Diseño multidimensional

Jordi Conesa i Caralt

Isabel Guitart Hormigo
M. Elena Rodríguez González
Índice

 Necesidades de los analistas y herramientas OLAP

 Multidimensionalidad
 Diseño lógico
Necesidades de los analistas
¿Los sistemas relacionales son adecuados para los analistas?

¿ Cómo han evolucionado las ventas de los

diferentes productos durante el mes de marzo
respecto al mismo mes del año pasado ?
Necesidades de los analistas
¿Los sistemas relacionales son adecuados para los analistas?

¿ Cómo han evolucionado las ventas de los

diferentes productos durante el mes de marzo
respecto al mismo mes del año pasado ?
El sistema decisional no
debe ayudar a vender,
comprar, producir o
transportar, sino a
evaluar, comparar,
presupuestar, planificar,
proyectar, etc.
Hojas de cálculo, ¿son la solución?
Excel es una de las herramientas de reporting y análisis
de datos más utilizadas en BI.
Modelo tridimensional: hoja x fila x columna celda
Muy útil para análisis de tipo what if
Hojas de cálculo, ¿son la solución?
Excel es una de las herramientas de reporting y análisis
de datos más utilizadas en BI.
Modelo tridimensional: hoja xNofilason
x columna celda
apropiados para
Muy útil para análisis de tipo what
grandes if cantidades de datos.
 No aportan semántica a los
datos (las celdas se identifican
por sus coordenadas).
 La creación de informes es
compleja
 No facilitan las jerarquías de
agregación. Por ejemplo
ventas por día, por mes, por
año.
Entonces, ¿cuál es la solución?

Necesitamos un sistema híbrido que

proporcione flexibilidad y potencia de
cálculo y la facilidad de consulta de las
bases de datos.

Herramientas OLAP
Herramientas OLAP: características
 Herramientas con la capacidad de procesar consultas en línea con el
objetivo de analizar datos que cumplan con las propiedades FASMI.

FAST
Trespuesta = 5 seg. (20 seg. excepcionalmente)

ANALYSIS
Herramientas de análisis estadístico para responder
preguntas del tipo: why y what if
SHARED
Mecanismos de seguridad, concurrencia y
compartición de datos
INFORMATION
Almacenar y gestionar gran cantidad de datos y de
información (metadatos)
Herramientas OLAP: multidimensionalidad
Objetivos:
 Que los usuarios no dependan del departamento de informática
 Que se puedan formular nuevas preguntas de forma dinámica
 Presentar los datos de la manera que los analistas están
acostumbrados a verlos

 Hechos: datos métricos a analizar

- Qué se quiere analizar
 Dimensiones: datos descriptivos
- Quién, a quién, dónde cuándo, cómo, etc.
 La posición de una celda de información define su
significado.
Índice

 Necesidades de los analistas y herramientas OLAP

 Multidimensionalidad
 Diseño lógico
Multidimensionalidad
 Hechos: datos métricos a analizar
- Qué se quiere analizar
 Dimensiones: datos descriptivos
- Quién, a quién, dónde cuándo, cómo, etc.
 La posición de una celda de información define su significado.

Se representa como

Dimensión Dimensión
Hecho (Fact)
Hipercubos  Cubo
Ventas de
lápices en
Zamora durante
el mes de marzo
del año 2000
Operaciones
 Las operaciones permitidas sobre los hipercubos son:

- Slice (o sesgo)

- Dice (o dado)

- Roll–up (o generalización) Operaciones

Inversas
- Drill down (o especialización)

- Drill across (o navegación entre cubos)

 Estas operaciones pueden encadenarse para satisfacer la necesidades

analíticas de los usuarios.
Operaciones: slice
Hace un “corte” en el hipercubo para reducir el número de dimensiones.
Operaciones: dice
Selecciona un subconjunto del hipercubo sin reducir el número de dimensiones.
Nivel de detalle y jerarquías de
agregación
Supongamos que después de ver el cubo anterior nos interesa consultar la
información por comunidad autónoma en vez de por ciudad.
¿Cómo puede tratarse el cambio en el nivel de detalle?

Definiendo jerarquías de
agregación
Operaciones: roll-up
Reduce el detalle en que se ven los datos según una jerarquía de
agregación previamente definida.
Operaciones: roll-up
Reduce el detalle en que se ven los datos según una jerarquía de
agregación previamente definida.

Sólo es posible si la jerarquía de agregación está

definida
Operaciones: drill down
Operación inversa a roll-up. Aumenta el nivel de detalle en que se ven
los datos según una jerarquía de agregación previamente definida.
Operaciones: drill down
Operación inversa a roll-up. Aumenta el nivel de detalle en que se ven
los datos según una jerarquía de agregación previamente definida.

Sólo es posible si:

1) La jerarquía de agregación está definida.
2) Los datos están definidos en el suficiente nivel de
detalle.
Operaciones: drill across
Cambian en tema/hecho de análisis. Después de la operación
continuamos teniendo las mismas dimensiones pero un hecho distinto.

Ventas Producción
Ejercicio
 Información sobre las compras del mes de abril del 2000 de
portaminas, gomas y tizas agrupadas por comunidad
autónoma. No queremos obtener los resultados sobre la
población de Tarragona.
Ejercicio
 Información sobre las compras del mes de abril del 2000 de
portaminas, gomas y tizas agrupadas por comunidad
autónoma. No queremos obtener los resultados sobre la
población de Tarragona.

Solución:

 Dice(Portaminas, Gomas, Tizas)

 Dice(Todo menos Tarragona)

 Roll-up (Día Mes)

 Roll-up (Población  Comunidad Autónoma)

 Slice(Abril 2000)
Índice

 Necesidades de los analistas y herramientas OLAP

 Multidimensionalidad
 Diseño lógico
Diseño multidimensional: un
problema difícil
 La consulta de información utilizando el modelo
multidimensional es muy sencillo, pero:
– El diseño multidimensional es un proceso complejo.
– La creación y mantenimiento del data warehouse es un
proceso altamente crítico.
– La implantación y mantenimiento de una herramienta OLAP
es complicado.
Para abordar un proyecto de data warehouse es
necesario contar con el soporte profesional
adecuado. Implicando profesionales con gran
conocimiento y experiencia en el tema.
Ejemplo de diseño lógico

¿Esquema
conceptual?
Ejemplo de diseño lógico