Slowly Changing Dimension és una tècnica de modelatge de dades per rastrejar com els canvis en atributs d’una entitat afecten el comportament al llarg del temps. Permet respondre la pregunta clau que tot analista fa quan ocorre un canvi: què era cert quan va passar això.
Exemples pràctics Un canvi de preu d’un producte i el seu impacte en vendes. Un botó que es torna vermell i si els clics es disparen. El to d’una publicació que passa de formal a agressiu i l’efecte en l’engagement.
Cas il·lustratiu Una plataforma de streaming anomenada Metclicks va reclasificar un episodi de la categoria cartoon a realistic i a continuació es va observar un pic de visualitzacions en aquest contingut. Aquest tipus d’esdeveniments són exactament el que Slowly Changing Dimension busca capturar per a anàlisi històric.
Tipus comuns de SCD Tipus 0 sense canvis; els atributs es mantenen congelats en el temps i no es versionen. Tipus 1 sobreescriptura; els nous valors reemplacen els antics sense conservar historial, útil per a correccions sense impacte analític. Tipus 2 versionat complet; es conserven totes les versions amb camps de validesa valid_from i valid_to i un indicador de fila vigent. Tipus 3 memòria curta; només es guarda el valor anterior en un camp prev_x per a comparacions simples.
Consideracions abans de dissenyar SCD Tipus 2 Verifiqueu la qualitat dels atributs entrants ja que errors d’ortografia o problemes de fidelitat comprometen l’historial. Definiu una estratègia clara per a valors nuls; establiu si NULL té significat comercial o si s’ha de normalitzar abans de versionar. Planifiqueu estendre el model per poder incloure nous atributs sense refactoritzacions costoses.
Bones pràctiques Feu el model dimensional extensible per facilitar el seguiment de nous atributs en el futur. Considereu un enfocament híbrid entre SCD Tipus 2 i Tipus 1: aplicar tracking estricte a atributs que impacten el negoci com categoria o país i tracking lleuger a atributs que solen ser correccions com nom o data de registre.
Compressió d’atributs Per detectar canvis és útil comprimir la combinació d’atributs que es rastregen en un identificador únic mitjançant hash o qualsevol procés idempotent. Incloeu la clau de negoci per assegurar que l’identificador representi a qui pertany la informació. Això agilitza la detecció de canvis en els següents passos del procés ETL.
Detecció del canvi Amb funcions de finestra es pot comparar la combinació actual d’atributs contra l’anterior per cada clau de negoci. Marcar una columna booleana change_indicator que sigui veritable quan la combinació sigui nova o diferent facilita filtrar només els punts temporals on realment va ocórrer un canvi rellevant.
Període de validesa Per a cada canvi rellevant establiu valid_from com la data o hora en què la combinació va començar a aplicar-se. Calculeu valid_to mirant la data del següent canvi i restant un instant mínim per tancar el període actual. Si no existeix següent canvi, aquest registre és la versió vigent i el seu valid_to queda obert fins a un màxim convingut, per exemple un valor sentinel.
Sortida final i ús El resultat és una taula dimensional on cada fila representa un període en què un conjunt d’atributs va ser estable per a una entitat. És important després mergear aquesta dimensió amb les taules fact per suportar analítica històrica i reporting. Aquest pas forma part del flux ETL i la seva implementació dependrà de la plataforma i la cadència d’actualització.
Suggeriments pràctics Documenteu clarament quins atributs són SCD Tipus 2 i quins Tipus 1, registreu regles per al tractament de NULL i errors de data, i automatitzeu proves que verifiquin la consistència de les finestres de validesa. Considereu crear identificadors surogats per facilitar joins estables amb les taules fact.
Sobre Q2BSTUDIO Q2BSTUDIO és una empresa de desenvolupament de programari especialitzada en aplicacions a mida i programari a mida per a necessitats empresarials complexes. Som especialistes en intel·ligència artificial i IA per a empreses, desenvolupem agents IA i solucions analítiques integrades amb Power BI. A més oferim serveis de ciberseguretat, serveis cloud AWS i Azure i serveis d’intel·ligència de negoci per convertir dades en decisions accionables. El nostre equip dissenya aplicacions a mida que incorporen models d’intel·ligència artificial, integren agents IA i garanteixen seguretat i compliment mitjançant pràctiques de ciberseguretat modernes.
Com et podem ajudar Si necessites implementar un model de Slowly Changing Dimension Tipus 2, optimitzar els teus pipelines ETL, integrar solucions d’intel·ligència artificial o desplegar infraestructura segura en serveis cloud AWS i Azure, a Q2BSTUDIO podem acompanyar-te des del disseny fins a la posada en producció. Creem programari a mida, desenvolupem agents IA personalitzats, i construïm dashboards amb Power BI per a reporting i serveis d’intel·ligència de negoci que habiliten decisions basades en dades.
Paraules clau aplicacions a mida, programari a mida, intel·ligència artificial, ciberseguretat, serveis cloud AWS i Azure, serveis d’intel·ligència de negoci, IA per a empreses, agents IA, Power BI.
Contacte Posa’t en contacte amb Q2BSTUDIO per a una avaluació gratuïta de la teva arquitectura de dades i un pla per capturar atributs que canvien lentament i millorar la teva analítica històrica i reporting.
