Modelo estrella

El modelo estrella responde a una pregunta muy concreta: cómo acomodar las tablas para que un analista pueda contestar preguntas del negocio sin escribir consultas de cuarenta líneas.

La respuesta: una tabla al centro con lo que pasó, y alrededor tablas con el contexto de lo que pasó.

Hechos

La tabla de hechos guarda eventos medibles: una venta, un clic, un envío. Tiene dos tipos de columnas y nada más:

• Métricas: los números que se suman. Cantidad, importe, descuento.
• Llaves foráneas: apuntadores a las dimensiones.

Es larga —millones de filas— y angosta.

Dimensiones

Las dimensiones describen el quién, qué, cuándo y dónde. Cliente, producto, tienda, fecha. Son cortas y anchas: pocas filas, muchas columnas de texto que sirven para filtrar y agrupar.

-- Dimensión: pocas filas, muchos atributos descriptivos.
CREATE TABLE dim_producto (
  id_producto   INT PRIMARY KEY,   -- llave sustituta
  sku           VARCHAR(32),       -- llave del sistema origen
  nombre        VARCHAR(200),
  categoria     VARCHAR(80),
  marca         VARCHAR(80)
);

-- Hechos: muchas filas, casi puros números y llaves.
CREATE TABLE hechos_ventas (
  id_fecha      INT REFERENCES dim_fecha(id_fecha),
  id_producto   INT REFERENCES dim_producto(id_producto),
  id_cliente    INT REFERENCES dim_cliente(id_cliente),
  cantidad      INT,
  importe       DECIMAL(12,2)
);

Con eso, la pregunta "¿cuánto vendimos de calzado por mes?" es un JOIN y un GROUP BY, legible para cualquiera:

SELECT f.mes, SUM(h.importe) AS venta
FROM hechos_ventas h
JOIN dim_fecha    f ON f.id_fecha = h.id_fecha
JOIN dim_producto p ON p.id_producto = h.id_producto
WHERE p.categoria = 'Calzado'
GROUP BY f.mes
ORDER BY f.mes;

Por qué se desnormaliza a propósito

En una base transaccional normalizarías: sacarías categoria y marca a sus propias tablas para no repetir texto. Aquí no, y es deliberado.

Cada tabla extra es un JOIN extra en cada consulta. Como el almacén se optimiza para leer y no para escribir, repetir la palabra "Calzado" diez mil veces sale más barato que obligar a cada consulta a dar un salto más. Cuando sí se normalizan las dimensiones, la estrella se convierte en un copo de nieve (snowflake), y en general se evita.

Llaves sustitutas

Habrás notado el id_producto además del sku. Esa llave sustituta (surrogate key) es un entero que tú generas y controlas. Sirve para dos cosas: te aísla de que el origen cambie su forma de numerar, y es lo que hace posible guardar historia con dimensiones de cambio lento.