El filtrado de datos con frecuencia es necesario al analizar datos para reducir el conjunto de resultados para que sea más significativo para el usuario empresarial. Normalmente, es posible que desee recuperar los detalles de ventas para un país o región en particular, para una determinada gama de productos o clientes específicos (nuevos clientes, clientes que no han pedido ningún producto durante más de un año). Estos tres ejemplos se refieren al filtrado basado en atributos.
Por otro lado, es posible que desee filtrar datos basados en indicadores. Por ejemplo, es posible que desee enumerar solo los pedidos de cliente para los que el importe total supera un umbral.
Los dos enfoques también se pueden combinar, por ejemplo, cuando desea recuperar la lista de clientes de EE. UU. que han creado más de 10 pedidos durante el último mes. En este caso, el filtrado de datos por país (EE. UU.) se puede realizar lo antes posible en el flujo de datos, pero debe calcular el número total de pedidos por cliente (para el último mes) antes de aplicar el umbral (10).
Por lo tanto, el filtrado a veces es una cuestión de mitigar entre el rendimiento (filtrar lo antes posible) y la consistencia del resultado que obtiene (filtrar demasiado pronto sin cuidado puede provocar resultados incorrectos). Esto es especialmente cierto cuando se agregan datos.
Criterios de filtro: ¿de codificación fija en la vista de cálculo o flexible en tiempo de ejecución?
Una pregunta clave al definir filtros es si deben codificarse de forma fija en la vista de cálculo o proporcionarse en tiempo de ejecución para proporcionar más flexibilidad. Es posible ejecutar una consulta con una herramienta de informes que transfiere diferentes criterios de filtro a la vista de cálculo.
Un objetivo principal durante el modelado es minimizar las transferencias de datos entre la base de datos y las herramientas de consumo del front end. Por ejemplo, un usuario final nunca necesitará mostrar un millón de filas de datos. Una cantidad tan grande de información simplemente no puede ser consumida de una manera significativa.
Siempre que sea posible, los datos deben agregarse y filtrarse a un tamaño manejable antes de dejar la capa de datos en su camino hacia la herramienta de informes front end.
