Procesamiento
Analítico en Línea

¿Qué es OLAP?

El término fue acuñado por E. F. Codd en 1993 como respuesta a las limitaciones de los sistemas transaccionales para el análisis estratégico. OLAP no es una base de datos en sí misma, sino un paradigma de consulta y análisis multidimensional.

Mientras que los sistemas relacionales almacenan datos en tablas bidimensionales (filas y columnas), OLAP organiza la información en estructuras multidimensionales llamadas cubos, que permiten explorar los datos desde múltiples ángulos de forma extremadamente eficiente.

Características esenciales

OLAP vs OLTP

La distinción entre OLAP y OLTP es fundamental para entender cuándo y por qué se usa cada sistema. Son complementarios, no sustitutos.

El Cubo OLAP

El concepto central de OLAP es el hipercubo de datos. Un cubo representa los datos en múltiples dimensiones, donde cada celda contiene una medida (métrica numérica) y cada eje representa una dimensión.

Componentes del modelo dimensional

• Dimensiones

  Perspectivas o categorías de análisis. Ej.: Tiempo, Producto, Cliente, Canal, Geografía. Se organizan en jerarquías (Año → Trimestre → Mes → Día).

• Medidas (Hechos)

  Valores numéricos que se analizan. Ejemplos: ingresos, coste, unidades vendidas, tiempo medio de entrega. Son los valores dentro de las celdas del cubo.

• Jerarquías

  Niveles de agregación dentro de una dimensión. Permiten hacer drill-down (más detalle) o drill-up (más resumen). Ej.: País → Comunidad → Ciudad → Tienda.

• Celdas

  Intersección única de todos los valores de dimensión. Cada celda almacena una o más medidas. Una celda vacía (sparse) es habitual en cubos grandes.

Operaciones Fundamentales

OLAP define un conjunto de operaciones estándar que permiten navegar y explorar el cubo de datos. Son el vocabulario del analista.

• 🔽 Roll-up
  (Drill-up)

  Agrupa datos subiendo en la jerarquía. Reduce el nivel de detalle. Ej.: de ventas por mes a ventas por trimestre o por año. Se aplica una función de agregación (SUM, AVG…).

• 🔼 Drill-down

  Desglosa datos bajando en la jerarquía. Aumenta el nivel de detalle. Ej.: de ventas por país a ventas por ciudad. Es la operación inversa al roll-up.

• ✂️ Slice

  Selecciona una "rebanada" del cubo fijando un valor en una dimensión. Ej.: ver solo las ventas del año 2024. El resultado es un subcubo de dimensión reducida en uno.

• 🎲 Dice

  Selecciona un subcubo aplicando filtros en dos o más dimensiones simultáneamente. Ej.: ventas de electrónica en España durante el Q1-Q2 de 2024.

• 🔄 Pivot
  (Rotate)

  Rota los ejes del cubo para obtener una perspectiva diferente. Es equivalente a transponer una tabla dinámica. Ej.: cambiar filas de producto por filas de región.

• 🔗 Drill-across

  Consulta múltiples cubos o tablas de hechos compartiendo dimensiones comunes. Permite cruzar datos de ventas con datos de inventario, por ejemplo.

• 🌐 Drill-through

  Accede a los datos transaccionales originales (nivel atómico) desde una celda del cubo. Útil para auditar un valor agregado inspeccionando los registros individuales.

Tipos de OLAP

Existen tres grandes variantes arquitectónicas, cada una con ventajas según el volumen de datos, la velocidad requerida y los recursos disponibles.

Arquitectura de un sistema OLAP

Un sistema OLAP no opera de forma aislada. Se integra dentro de un ecosistema más amplio de inteligencia de negocio.

Esquemas del Data Warehouse

MDX y SQL Analítico

Existen dos lenguajes principales para consultar sistemas OLAP: MDX (diseñado para cubos multidimensionales) y SQL con extensiones analíticas (funciones de ventana en bases de datos relacionales).

MDX — Multidimensional Expressions

Lenguaje de consulta específico para cubos OLAP, similar en concepto a SQL pero orientado a estructuras multidimensionales. Desarrollado por Microsoft y adoptado como estándar de facto.

-- Ventas totales por trimestre y categoría de producto
SELECT
  { [Measures].[Ventas], [Measures].[Unidades] } ON COLUMNS,
  NON EMPTY
  { [Tiempo].[Año].[2024].Children } ON ROWS
FROM [Ventas_Cubo]
WHERE ( [Producto].[Categoría].[Electrónica],
        [Geografía].[País].[España] )

SQL Analítico — Funciones de Ventana

El SQL moderno incluye funciones de ventana (window functions) que permiten cálculos analíticos avanzados sin necesidad de un servidor OLAP dedicado.

-- Ventas con acumulado y ranking por región
SELECT
  region,
  mes,
  ventas,
  -- Acumulado temporal (Roll-up parcial)
  SUM(ventas) OVER (PARTITION BY region
               ORDER BY mes
               ROWS UNBOUNDED PRECEDING) AS acumulado,
  -- Ranking dentro de cada región
  RANK() OVER (PARTITION BY region
          ORDER BY ventas DESC) AS ranking,
  -- Comparación con período anterior
  LAG(ventas, 1) OVER (PARTITION BY region
                   ORDER BY mes) AS ventas_mes_anterior
FROM fact_ventas
ORDER BY region, mes;

-- Subtotales automáticos a múltiples niveles (OLAP en SQL puro)
SELECT
  COALESCE(año::text, 'TOTAL') AS año,
  COALESCE(region, 'TODAS')  AS region,
  COALESCE(categoria, 'TODAS') AS categoria,
  SUM(ventas) AS total_ventas
FROM fact_ventas
GROUP BY CUBE(año, region, categoria)
ORDER BY año, region, categoria;

Aplicaciones Reales

OLAP es omnipresente en el mundo empresarial. Cualquier organización que necesite convertir grandes volúmenes de datos históricos en decisiones estratégicas utiliza alguna forma de OLAP.

Herramientas OLAP actuales