Estrategia de modelado que desnormaliza por completo hechos y dimensiones en una única tabla ancha masiva para maximizar la velocidad de consulta en Cloud Warehouses.
Explicación y Contexto Conceptual
El paradigma One Big Table (OBT o 'Una Gran Tabla') ha ganado enorme popularidad con la proliferación de almacenes de datos columnares como BigQuery, Snowflake y ClickHouse. En las bases de datos relacionales tradicionales de hace 20 años, duplicar texto millones de veces era prohibitivo por los costos de disco; por ello se inventaron los esquemas relacionales con JOINs.
Sin embargo, en los Cloud Data Warehouses modernos, el almacenamiento columnar comprime cadenas de texto repetidas de forma casi gratuita (usando codificación por longitud de ejecución / RLE y compresión Parquet/ORC), mientras que los JOINs entre tablas masivas continúan siendo la operación más demandante en cómputo y dinero.
OBT une de antemano la tabla de hechos con todas sus dimensiones en una sola tabla precalculada de 150 columnas. Cuando un dashboard ejecuta un filtro, el motor solo lee las 3 columnas solicitadas con cero latencia de JOIN.
Ejemplo en la Práctica
Un equipo de growth compila todos los eventos de leads, fuentes UTM y transacciones en una OBT de 50 millones de filas; sus dashboards de BI cargan en menos de 1 segundo.