A lo largo de los años, la necesidad y la dependencia de los datos en la toma de decisiones ha encabezado la tabla.
La constante implicación en las decisiones de inversión, la mejora de la contratación basada en la IA y la racionalización de las operaciones empresariales son un testimonio del valor de los datos; un conocimiento profundo de los big data puede utilizarse para impulsar el crecimiento.
Ya sean grandes o pequeñas, las empresas recopilan y gestionan datos mediante sistemas de automatización, plataformas CRM o bases de datos. Sin embargo, los datos, en sus múltiples formas y modelos de entrada, se vuelven redundantes e incoherentes, lo que supone un reto para la realización de conjuntos de datos óptimos.
A pesar de estos retos, las empresas están interesadas en aprovechar las valiosas perspectivas de los montones de información en constante crecimiento. La normalización de datos ofrece una solución a este problema. Este hilo de stack overflow sobre la normalización de datos muestra que la normalización existe desde la década de 1970.
En este artículo, destacaremos la normalización de datos, su importancia, las diferentes formas normales y la desnormalización. También proporcionaremos una guía paso a paso para normalizar tablas y algunos casos de uso en el mundo real. Entremos de lleno.
¿Qué es la normalización de datos y por qué es importante?
La normalización de datos implica organizar una base de datos para proporcionar un modelo coherente para la entrada de datos basado en formas normales y terminar con una base de datos relacional como producto final. Para normalizar un conjunto de datos, es necesario eliminar la redundancia en los datos y, como resultado, ahorrar espacio en disco. Todo el proceso tiene como objetivo normalizar los datos y reducir los errores de modificación, permitiendo que se puedan consultar y examinar fácilmente.
Considere los procesos que trabajan con datos extensos. Por ejemplo, la generación de clientes potenciales, las inversiones basadas en datos, la inteligencia artificial (IA) y la automatización del aprendizaje automático (ML). Sin organización, sucesos como la eliminación de celdas de datos compensan los errores. Además, la calidad de sus datos determina su precisión. Esto, secuencialmente, exige el uso de un conjunto de prácticas para proteger los datos, reducir las anomalías y desbloquear múltiples beneficios.
La normalización de datos mejora la arquitectura general de su base de datos, organizándola en estructuras lógicas coherentes. La coherencia de los datos en sus empresas mantiene a todo el mundo en la misma página, ampliando la estabilidad en los equipos de investigación, desarrollo y ventas, mejorando el flujo de trabajo general. Además de reducir el espacio en disco, la normalización de los datos acelera el tiempo de procesamiento, el análisis y la integración de datos.
En cuanto a los costes, una reducción se produce en cascada a partir de otros beneficios. Por ejemplo, la reducción del tamaño de los archivos lleva a utilizar menos almacenamiento y procesadores más pequeños. Con un flujo de trabajo mejorado, la accesibilidad sin fisuras a la base de datos ahorra tiempo, lo que mejora la productividad general de la empresa.
Además, normalizar los datos mejora la seguridad, sucesivamente a partir de una organización uniforme. Esto ha llevado a los desarrolladores a adoptar la normalización de datos en la programación orientada a objetos para optimizar sus proyectos, elevando su flexibilidad y capacidad de expansión.
Desentrañar el proceso de normalización de datos
Equipado con una sólida base sobre la normalización de datos y cómo puede ayudar a su organización, el siguiente paso es aprender cómo funciona el proceso. Dependiendo de su tipo específico de datos, la normalización puede tener un aspecto diferente.
Un buen enfoque empieza por señalar la necesidad de la normalización. Puede tratarse de problemas de comunicación, informes poco claros, mala representación de los datos, etc. La precisión de las necesidades es un pivote para el siguiente paso, la elección de las herramientas adecuadas.
Dado que el panorama tecnológico está en constante evolución, el mercado está inundado de múltiples herramientas de software de gestión de activos informáticos para todos los tamaños de empresa. La mejor solución tendrá funciones de normalización. De hecho, algunas herramientas como InvGate Insight harán toda la normalización según su inventario informático.
