¿Qué es un Data Mart? – Diseño, tipos y ejemplo

Definición de Data Mart

Las bases de datos se han vuelto enormes. Especialmente en entornos corporativos, pueden resultar abrumadores. Al igual que con una tienda de comestibles, a veces lo más grande no siempre es mejor. Es genial tener hasta el último artículo en una tienda, pero a veces necesitamos un lugar adonde ir que no sea tan grande. Ingrese al data mart (el Kwik-E-Mart del mundo del almacenamiento).

Un data mart es una sección simple del almacén de datos que ofrece un único conjunto de datos funcionales. En una base de datos de recursos humanos, podríamos crear mercados de datos para «empleados», «beneficios» o «nómina», por nombrar algunos.

Mientras que un data mart es un subconjunto más pequeño de datos, el data warehouse más amplio es como el mega-mart. Alberga todos los datos. Los mercados de datos se pueden crear a partir de una línea de negocio (por ejemplo, finanzas o marketing), pero también puede crearlos en función de departamentos específicos. Piense en una gran organización minorista. Pueden existir mercados de datos para las principales líneas de negocio, pero se pueden diseñar otros mercados para productos específicos. Los ejemplos incluyen productos de temporada, césped y jardín o juguetes.

Implementación de un centro de datos

La implementación de una despensa de datos incluye los conceptos de diseño, construcción, transferencia de datos y acceso a datos.

1. Diseño

Antes de crear un data mart, necesita un diseño sólido. Los pasos básicos del diseño de una despensa de datos son los siguientes:

• Recopilación de requisitos: es necesario capturar y documentar tanto los requisitos técnicos como los comerciales.
• Identificar las fuentes de datos
• Determine el subconjunto de datos: ¿Traerá toda la información de los empleados o un subconjunto de la información?
• Diseñe el diseño físico y lógico del data mart

El diseño lógico significa el esquema de la base de datos. Es decir, las tablas y los campos deben coincidir con lo que hay en el almacén más grande.

2. Construir

Una vez que se establece el diseño, puede comenzar a construir el data mart. Deberá crear las tablas, los campos, los índices y los controles de acceso en la despensa de datos.

3. Transferencia de datos

¿Cómo pueblas el mercado? Este es un paso importante porque los datos deben llegar a la despensa de datos. ¡Y tiene que ser correcto! Es más fácil si ha creado la misma estructura tanto en el almacén como en el centro comercial.

Por ejemplo, la configuración de transferencia de datos del » empleado » podría parecerse a la siguiente tabla que aparece aquí:

Se detallan los campos del almacén y el centro comercial. Tenga en cuenta que algunos campos son un poco diferentes. A pesar de que tenemos los mismos datos, a veces necesitamos borrarlos o modificarlos o tal vez simplemente hacerlos fáciles de usar. El data mart es una gran herramienta para esto.

También deberá determinar una frecuencia para transferir datos. Puede ser cualquier intervalo de tiempo, como diario o semanal. Además, los datos generalmente se sobrescriben cada vez para que los datos en el centro comercial y el almacén estén limpios.

4. Acceso a datos

Aquí es donde todo se junta. Ahora que diseñamos la estructura, construimos el mart y generamos un protocolo de transferencia de datos, ¡podemos comenzar a usar los datos!

Algunas herramientas poderosas que puede desarrollar para impulsar aún más la productividad del usuario final:

• Cree una capa entre el usuario final y el mercado, que traduzca los nombres de las bases de datos en términos comerciales. Por ejemplo: » R_Employee_Var_ID » se convierte en » Employee_ID ».
• Configure consultas guardadas, tablas de resumen, recuentos y medidas. Estos podrían incluir el costo promedio de los pedidos, el número total de empleados o las llamadas abiertas. Los datos de resumen son muy útiles para los usuarios finales, ya que a menudo solo necesitan informar este tipo de información.

Los usuarios tendrán herramientas para consultar la base de datos (Business Objects, Microsoft SQL Query Studio e incluso Excel).

El siguiente gráfico captura el proceso de diseño completo de un data mart.

Beneficios del Data Mart

Los data marts son una poderosa herramienta para el análisis de datos. Dado que los datos están bien empaquetados dentro del mercado y no tiene que ir contra el enorme almacén de datos, no se necesita tanto tiempo para obtener información. Incluso es posible ofrecer mercados de datos a usuarios finales experimentados para que puedan generar sus propios datos. Por ejemplo, puede conectar los almacenes de datos de «nómina» y «empleados» en Microsoft Excel para que los usuarios puedan generar rápidamente tablas dinámicas a partir de los datos.

También puede controlar mejor el acceso con un data mart. No todos los usuarios necesitan acceso a todo el almacén de datos. Ni siquiera necesitan acceso a todos los campos de una línea de productos determinada. Quizás solo necesiten ver datos genéricos de los empleados. Cree una despensa de datos para «empleados» y proporcione solo los campos que deben estar abiertos.

Un data mart aumenta la velocidad de entrega de datos. Es como ir a la tienda por un litro de refresco. ¿Por qué conducir al otro lado de la ciudad hasta el megamercado, caminar hasta la parte trasera y conducir a casa, cuando puede caminar hasta el mercado rápido y tomar su bebida? Es lo mismo en el data mart. Es un conjunto de datos más pequeño creado para un tema específico.

Resumen de la lección

Muy bien, tomemos un momento para revisar lo que hemos aprendido. Un data mart es una porción más pequeña de un data warehouse más grande, donde se almacenan todos los datos en un data warehouse . Los mercados de datos generalmente se dividen en líneas comerciales (marketing o finanzas). Al implementar una despensa de datos, se necesita un diseño que incluya el mismo esquema subyacente que el almacén. Decida qué campos agregar, quién puede acceder a ellos y cualquier traducción o cambio que necesite para presentar los datos a los usuarios finales. Los data marts son herramientas poderosas que ayudan a las empresas a enfocarse en conjuntos de datos manejables, como tomar los datos de ventas de un almacén masivo y trabajar solo con estos datos. Los usuarios tienen la seguridad de que están trabajando con los mismos datos que el almacén, solo una pequeña parte.

Rodrigo Ricardo Editor y fundador