Un buen modelado evita el uso o la aparición de datos duplicados, inconsistentes o mal interpretados: si no se modela bien no se puede garantizar la calidad.

Un modelado de datos juega un papel crítico en la escalabilidad, ya que permite que los sistemas crezcan sin perder integridad ni velocidad.

Al definir bien los datos desde el inicio, se evitan errores costosos en desarrollo e integraciones, contribuyendo a mitigar caídas del sistema o inconsistencias.

Facilita que todas las áreas hablen el mismo “idioma de datos”, favoreciendo la toma de decisiones rápidas y con absoluta confianza.

Mejora el rendimiento de sistemas, evita retrabajos y acorta tiempos de desarrollo, ya que el modelado (conceptual y lógico) actúa como un contrato facilitando integraciones confiables.

El objetivo del modelado de datos es ayudar a una organización a funcionar mejor.

Como modelador de datos que recopila, organiza y almacena datos para su análisis, solo podrás alcanzar este objetivo conociendo las necesidades de la empresa. Capturar correctamente esos requisitos empresariales para saber qué datos priorizar, recopilar, almacenar, transformar y poner a disposición de los usuarios, suele ser el mayor reto del modelado de datos.

Por tanto, no nos cansaremos de repetirlo: disponer de una comprensión clara de los requisitos es vital, objetivo que se obtiene preguntando a los usuarios por los resultados que necesitan de los datos. A continuación, puedes empezar a organizar los datos con esos fines en mente.

Mirar innumerables filas y columnas de entradas alfanuméricas es poco probable que aporte algo de luz. La mayoría de la gente se siente mucho más cómoda mirando representaciones gráficas de los datos, que permiten ver rápidamente cualquier anomalía, o utilizando interfaces de pantalla intuitivas de arrastrar y soltar para inspeccionar y unir rápidamente tablas de datos.

Estos métodos de visualización ayudan a limpiar los datos para que sean completos, coherentes y no contengan errores ni redundancias. También te ayudan a detectar distintos tipos de registros de datos que corresponden a la misma entidad en la vida real («ID de cliente» y «Código de cliente», por ejemplo), para luego transformarlos y utilizar campos y formatos comunes, lo que facilita la combinación de distintas fuentes de datos.

Los datos brutos pueden volverse complejos rápidamente, debido a factores como el tamaño, el tipo, la estructura, el ritmo de crecimiento y el lenguaje de consulta.

Mantener modelos de datos pequeños, manejables y sencillos, sobre todo al principio, facilita la corrección de cualquier problema o la inclusión de cambios inesperados. Cuando estés seguro de que tus modelos iniciales son precisos y significativos, puedes ir incorporando más conjuntos de datos, eliminando las incoherencias a medida que avanza.

Hay que buscar una herramienta que facilite los primeros pasos, pero que admita después modelos de datos muy grandes, y que también facilite la combinación rápida mediante múltiples fuentes de datos de distintas ubicaciones físicas.

Entender cómo pueden definirse las necesidades de negocio mediante estos cuatro elementos, te ayudará a organizar los datos de forma que te resulte más fácil ofrecer respuestas.

Por ejemplo, supongamos que tu empresa es una compañía de venta al por menor con tiendas en distintas ubicaciones, y quieres saber qué tiendas han vendido más de un producto específico en el último año. En este caso, los hechos serían los datos históricos de ventas globales (todas las ventas de todos los productos de todas las tiendas para cada día de los últimos «N» años), las dimensiones consideradas son el “producto” y la «ubicación de la tienda»; el filtro es «los 12 meses anteriores», y el orden podría ser «cinco tiendas principales en orden decreciente de ventas del producto dado».

Al organizar los datos mediante tablas individuales para los hechos y las dimensiones, se facilita el análisis para encontrar los mejores resultados de ventas por periodo, así como para responder a otras preguntas de inteligencia empresarial.

Los ordenadores que trabajan con enormes conjuntos de datos pueden encontrarse pronto con problemas de memoria y reducir su velocidad de procesamiento, tanto de entrada como de salida.

Sin embargo, en muchos casos, solo se necesitan pequeñas partes de los datos para responder a las preguntas de la empresa. Lo ideal sería poder simplemente marcar casillas en pantalla para indicar qué conjuntos de datos se van a utilizar, lo que permitiría evitar el despilfarro en el modelado de datos y los problemas de rendimiento.

