Descuento, Importe_NetoUna fila por línea de pedido; medidas sumables bajo condiciones definidas
Dim_FechaFecha_ID, día, mes, trimestre, añoPermite analizar periodos comparables
Dim_ProductoProducto_ID, referencia, categoría, marcaPermite agrupar productos y familias
Dim_ClienteCliente_ID, segmento, territorioPermite 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.
Las necesidades y objetivos de negocio se expresan y traducen a través de los individuos que las han de atender. Ningún negocio nos pedirá jamás «Necesito las ventas de los cinco últimos años por territorios» pero es muy posible que lo haga algún miembro del departamento de marketing o comercial.
  • 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.
La definición de una solución de BI (o de software) no debería ser algo estático y definitivo. No sólo cambian las necesidades de negocio y las personas que las satisfacen sino que lo hace la tecnología empleada. El desarrollo del datawarehouse ha de tener en cuenta los medios que permitan su actualización y modificación sin afectar significativamente al negocio y los usuarios finales.
  • 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.
Ante esta realidad dinámica, un contrato debería ser más un marco de colaboración que marcase los límites de alcance, presupuesto y tiempo dentro de los cuales se ha de crear el datawarehouse. Un buen contacto en la organización del cliente hace posible los acuerdos de cambio, transmite las nuevas necesidades al equipo de desarrollo, los nuevos acuerdos a los usuarios y nos asegura que todas las partes están trabajando para conseguir los mismos objetivos.
  • 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.
Quien dice una estructura de datos, dice el sistema de metadatos, de monitorización o las especificaciones detalladas de la solución. Cuanto antes el usuario pueda empezar a obtener información de sus datos, antes podrá comenzar la colaboración real entre las partes y será más fácil cumplir con los requisitos de negocio a plena satisfacción de los usuarios finales.
  • 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.
La entrega de nuevas prestaciones regularmente ayuda a mantener el interés del cliente por la solución al presentársela como algo vivo que evoluciona con el tiempo ante sus necesidades. Igualmente la hace ver el valor real de su inversión.
  • 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.
El número de filtros y parámetros debe responder a la tarea del usuario. Un informe que intenta resolver todas las necesidades a la vez puede resultar difícil de utilizar; conviene probarlo con quienes tomarán decisiones a partir de él.
  • 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.
Otro riesgo es juzgar el éxito solo por la entrega técnica e ignorar la adopción por parte de los usuarios. Si los usuarios no adoptan el sistema DW/BI para apoyar sus decisiones, el proyecto no habrá alcanzado su objetivo de negocio. Nuestro comentario: Aquí las palabras clave son «funcionando» y «aceptación». En un data warehouse, por más que los procesos ETL, de control de calidad o de perfilados de datos sean elegantes y eficientes en extremo, de nada nos servirá si las aplicaciones finales que entregan la información a los usuarios son lentas y/o difíciles de manejar. Eso hará que los usuarios perciban que el conjunto de nuestra solución datawarehouse no funciona ya que no satisface sus necesidades y sus efectos reales serán el rechazo de nuestro trabajo. No deberíamos pensar entonces que el proyecto progresa por más trabajo que se haya realizado. Si quieres profundizar en el análisis de datos y su aplicación a decisiones de negocio, conoce el Máster en Data Analytics y Machine Learning de IEBS.

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.

Preguntas frecuentes

¿Qué es la metodología de modelado dimensional de Kimball?
La metodología de modelado dimensional de Kimball es un enfoque para diseñar almacenes de datos que enfatiza la simplicidad y la comprensión del usuario final. Se centra en la creación de modelos de datos que son intuitivos y fáciles de navegar, utilizando dimensiones y hechos para organizar la información. Este método es especialmente útil para la creación de sistemas de inteligencia de negocios que necesitan ser accesibles para usuarios no técnicos.
¿Cuáles son las principales técnicas en el modelado dimensional de Kimball?
Las principales técnicas en el modelado dimensional de Kimball incluyen el uso de esquemas en estrella y copo de nieve, así como la identificación de dimensiones y hechos. Las dimensiones son categorías de información que proporcionan contexto, como tiempo, ubicación y producto, mientras que los hechos son datos cuantitativos como ventas o ingresos. Estas técnicas ayudan a estructurar los datos de manera que sean fácilmente accesibles y comprensibles para el análisis empresarial.
¿Cómo se implementa un modelo dimensional usando la metodología de Kimball?
La implementación de un modelo dimensional utilizando la metodología de Kimball comienza con la identificación de los procesos de negocio clave y la definición de los hechos y dimensiones relevantes. A continuación, se diseña un esquema en estrella o copo de nieve para representar estos elementos. Se deben considerar aspectos como la granularidad y la conformidad de las dimensiones para garantizar la flexibilidad y la escalabilidad del modelo. Finalmente, se implementa el modelo en un sistema de almacenamiento de datos adecuado.
¿Qué ventajas ofrece el modelo dimensional de Kimball frente a otros enfoques?
El modelo dimensional de Kimball ofrece varias ventajas, como la facilidad de uso y comprensión para los usuarios finales, lo que facilita el acceso a los datos y la toma de decisiones informadas. Además, su estructura simplificada permite realizar consultas de manera eficiente y rápida. Este enfoque también es escalable, lo que significa que puede crecer con las necesidades de la organización sin requerir rediseños significativos.
¿Qué papel juegan las dimensiones y los hechos en el modelado dimensional según Kimball?
En el modelado dimensional de Kimball, las dimensiones y los hechos son componentes esenciales. Las dimensiones proporcionan el contexto necesario para interpretar los datos, describiendo atributos como el tiempo, la ubicación o el cliente. Los hechos, por otro lado, son los datos cuantitativos que se analizan, como ventas o ingresos. Juntos, permiten a los analistas de negocio realizar consultas y análisis complejos de manera intuitiva y eficiente.
ComentarCompartir ↗

AUTOR

José Miguel Calzada

Con más de 20 años de experiencia en el mundo de la informática, he acabado especializándome en las tecnologías relacionadas con bases de datos, Business Intelligence y plataforma Windows.En el campo de Business Intelligence trabajo con productos de las empresas Microsoft y SAP (Business Objects).En…

Deja una respuesta