📦 Data Warehouse AdventureWorks ETL

Proyecto de Almacenes de datos, que implementa un Data Warehouse completo, transformando la base de datos transaccional AdventureWorks en un modelo dimensional optimizado para la toma de decisiones estratégicas.

🛠️ Tecnologías

• ETL: Pentaho Data Integration (PDI) 9.4
• Base de Datos: PostgreSQL 15+
• Modelado: Esquema Estrella (Star Schema)

🏗️ Arquitectura del Data Warehouse

El modelo consta de una tabla de hechos central (FactVentas) rodeada por 5 dimensiones estratégicas:

1. DimTiempo: Generación dinámica de fechas.
2. DimProducto: Manejo de historial de cambios (SCD Tipo 2) y control de versiones.
3. DimCliente: Normalización geográfica y auditoría de ubicaciones.
4. DimEmpleado: Seguimiento de fuerza de ventas.
5. DimTienda: Análisis por territorio y región.

Características del Proceso ETL

• Orquestación: Job maestro (.kjb) que ejecuta la carga en secuencia lógica (Dimensiones -> Hechos).
• Carga Incremental: Detección automática de cambios (Insert/Update) y manejo de versiones históricas para productos.
• Integridad: Validación de llaves foráneas y limpieza de datos nulos.

🚀 Guía de Despliegue y Pruebas (Paso a Paso)

Para replicar este proyecto en un entorno local, siga este orden estricto de ejecución.

1. Preparación de Bases de Datos

El proyecto requiere dos bases de datos en PostgreSQL:

• Origen (OLTP):

  • Cree una base de datos llamada adventure.
  • Restaure el respaldo que se encuentra en: data/adventure.sql.

• Destino (Data Warehouse):

  • Cree una base de datos vacía llamada AdventureWorksDW.
  • Ejecute el script de estructura DDL ubicado en: sql/01_Estructura_DW.sql.
  • Nota: Este script crea las tablas y las filas "Cero" (Unknown Members) necesarias para la integridad.

2. Ejecución del Proceso ETL

La carga de datos está automatizada mediante un Job maestro de Pentaho.

1. Abra Spoon (PDI).
2. Abra el archivo principal: etl/AdventureWorksDW.kjb.
3. Importante: Verifique y edite las conexiones "Origen_AdventureWorks" y "Destino_DW" si sus credenciales de PostgreSQL son diferentes a las predeterminadas.
4. Ejecute el Job (Botón Play).
   • Resultado esperado: Todas las transformaciones deben finalizar en verde.

3. Verificación de Resultados (Reportes)

Una vez cargado el DW, puede validar los indicadores de negocio.

• Abra pgAdmin en la base AdventureWorksDW.
• Ejecute el script: sql/02_Consultas_Reporte.sql.
• Obtendrá los 5 reportes clave (Ventas mensuales, Top Clientes, Márgenes, etc.).

4. Prueba de Carga Incremental (SCD Tipo 2)

Este proyecto soporta la detección de cambios históricos. Para probarlo:

1. Abra el script: sql/03_Script_Prueba_Incremental.sql.
2. Ejecute la SECCIÓN 1 y 2 en la base de datos adventure (Origen).
   • Esto modificará un producto y creará una venta futura.
3. Vuelva a ejecutar el Job ETL en Pentaho.
4. Ejecute la SECCIÓN 3 del script en AdventureWorksDW (Destino).
   • Validación: Verá que el sistema creó una nueva versión del producto y vinculó la nueva venta correctamente, manteniendo la historia de las ventas pasadas.

📂 Estructura del Repositorio

• /etl: Flujos de trabajo de Pentaho (Transformaciones .ktr y Job .kjb).
• /sql: Scripts DDL para crear las tablas (01_Estructura_DW.sql) y reportes (02_Consultas_Reporte.sql).
• /docs: Informe final en PDF y diagramas del modelo.
• /data: Respaldo de la base de datos origen (adventure.sql).

📊 Resultados de Negocio (Consultas OLAP)

El sistema incluye scripts SQL optimizados para responder las siguientes preguntas de negocio requeridas:

1. Ventas mensuales por categoría de producto: Análisis estacional de ingresos.
2. Ventas anuales por territorio: Rendimiento geográfico comparativo.
3. Top 10 Clientes con mayor facturación: Identificación de clientes VIP (Pareto).
4. Comparación de ventas por empleado: Ranking de productividad del equipo comercial.
5. Margen estimado por producto: Cálculo de rentabilidad real (Precio Venta - Costo Estándar).

---

*Proyecto académico de Almacenes de datos * GRUPO E

• Roberto Alvarez
• Jesus Mendoza