GuíaBásico

Guía de Modelado de Datos para Analítica

Retoma el modelo plano —un hecho y dos dimensiones— que `data-engineering-foundations-guide` dejó deliberadamente incompleto y lo lleva a modelado dimensional real, sobre el mismo caso de Kiosko. Aprendes el proceso de cuatro pasos de Kimball (proceso de negocio, grano, dimensiones, hechos), a decidir con criterio entre star schema, snowflake y tabla ancha (One Big Table) comparando el costo de join con `EXPLAIN`, a historizar una dimensión que cambia con SCD tipo 1 y tipo 2 usando `MERGE INTO`, a unir hechos con dimensiones históricas por el punto exacto en el tiempo (el error más caro de un modelo dimensional), a deduplicar filas repetidas con `ROW_NUMBER()`/`QUALIFY`, y a construir patrones acumulativos: el accumulating snapshot de Kimball para un funnel de sesiones y el cumulative table design de Zach Wilson con columnas tipo arreglo. Todo corre en SQL ejecutado directo sobre DuckDB, con Python como glue code mínimo. Cierra con un capstone que integra un warehouse analítico completo de Kiosko: star con dimensión historizada, accumulating snapshot, cumulative activity y una tabla ancha para el equipo de BI.