Modelo en copo de nieve (snowflake schema)

¿Qué es?

El modelo en copo de nieve (snowflake schema) es una variante del modelado dimensional en la que las tablas de dimensiones se normalizan en sub-tablas jerárquicas. En lugar de una única tabla de dimensión denormalizada (como en el modelo en estrella), los atributos con jerarquías se descomponen en varias tablas relacionadas.

El nombre viene del diagrama: la tabla de hechos central con dimensiones que, al ramificarse en sub-dimensiones, dibujan una forma parecida a un copo de nieve.

Estructura

En un modelo en estrella, dim_producto contendría todo: producto, categoría, familia, departamento. En copo de nieve se separa:

fact_ventas → dim_producto → dim_categoria → dim_familia → dim_departamento

Cada nivel de la jerarquía es su propia tabla, enlazada por clave foránea. Esto elimina la redundancia (el nombre de la categoría se almacena una vez, no repetido en cada producto).

Estrella vs copo de nieve

	Estrella	Copo de nieve
Dimensiones	Denormalizadas	Normalizadas
Joins por consulta	Pocos	Muchos
Espacio en disco	Más	Menos
Rendimiento de consultas	Mejor	Peor (más joins)
Mantenimiento del modelo	Simple	Complejo
Legibilidad para analistas	Alta	Menor

Cuándo usarlo

El copo de nieve no es el patrón por defecto. Conviene solo en casos concretos:

• Dimensiones enormes con muchos atributos repetidos, donde el ahorro de espacio es significativo.
• Jerarquías compartidas entre varias dimensiones que merece la pena mantener en un único sitio.
• Herramientas o motores que se benefician de tablas normalizadas (algunos productos OLAP antiguos).

En la mayoría de proyectos modernos —con almacenamiento barato y motores columnares como BigQuery, Snowflake o Redshift— el modelo en estrella gana casi siempre: menos joins, consultas más rápidas y un modelo que los analistas entienden a la primera. Curiosamente, la plataforma Snowflake no obliga a usar el esquema del mismo nombre; el copo de nieve es un patrón de diseño, no un producto.

Más información

• Modelo en estrella — el patrón de referencia y su comparación directa
• Data warehouse — donde viven ambos modelos
• Data mart — subconjunto departamental que suele modelarse en estrella

Para evaluar las plataformas analíticas donde se implementan estos modelos, consulta el directorio de Business Intelligence de Dataprix.