En artículos anteriores , nos familiarizamos con los fundamentos de DATA VAULT, la expansión de DATA VAULT a un estado más adecuado para el análisis y la creación del BUSINESS DATA VAULT. Ha llegado el momento de concluir la serie con un tercer artículo.
Como anuncié en el anterior , este artículo estará dedicado al tema de BI, más específicamente a la preparación de DATA VAULT como fuente de datos para BI. Veamos cómo crear tablas de hechos y dimensiones y, de este modo, crear un esquema estrella.
Cuando comencé a estudiar materiales en inglés sobre la creación de vitrinas de datos sobre DATA VAULT, sentí que el proceso era bastante complejo. Dado que los artículos son extensos, incluyen referencias a cambios en las formulaciones que surgieron en la metodología Data Vault 2.0, se subraya la importancia de estas formulaciones.
Sin embargo, al profundizar en la traducción, quedó claro que el proceso no es tan complicado. Pero quizás tengas una opinión diferente.
Así que, vamos al grano.
Tablas de dimensiones y hechos en DATA VAULT
La información más difícil de entender es:
- Las tablas de dimensiones se construyen a partir de la información de los hubs y sus satélites;
- Las tablas de hechos se construyen a partir de la información de los links y sus satélites.
Y esto es obvio, después de leer el artículo sobre . Los hubs almacenan claves únicas de los objetos empresariales, sus satélites guardan el estado de los atributos de los objetos empresariales en un contexto temporal, y los satélites relacionados con los links que soportan transacciones almacenan las características numéricas de esas transacciones.
Con esto, la teoría termina, en principio.
Sin embargo, a mi parecer, es necesario señalar un par de conceptos que pueden aparecer en artículos sobre la metodología DATA VAULT:
- Raw Data Marts – vitrinas de datos 'crudos';
- Information Marts – vitrinas de información.
El concepto de 'Raw Data Marts' se refiere a vitrinas construidas sobre los datos de DATA VAULT mediante la realización de JOINs relativamente simples. El enfoque 'Raw Data Marts' permite ampliar el proyecto de almacenamiento de manera flexible y en poco tiempo con información adecuada para el análisis. Este enfoque no implica realizar transformaciones de datos complejas ni aplicar reglas de negocio antes de que se inserten en la vitrina, sin embargo, los datos de 'Raw Data Marts' deben ser comprensibles para el usuario empresarial y estar destinados a servir de base para futuras transformaciones, por ejemplo, mediante herramientas de BI.
El concepto de “Information Marts” surgió en la metodología Data Vault 2.0, reemplazando el antiguo concepto de “Data Marts”. Este cambio se debe a la comprensión de la tarea de implementar un modelo de datos para la elaboración de informes como una transformación de datos en información. La estructura de “Information Marts” debe, ante todo, proporcionar a las empresas información útil para la toma de decisiones.
Las definiciones algo verbosas reflejan dos hechos simples:
- Las vitrinas del tipo “Raw Data Marts” se construyen sobre un DATA VAULT en estado bruto (RAW), un almacén que contiene solo conceptos básicos: HUBS, LINKS, SATELLITES;
- Las vitrinas “Information Marts” se construyen utilizando elementos del BUSINESS VAULT: PIT, BRIDGE.
Al referirse a ejemplos de almacenamiento de información de un empleado, se puede afirmar que la vitrina que muestra el número de teléfono actual (vigente hoy) del empleado es una vitrina del tipo “Raw Data Marts”. Para formar tal vitrina se utiliza la clave de negocio del empleado y la función MAX(), aplicada al atributo de fecha de carga en el satélite (MAX(SatLoadDate)). Cuando se requiere almacenar el historial de cambios de un atributo en la vitrina, es necesario entender desde qué fecha hasta qué fecha el teléfono fue válido, siendo la clave primaria de tal tabla una compilación de la clave de negocio y la fecha de carga en el satélite, además se añade un campo para la fecha de finalización del período de vigencia.
La creación de una vitrina que almacene la información vigente de cada atributo de varios satélites que pertenecen a un hub, como el número de teléfono, la dirección o el nombre completo, implica el uso de la tabla PIT, a través de la cual se pueden obtener fácilmente todas las fechas de vigencia. Las vitrinas de este tipo se consideran “Information Marts”.
Ambos enfoques son relevantes tanto para dimensiones como para hechos.
Para crear vitrinas que almacenen información de varios links y hubs, se puede recurrir a las tablas BRIDGE.
Con este artículo concluyo el ciclo sobre el concepto de DATA VAULT, espero que la información que he compartido sea útil en la implementación de sus proyectos.
Como siempre, para finalizar, algunos enlaces útiles:
- de Kenta Graziano, que además de una descripción detallada incluye diagramas del modelo;
- Libro: “Building a Scalable Data Warehouse with DATA VAULT 2.0”;
- ;
- .
Fuente: habr.com
