¿Cómo eliges un modelo de datos?

Respuesta directa

Qué debe cubrir una buena respuesta

Cómo funciona

El modelo se elige según quién lo lee y cómo. Los analistas con consultas ad hoc y herramientas de BI quieren un esquema en estrella: tablas de dimensión anchas y tablas de hechos estrechas con un grano declarado, una fila por línea de pedido o por sesión. Las features de machine learning quieren tablas desnormalizadas y correctas en el tiempo. Las búsquedas operativas quieren una forma clave-valor. Todos derivan de una única fuente de verdad modelada donde cada hecho se guarda una vez con su historia, para que un cambio de definición se propague en lugar de divergir. Los patrones de actualización deciden el manejo de dimensiones lentamente cambiantes, y la latencia de consulta decide cuánto se precalcula.

Ejemplo

Un warehouse de retail mantiene fct_order_lines con una fila por línea y claves a dim_customer, dim_product y dim_date; dim_customer es una dimensión de tipo 2, así que un informe del año pasado muestra el segmento que tenía el cliente entonces. El equipo de recomendaciones lee una tabla customer_features desnormalizada reconstruida cada noche desde esos mismos modelos, y ambos coinciden en ingresos porque comparten la tabla de hechos.

Errores frecuentes

• Mezclar granos en una tabla de hechos, de modo que las sumas cuentan doble.
• Sobrescribir atributos de dimensión y reescribir la historia en todos los informes pasados.
• Construir un modelo aparte por panel hasta que no coinciden dos números.

Una estructura útil para responder

Responde desde tu propia experiencia.

No memorices un guion: usa solo ejemplos que puedas explicar con honestidad en preguntas posteriores.