Aunque estas herramientas son útiles, necesitará comprender la lógica subyacente de la normalización; la trataremos en la siguiente sección. Las reglas definidas aquí guían la forma de establecer las relaciones entre las tablas.
A continuación, deberá examinar las relaciones entre sus tablas y determinar los atributos, las dependencias y las claves primarias. Esto, a su vez, revela las anomalías que debe abordar. Ahora puede aplicar reglas de normalización que se ajusten a sus necesidades específicas para el conjunto de datos. En pocas palabras, está dividiendo las tablas y creando relaciones entre ellas utilizando claves para asegurarse de que cada dato se almacena en un único lugar.
Por último, valide la información para comprobar su precisión, integridad y coherencia. Si surgen errores potenciales debido al proceso de normalización o anomalías, es posible que tenga que realizar ajustes… Considere la posibilidad de documentar la estructura de datos normalizada para futuras actualizaciones y un mantenimiento sin problemas. Para la documentación, incluya el esquema, las relaciones entre tablas, las restricciones de clave primaria y foránea y las dependencias.
Lea también: Cómo crear restricciones de clave foránea en SQL
¿Cuáles son las diferentes formas normales?
La normalización de datos se basa en un conjunto de reglas denominadas formas normales. Las reglas se caracterizan por niveles, en los que cada regla se basa en su predecesora: sólo se puede aplicar un segundo nivel si se cumple el primero, un tercero si se cumple el segundo, y así sucesivamente. Existen seis formas normales, pero una base de datos se considera normalizada al alcanzar la tercera etapa. Profundicemos en cada una de ellas.
Primera forma normal (1NF)
Siendo la técnica de normalización más básica y la base, esta etapa elimina las entradas redundantes en un grupo – cada registro debe ser único. Esto significa tener una clave primaria, sin n valores dentro de una lista, sin grupos que se repitan, y columnas atómicas en las que cada celda tiene un registro único y distinto que no puede dividirse más. Por ejemplo, puede tener registros con una columna titulada nombre, dirección, sexo y compra.
Segunda forma normal (2NF)
Una vez satisfechas las reglas de la 1NF, puede pasar a la 2NF. El objetivo es eliminar las entradas repetitivas asegurándose de que los subgrupos de datos de varias filas de las tablas se extraen y se presentan en una nueva tabla con conexiones que los atraviesan. Para mayor claridad, todos los subconjuntos de sus datos existentes en múltiples filas se colocan en tablas separadas.
A continuación, puede crear relaciones entre las nuevas tablas y etiquetar las claves. Esto implica eliminar las dependencias parciales en las que las tablas relacionales que tienen claves primarias con dos o más atributos se asignan a una nueva tabla con etiquetas clave correspondientes a la clave primaria. La vinculación puede realizarse utilizando restricciones de clave ajena.
Para ampliar el ejemplo anterior, los registros de compras, digamos galletas (y sus tipos), se colocan en otra tabla, con una clave ajena correspondiente para el nombre de cada persona.
Tercera forma normal (3NF)
Para realizar la 3NF, es necesario que se cumpla la segunda forma normal, lo que, a su vez, requiere que se ratifique la primera forma normal. La regla aquí es que los modelos de datos 3NF sólo deben depender de la clave primaria – sin dependencias funcionales transitivas. Si modifica la clave primaria (borrándola, insertándola o sustituyéndola), todos los datos que dependan de la clave primaria se canalizarán a una nueva tabla.
Imagine un registro con nombres, direcciones y sexo. Si cambia el nombre de una persona, su género puede verse modificado. Para solucionarlo, el género 3NF obtiene una clave ajena y una nueva tabla para almacenar los datos. Vamos a poner un ejemplo para mostrar esto; siga leyendo. A estas alturas, sus datos están normalizados. Pero repasemos los niveles superiores.
