Metodología Kimball

     

     La metodología de Kimball proporciona una base empírica y metodológica perfectamente adecuada para las implementaciones de almacenes de datos, dada su gran versatilidad y su enfoque ascendente, que permite construir los almacenes en forma escalonada.   Además presenta una serie de herramientas, tales como planillas, gráficos y documentos, que proporcionan una gran ayuda para iniciarse en el ámbito de la construcción de un Datawarehouse. 

     Kimball plantea una serie de fases y artefactos para obtener mejores resultados, denominada LA METODOLOGIA KIMBALL:

1. Análisis de requerimientos.

Paso 1:  Identifica las preguntas para las que queremos tener respuesta y los objetivos que se quieren conseguir con el nuevo sistema.

Paso 2: Analiza las preguntas para determinar las perspectivas de análisis y los indicadores de negocio.

Paso 3: Diseña un modelo conceptual, que incluira las perspectivas e indicadores identificados. A través del modelo se podrán alcanzar claramente cuales son los alcances del proyecto, y será un punto de partida con alto nivel de definición para su exposición a los usuarios y responsables.

2. Análisis de los sistemas transaccionales.

Paso 1:  Determinación de indicadores: identificar el origen de los indicadores en los sistemas transaccionales y determinar la forma de su calculo.

Paso 2: Correspondencias: establecer correspondencias entre los elementos definidos en el modelo conceptual y las fuentes de datos existentes en elos OLTP (sistemas transaccionales).

Paso 3: Definición del nivel de granuralidad: nivel de detalle de los datos a obtener para cada dimensión de análisis.Modelo conceptual ampliado con los campos identificados para cada perspectiva.

3. Modelo lógico del ETL: 

     Es el proceso que permite a las organizaciones mover datos desde múltiples fuentes, reformatearlos y limpiarlos, y cargarlos en otra base de datos, data mart, o data warehouse para analizar, o en otro sistema operacional para apoyar un proceso de negocio.

Paso 1:  Tipo de modelo lógico del DW: selección del tipo de esquema que utilizaremos (estrella, copo de nieve, etc).

Paso 2: Tabla de dimensiones: construcción de las tablas de dimensiones para cada una de las perspectivas de análisis considerada.

Paso 3: Tablas de Hechos: definición de las tablas de hechos que contendrá

la información a partir de los cuales construiremos los indicadores de análisis.

Paso 4: Uniones: relaciones entre las tablas de dimensiones y las tablas de hechos.

4. Procesos ETL: analisis, definición y desarrollo de todos aquellos procesos necesarios, los cuales son:

• Extracción:  consiste en extraer los datos desde los sistemas de origen.



•  
• 
  
•  Transformación: Transformar los datos extraídos de las fuentes operacionales: limpieza, estandarización. Calcular los datos derivados: aplicar las leyes de derivación. 

Añadir leyenda

• Carga: consiste en mover los datos desde las fuentes operacionales o el almacenamiento intermedio hasta el almacén de datos y cargar los datos en las correspondientes estructuras de datos

5. Perfomance y mantenimiento del DW: ajustes en el diseño del DW y mantenimiento en el tiempo, la cual es una tarea iterativa en la que se trata de incrementar su alcance aprendiendo de las experiencias anteriores. Después de implantarse, debería realizarse una revisión del Data Warehouse planteando preguntas que permitan, después de los seis o nueve meses posteriores a su puesta en marcha, definir cuáles serían los aspectos a mejorar o potenciar en función de la utilización que se haga del nuevo sistema.