Tabla de hechos sin hechos

Las tablas sin hechos simplemente significan la clave disponible en el hecho de que no hay remedios disponibles. Las tablas de hechos sin hechos solo se utilizan para establecer relaciones entre elementos de diferentes dimensiones. Y también son útiles para describir eventos y cobertura, lo que significa que las tablas contienen información de que no ha pasado nada. A menudo representa relaciones de muchos a muchos.

Lo único que tienen es una clave abreviada. Todavía representan un fenómeno focal que se identifica por la combinación a la que se hace referencia en las tablas de dimensiones.

Hay dos tipos de tablas sin datos:
1. Tablas de seguimiento de eventos:
Utilice una tabla de hechos sin hechos para realizar un seguimiento de los eventos de interés para la organización. Por ejemplo, se puede realizar un seguimiento de la asistencia a un evento cultural creando una tabla de hechos que contenga las siguientes claves externas (es decir, enlaces a tablas de dimensiones): identificador de evento, identificador de orador/entretenimiento, identificador de participante, tipo de evento; Fecha. En esta tabla se puede buscar información, como las más populares. Qué programa cultural o tipo de programa. El siguiente ejemplo muestra una tabla de hechos sin hechos que registra cada vez que un estudiante asiste a un curso o qué clase tiene la asistencia máxima. ¿O cuál es el promedio de asistencia a un curso determinado? Todas las preguntas se basan en COUNT() con preguntas de grupo BY. Entonces, primero podemos contar y luego implementar otras funciones agregadas como Aggress, Max, Min.

2. Tablas de cobertura: Ralph
llama al segundo tipo de tabla de hechos sin datos una tabla de cobertura . Se utiliza para respaldar los informes de análisis negativos. Por ejemplo, para crear un informe de que una tienda no vendió un producto durante un cierto período de tiempo, debe tener una tabla de hechos para capturar todas las combinaciones posibles. Entonces puedes averiguar lo que falta. Ejemplos comunes de tabla de hechos sin hechos: Ex-visitantes a la oficina. Lista de personas para el clic web. Seguimiento de la asistencia de los estudiantes o eventos de registro.

Actualizar a la tabla de dimensiones:

• Cada día se realizan más y más ventas, por lo que se agregan más y más filas a la tabla de hechos.
• La actualización debido al cambio en la tabla de hechos ocurre muy raramente.
• Las tablas de dimensiones son más estables en comparación con las tablas de hechos.
• La tabla de dimensiones cambia debido al cambio en los atributos en sí, pero no a un aumento en el número de filas.

Dimensiones que cambian lentamente:

• Las dimensiones son generalmente constantes en el tiempo, pero si no son constantes, cambian lentamente. El ID de cliente del registro sigue siendo el mismo, pero el estado civil o la ubicación del cliente pueden cambiar con el tiempo.
• En el sistema OLTP, cada vez que ocurre un cambio de este tipo en los valores de los atributos, los valores antiguos reemplazan los nuevos valores sobrescribiendo los antiguos.
• Pero en un almacén de datos, sobrescribir los atributos no es la solución, ya que siempre se requieren datos históricos para el análisis.
• Entonces, hacer tales cambios en los atributos tiene 3 tipos diferentes:

1. Cambios de tipo 1
2. Cambios de tipo 2
3. Cambios de tipo 3

Mesas de grandes dimensiones:

• Las mesas de grandes dimensiones son muy profundas y anchas.
• Profundo significa que tiene una gran cantidad de filas y ancho significa que puede tener muchos atributos o columnas.
• Para manejar grandes dimensiones, se pueden sacar algunas mini dimensiones de una gran dimensión según el interés. Estas minidimensiones se pueden representar en forma de un esquema de estrella.
• Por ejemplo, el esquema en estrella de análisis de pedidos mencionado anteriormente es una de las minidimensiones de una empresa de fabricación en la que está interesado el departamento de marketing de la empresa.
• Los clientes y los productos son generalmente de grandes dimensiones.
• Las grandes dimensiones son generalmente lentas e ineficientes debido a su tamaño. Tienden a tener varias jerarquías para realizar diversas operaciones OLAP, como profundizar o resumir.

Dimensiones que cambian rápidamente o grandes que cambian lentamente:

• En los cambios de tipo 2, se crea una nueva fila con el nuevo valor del atributo modificado. Esto preserva la historia o los valores antiguos de los atributos.
• Si hay un cambio nuevamente en algún atributo, nuevamente se crea una nueva fila de la tabla de dimensiones dentro del nuevo valor.
• Esto es factible si la dimensión cambia con poca frecuencia, como una o dos veces al año. Por ejemplo, la dimensión del producto, que tiene filas en miles, rara vez cambia, por lo que es manejable.
• Pero en el caso de las dimensiones del cliente, donde varias filas son millones y cambian con poca frecuencia, los cambios de tipo 2 son factibles y no muy difíciles. Si las dimensiones del cliente cambian rápidamente, entonces los cambios de Tipo 2 son problemáticos y difíciles.
• Si la tabla de dimensiones cambia rápidamente y es grande, divida esa tabla de dimensiones en una o más tablas de dimensiones más pequeñas.