Cuarta forma normal (4NF)
Las variantes superiores de la 3NF -la Forma Normal Boyce-Codd (BCNF)-, atribuidas a Raymond F. Boyce y Edgar F. Codd, se basan en el marco Boyce-Codd, que aborda las dependencias multivaluadas. Y ahora que los datos están normalizados, no se utilizan habitualmente. Sin embargo, las empresas que trabajan con conjuntos de datos complejos que cambian con frecuencia deberían considerar la posibilidad de satisfacer las normas restantes.
Como era de esperar, 4NF sólo puede realizarse si se ha cumplido 3NF. Se elimina cualquier dependencia no trivial, excluyendo los niveles para una clave candidata. Una tabla BCNF sigue que para cada dependencia funcional (X -> Y). Un ejemplo sería una tabla con `proyectos`, `empleados` y sus habilidades. Aplicando 4NF, se puede dividir en dos tablas, lo que se ilustra en la guía paso a paso.
Antes de avanzar a 5NF, la forma normal de tupla esencial (ETNF) es un intermediario. Se utiliza con restricciones de unión y dependencias funcionales. Aquí tiene la propuesta de ResearchGate para evitar las tuplas redundantes en las bases de datos relacionales si desea explorar los detalles.
Quinta y sexta forma normal (5NF y 6NF)
Conocida también como forma normal proyecto-unión (PJ/NF), esta etapa elimina las dependencias cíclicas en tablas y atributos. Se centra en los casos en los que se utiliza una combinación de atributos como claves en una tabla. Una tabla entra en esta categoría si cumple la 4NF y no puede dividirse en tablas más pequeñas sin utilizar datos. El objetivo es señalar y aislar múltiples relaciones semánticas.
Y antes de llegar a 6NF, el nivel más alto, tenemos la forma normal de clave de dominio (DK/NF). Una base de datos no puede tener restricciones más allá de las opciones de clave y dominio. En este caso, todas las relaciones de restricción son una secuencia lógica de claves y dominios definidos. Con 6NF, una base de datos debe cumplir las reglas de 5NF y no admite dependencias de unión no triviales.
¿Qué es la desnormalización?
La desnormalización consiste en optimizar la base de datos añadiendo datos redundantes a una o varias tablas. El proceso no implica una «normalización inversa», sino que es una técnica empleada después de la normalización.
Está introduciendo redundancia precomputada a través de un enfoque que resuelve los problemas derivados de los datos normalizados. Este enfoque implica dividir las tablas, añadir columnas derivadas y redundantes, y duplicar las bases de datos.
Al ajustar el rendimiento de las bases de datos, la desnormalización favorece las operaciones en las que el tiempo es un factor crítico. Como resultado, puede recuperar datos más rápidamente basándose en menos uniones. Además, simplifica las consultas (y tiene menos errores que corregir) porque hay menos tablas con las que trabajar.
En el lado negativo, introduce algunas desventajas; la redundancia de datos implica más almacenamiento, la inconsistencia, las actualizaciones y las inserciones conllevan gastos, y aumenta relativamente la complejidad del código.
Cómo normalizar tablas: Una guía paso a paso
Pongamos un ejemplo para recorrer todas las formas nominales. Empezaremos con una tabla estándar que ilustra la progresión de 1NF a 6NF. Consideremos una tabla con información sobre los libros, autores y géneros de una biblioteca.
