VolverBack

Datawarehouse - WebApp Música Data Warehouse - Music WebApp

Repositorio Datawarehouse

Resumen

Datawarehouse para una aplicación de música, construido para analizar sus datos y apoyar la toma de decisiones. Los datos de la app estaban en un archivo CSV y se llevaron a un modelo analítico en Oracle.

Qué construí

  • Un Datawarehouse con modelo copo de nieve; el análisis de las tablas de dimensión se realizó con cubos OLAP.
  • Objetos en Oracle PL/SQL para el proceso ETL.
  • Un orquestador en Java que gestiona el proceso ETL desde el archivo CSV.
  • Visualización en Tableau como herramienta DSS para la toma de decisiones.

Arquitectura y decisiones técnicas

  • Separación OLTP/OLAP: los datos de origen se transforman a un modelo dimensional pensado para consulta analítica, no para transacciones.
  • Copo de nieve: normaliza las dimensiones, reduciendo redundancia a cambio de más uniones al consultar.
  • Lógica ETL en la base de datos: los objetos PL/SQL viven junto a los datos, y el programa en Java solo coordina el flujo de trabajo.

Resultados

Un flujo completo de inteligencia de negocio: del CSV al Datawarehouse y de ahí a visualizaciones para análisis.

Stack

Oracle Database (PL/SQL), Java, Tableau, Git/GitHub.

Overview

A data warehouse for a music application, built to analyze its data and support decision making. The app’s data was stored in a CSV file and was brought into an analytical model on Oracle.

What I built

  • A data warehouse with a snowflake schema; the dimension tables were analyzed with OLAP cubes.
  • Oracle PL/SQL objects for the ETL process.
  • A Java orchestrator that runs the ETL process from the CSV file.
  • Visualization in Tableau as a DSS tool for decision making.

Architecture and technical decisions

  • OLTP/OLAP separation: source data is transformed into a dimensional model designed for analytical queries, not transactions.
  • Snowflake schema: normalizes the dimensions, reducing redundancy at the cost of more joins when querying.
  • ETL logic in the database: the PL/SQL objects live next to the data, and the Java program only coordinates the workflow.

Key achievements

A complete business intelligence flow: from the CSV to the data warehouse and from there to visualizations for analysis.

Stack

Oracle Database (PL/SQL), Java, Tableau, Git/GitHub.

Tecnologías utilizadas:Technologies used: