Lección 1Objetos de tienda y ubicación: Store_ID, Store_Name, Region, Country, ChannelDefine objetos de dimensión de tienda y ubicación para análisis de retail. Aprende a modelar identificadores de tienda, nombres, regiones, países y canales, y cómo estos atributos soportan informes de rendimiento geográfico y por canal.
Store_ID as the store business keyStore_Name standards and cleansingRegion and country hierarchiesChannel classification and mappingLocation attributes for filteringLección 2Claves, uniones y alias: técnicas para dimensiones conformadas y múltiples uniones a la misma tablaModela claves, uniones y alias para soportar dimensiones conformadas. Aprende a unir dimensiones compartidas a múltiples hechos, evitar bucles y usar alias de tabla para representar diferentes roles o rutas en el esquema del universo.
Natural versus surrogate keys in designInner and outer join choicesCreating and using table aliasesResolving join loops with contextsValidating join paths with sample queriesLección 3Objetos principales del universo: Sales_Revenue (sum), Units_Sold (sum), Gross_Margin (sum), Discount_Amount (sum)Diseña medidas de hechos de ventas principales de las que dependen los usuarios. Aprende a modelar ingresos, unidades, margen y descuentos como medidas aditivas, define comportamiento de agregación y documenta reglas de negocio detrás de cada métrica en el universo.
Business definition of Sales_RevenueUnits_Sold measure and aggregation rulesGross_Margin calculation and validationDiscount_Amount sourcing and logicMeasure formatting and number scalingLección 4Objetos derivados y calculados: variables para Margin_Pct, Stock_Turnover, Days_of_Inventory, Slow_Mover_FlagCrea objetos derivados y calculados que encapsulen lógica de negocio. Aprende a construir porcentaje de margen, rotación de stock, días de inventario y flags de slow-mover manteniendo fórmulas mantenibles y bien documentadas.
Margin_Pct formula and rounding rulesStock_Turnover calculation optionsDays_of_Inventory business definitionSlow_Mover_Flag thresholds and logicValidating derived metrics with samplesLección 5Objetos adicionales del universo: Selling_Price (detail), Cost_of_Goods_Sold (detail), Stock_Level (snapshot), Stock_Value (calculated)Modela medidas adicionales de detalle y snapshot que enriquezcan el análisis. Aprende a exponer precio de venta, coste de bienes vendidos, nivel de stock y valor de stock, y comprende cuándo usar objetos de detalle versus agregados en informes.
Selling_Price as a detail objectCost_of_Goods_Sold sourcing and rulesStock_Level as a snapshot measureStock_Value as a calculated measureChoosing detail versus aggregated objectsLección 6Manejo de múltiples tablas de hechos: tipos de unión, contextos y alias para prevenir trampas de fan y chasmManeja múltiples tablas de hechos de forma segura dentro de un universo. Aprende estrategias de unión, contextos y alias para evitar trampas de fan y chasm, asegurando que informes combinados de ventas y stock devuelvan resultados precisos sin duplicados.
Identifying fan and chasm trap patternsJoin strategies for multiple fact tablesUsing contexts to isolate fact combinationsAliases to separate incompatible joinsTesting combined sales and stock queriesLección 7Objetos de dimensión: Product_ID, SKU, Product_Category, Product_Subcategory, BrandDiseña objetos de dimensión de producto robustos para análisis. Aprende a exponer IDs, SKUs, categorías, subcategorías y marcas, gestionar atributos de cambio lento y asegurar rollups consistentes de producto en todas las tablas de hechos.
Product_ID as primary business keySKU granularity and uniquenessProduct_Category hierarchy designProduct_Subcategory relationshipsBrand attributes and reporting useLección 8Evitar conteos dobles: definir grano claro, uso de contextos conscientes de agregados, explicación de medidas semi-aditivasComprende cómo prevenir conteos dobles en informes agregados. Aprende a definir un grano de hecho claro, usar objetos y contextos conscientes de agregados, y manejar correctamente medidas semi-aditivas como stock y balances a lo largo del tiempo.
Defining a clear and consistent fact grainAggregate-aware measures and objectsDesigning and using universe contextsSemi-additive measures across timeTesting reports for hidden double countingLección 9Objetos de tiempo: Calendar_Date, Fiscal_Year, Fiscal_Period, Week, Month_To_Date_FlagDiseña objetos de dimensión de tiempo para análisis flexible de períodos. Aprende a exponer fechas de calendario, años fiscales, períodos fiscales, semanas y flags como mes hasta la fecha, habilitando filtros y comparaciones basadas en tiempo consistentes.
Calendar_Date as the base time keyFiscal_Year and Fiscal_Period mappingWeek and month attributes for groupingMonth_To_Date_Flag logic and usageHandling holidays and special periodsLección 10Grano de hecho y modelado: definir hecho de ventas a nivel transacción vs hecho de snapshot de stock, implicaciones del granoDefine y documenta el grano de hecho para cada tabla. Aprende la diferencia entre hechos de ventas a nivel transacción y hechos de snapshot de stock, y cómo las elecciones de grano afectan agregaciones, rutas de perforación y rendimiento de informes.
Transaction-level sales fact definitionStock snapshot fact grain and timingGrain alignment across related factsImpact of grain on aggregationsDocumenting grain for report designersLección 11Identificar áreas de sujeto: hecho de ventas, hecho de stock, maestro de producto, maestro de tienda, dimensión de calendarioDefine las áreas de sujeto de negocio que impulsan el diseño del universo. Aprende cómo los datos de ventas, stock, producto, tienda y calendario se mapean a tablas de hechos y dimensiones, y cómo esta separación soporta informes flexibles y consistentes.
Sales fact subject area definitionStock fact subject area definitionProduct master as a conformed dimensionStore master and location coverageCalendar dimension business requirementsLección 12Campos de auditoría y linaje: Data_Source, Load_Timestamp, Record_Status para resolución de problemas y reconciliaciónIntroduce campos de auditoría y linaje en el universo. Aprende cómo Data_Source, Load_Timestamp y Record_Status soportan resolución de problemas, reconciliación y confianza del usuario, y cómo exponerlos sin confundir a los usuarios finales.
Purpose of Data_Source in reportingUsing Load_Timestamp for recency checksRecord_Status for active or deleted rowsDesigning audit objects for power usersReconciliation techniques using audit data