En ese sentido, te puede ser util consultar información adicional sobre ciencia de datos y análisis de datos.

Un objetivo clave del modelado de datos es establecer una versión de la verdad, frente a la cual los usuarios puedan formular sus preguntas de negocio.

Aunque la gente puede tener opiniones diferentes sobre cómo debe utilizarse una respuesta, no debe haber desacuerdos sobre los datos subyacentes o el cálculo utilizado para llegar a la respuesta.

Por ejemplo, puede ser necesario realizar un cálculo para agregar los datos de ventas diarias y obtener cifras mensuales, que luego pueden compararse para mostrar los mejores o peores meses. En lugar de dejar que todo el mundo eche mano de sus calculadoras u hojas de cálculo (ambas causas comunes de error por parte de los usuarios), puede evitar problemas configurando este cálculo de antemano como parte de su modelado de datos y poniéndolo a disposición de los usuarios finales en el cuadro de mandos.

Cada acción o avance del modelo debe verificarse antes de pasar a la etapa siguiente, empezando por las prioridades de modelado de datos a partir de los requisitos de negocio. A medida que se va iterando, el modelo se va enriqueciendo mientras vamos verificando que cumple con las expectativas de los usuarios.

Por ejemplo, se debe elegir un atributo llamado «clave primaria» para un conjunto de datos, de forma que cada registro del conjunto de datos se pueda identificar de forma única por el valor de clave primaria de ese registro.

Supongamos que has elegido «ProductID» como clave primaria para el conjunto de datos de ventas históricas anterior. Puedes comprobar que esto es satisfactorio comparando el recuento total de filas de «ProductID» en el conjunto de datos con un recuento total de filas distintas (sin duplicados). Si los dos recuentos coinciden, «ProductID» se puede utilizar para identificar, de forma exclusiva, cada registro; si no, deberás buscar otra clave primaria.

La misma técnica puede aplicarse a la unión de dos conjuntos de datos para comprobar que la relación entre ellos es de «uno a uno» o «de uno a muchos» y evitar las relaciones de «muchos a muchos» que dan lugar a modelos de datos demasiado complejos o difíciles de gestionar.

El modelado de datos incluye la orientación sobre la forma en que se utilizan los datos modelados.

Aunque capacitar a los usuarios finales para que accedan por sí mismos a la inteligencia empresarial es un gran paso adelante, también es importante que eviten sacar conclusiones erróneas.

Por ejemplo, tal vez vean que las ventas de dos productos diferentes parecen subir y bajar juntas. ¿Están las ventas de un producto impulsando las del otro (una relación de causa y efecto), o simplemente suben y bajan juntas (simple correlación) debido a otro factor como las incidencias en la economía o la estacionalidad? Confundir causalidad y correlación en este caso podría llevarnos a centrarnos en oportunidades equivocadas o inexistentes, con el consiguiente despilfarro de recursos empresariales.

Un modelado de datos más complejo puede requerir codificación u otras acciones para procesar los datos antes de iniciar el análisis.

Sin embargo, si ese «trabajo pesado» lo puede hacer por usted una herramienta informática, le libera de la necesidad de aprender distintos lenguajes de programación y le permite dedicar tiempo a otras actividades de valor para su empresa. Un producto de software adecuado puede facilitar o automatizar todas las etapas de la ETL de datos (extracción, transformación y carga).

Se puede acceder a los datos visualmente sin necesidad de codificarlos, se pueden reunir distintas fuentes de datos mediante una sencilla interfaz de arrastrar y soltar, e incluso se puede realizar automáticamente el modelado de datos en función del tipo de consulta.

Los modelos de datos en las empresas nunca están grabados en piedra: las fuentes de datos y las prioridades empresariales cambian continuamente. Y debemos asumirlo y prepararlos para que evolucionen.

Por lo tanto, debes planificar su actualización o modificación a lo largo del tiempo. Para ello, debes almacenar tus modelos de datos en un repositorio que facilite su acceso para ampliarlos y modificarlos, y utilizar un diccionario de datos o «referencia rápida» con información clara y actualizada sobre la finalidad y el formato de cada tipo de dato.