Hola a todos los Bintelligers!!

Revisando esta sección me ha surgido una duda que espero que alguien me resuelva:

Imaginar que tenemos la dimensión cliente en nuestro DW y un campo en ella que es número de hijos (por ejemplo) cuando nosotros hicimos la carga hace un mes tenía sólo un hijo, pero en este mes ha nacido su otro hijo y en el operacional aparece con dos.

Ahora en nuestro datawarehouse queremos mantener el estado último d este cliente, ya que no nos interesa para el supuesto.

Cuando haga la carga en este mes..se me ocurren dos acciones a realizar:

-Se debería eliminar los datos de la dimensión Cliente antes de cargar de nuevo toda la dimensión.

-O sería suficiente con actulizar sólo las modificaciones (p.e en ORACLE existe un statement llamado MERGE para carga en datawarehousing que permite esto), es decir, en este caso, el campo número_de_hijos de la dimensión...si es así,me surge la siguiente duda; si en el multidimensional cada cliente tiene claves subrrogadas y desaparece la clave operacional, como se sabe que cliente es el que hay que actualizar???Leí algo de esto hace tiempo...y no estoy muy seguro, ¿en el staging area podría incluirse una tabla que mantuviera la relacion entre tuplas de cliente en el operacional y en el multidimensional?O lo que estoy diciendo es una tontería...

El hecho de no incluir la información historica de la dimensión Cliente y sólo querer guardar el último estado del cliente violaría ña problematica de las dimensiones lentamente cambiantes???

Saludos de nuevo y gracias,

Isaac BG

Efectivamente, el caso que planteas es el típico problema de las dimensiones lentamente cambiantes (SCD).

Si sólo guardas la información actual, en efecto, desaparecerá el problema.

Según tu negocio, puede ser perfectamente asumible ignorar la historia del número de hijos de tus clientes... Pero si vendes algo relacionado con la infancia, puede ser un dato muy interesante desde el punto de vista analítico...

Es decir, en función de tu negocio, podrás omitir o no ese dato histórico concreto... pero lo que es seguro es que tarde o temprano te encontrarás campos de los que deberás guardar la historia.

Plantea tu DWH asumiendo este verdad inmutable :-)

Y eso implica crear claves subrogadas.

Jejje, la verdad que no sirvo para escritor, parece que no e he expresado del todo bien,jejeje, vuelvo a replantear la duda.

Ok, entonces supongamos que no es importante para mi aálisis, sólo quiero guardar el último estado del cliente.

Ahora sigo teniendo esta duda, si semanalmente hiciese la craga de datos en mi DW..se me ocurren dos acciones a realizar (en la segunda es donde tengo la duda):

-Se debería eliminar los datos de la dimensión Cliente antes de cargar de nuevo toda la dimensión.

-O sería suficiente con actulizar sólo las modificaciones, es decir, en este caso, el campo número_de_hijos de la dimensión. Si es así,me surge la siguiente duda;

" si en el multidimensional cada cliente tiene claves subrrogadas y desaparece la clave operacional, ¿Como se sabe que cliente es el que hay que actualizar???"

Leí algo de esto hace tiempo...y no estoy muy seguro, ¿en el staging area podría incluirse una tabla que mantuviera la relacion entre tuplas de cliente en el operacional y en el multidimensional?O lo que estoy diciendo es una tontería...

Saludos y gracias,

Isaac BG

Preguntas si debes eliminar registros, y cargarlos de nuevo, o si debes actualizar los registros existentes.

Eso no tiene que ver con el modelo de datos (que es de lo que ya hablo en toda la serie), tiene que ver con las estrategias de carga.

La respuesta es que depende, hazlo como quieras, pero hazlo bien... :-)

¿Y de que depende? De la base de datos, del tamaño, de si pueden existir usuarios conectados en el momento de la carga.. En general, yo valoro la sencillez, y eso implica el mismo método para todas las dimensiones, y los scripts lo más cortos y sencillos posibles... aunque a veces es necesario mirar el rendimiento...

¿Y cómo lo hago yo? En los últimos proyectos... ni eliminaba registros, ni los actualizaba... Creaba de nuevo todas las tablas de dimensiones (a través de tablas temporales que finalmente renombraba...)

Seguro que se puede hacer, y se hace, de otros maneras.

También preguntas si puedes mantener una tabla con la relación entre las claves operacionales y las claves subrogadas (entiendo que te refieres a la clave subrogada actual)... Por supuesto que sí, aunque para volúmenes pequeños de información podrías incluso utilizar una vista:

WHERE FECHA_FIN_VIGENCIA='21000101'

Más info en:

http://www.businessintelligence.info/serie-dwh/dimensiones-lentamente-cambiantes-scd.html