La tabla no está en 1NF ya que hay atributos multivaluados (Autores y Géneros), y las filas no son únicas.
| BookID | Título | Autor | Género | Año de publicación |
|---|---|---|---|---|
| 1 | «Libro1 | Autor1, Autor2 | Ficción, Misterio | 2010 |
| 2 | «Libro2» | Autor2, Autor3 | Fantasía | 2015 |
| 3 | «Libro3» | Autor1, Autor3 | Misterio | 2012 |
Primera forma normal
Para lograr la 1NF, divida los atributos multivaluados en filas separadas. Esto hace que todas las celdas tengan valores únicos; no hay grupos repetidos.
| BookID | Título | Autor | Género | Año de publicación |
|---|---|---|---|---|
| 1 | «Libro1 | Autor1 | Ficción | 2010 |
| 1 | «Libro1 | Autor2 | Misterio | 2010 |
| 2 | «Libro2 | Autor2 | Fantasía | 2015 |
| 2 | «Libro2 | Autor3 | 2015 | |
| 3 | «Libro3 | Autor1 | Misterio | 2012 |
| 3 | «Libro3» | Autor3 | 2012 |
Segunda forma normal
Una vez satisfecha la 1NF, pase a la 2NF. Elimine las dependencias parciales creando tablas separadas para la información relacionada. Descomponemos la tabla en tablas Libros, Autores y Géneros, vinculándolas mediante claves foráneas.
Autores:
| AuthorID | Autor |
|---|---|
| 1 | Autor1 |
| 2 | Autor2 |
| 3 | Autor3 |
Géneros:
| GenreID | Género |
|---|---|
| 1 | Ficción |
| 2 | Misterio |
| 3 | Fantasía |
Libros
| BookID | Título | AñoPublicado |
|---|---|---|
| 1 | «Libro1 | 2010 |
| 2 | «Libro2 | 2015 |
| 3 | «Libro3 | 2012 |
BookAuthors
| BookID | AuthorID |
|---|---|
| 1 | 1 |
| 1 | 2 |
| 2 | 2 |
| 2 | 3 |
| 3 | 1 |
| 3 | 3 |
LibrosGéneros:
| BookID | GenreID |
|---|---|
| 1 | 1 |
| 1 | 2 |
| 2 | 3 |
| 3 | 2 |
Tercera forma normal
En esta etapa eliminamos las dependencias transitivas, dejando que cada atributo dependa de la clave primaria. Aquí las tablas Autores y Géneros permanecen sin cambios. Pero la tabla Libros se normaliza para eliminar las dependencias. Como las anomalías se eliminaron en la etapa anterior, las tablas serán similares a las de 2NF.
Esto significa que podemos concluir la normalización. Si fueran necesarios más pasos (por ejemplo, 4NF, 5NF), dependería de las características específicas de los datos. En el caso de 6NF, estaría manejando dependencias de unión no triviales. Aunque es necesario en casos muy especializados, conseguirlo puede implicar una mayor descomposición o reestructuración de las tablas para eliminar las dependencias de unión complejas. Rara vez se utiliza en la práctica, y su aplicación se basa en las características únicas de los datos y los requisitos de la base de datos.
Ejemplos del mundo real y casos de uso
La normalización de datos se utiliza en varios sectores para mejorar la integridad de los datos y optimizar el rendimiento. Entre estos sectores se encuentran las finanzas, la sanidad, el comercio electrónico, la educación, las telecomunicaciones, los recursos humanos, la cadena de suministro y los gobiernos, etc.
Si trabaja con una base de datos de comercio electrónico, la normalización podría implicar la separación de los detalles de los clientes y los pedidos, con una tabla «Clientes» que almacene los datos de los clientes y otra «Pedidos» que gestione la información específica de los pedidos. Esto optimiza el almacenamiento de datos y agiliza las consultas en los sistemas dinámicos de comercio electrónico.
En el ámbito de la educación, una base de datos universitaria puede normalizarse para realizar registros independientes. Por ejemplo, tener una tabla almacén para los detalles de los estudiantes mientras que una de matrícula gestiona las inscripciones a cursos específicos, vinculando estudiantes y cursos. Esto permite una recuperación eficaz de los datos y el mantenimiento de la base de datos.
Conclusión
En este artículo, hemos introducido la normalización de datos, una técnica de optimización de bases de datos que permite erradicar la redundancia de datos. También hemos mostrado cómo normalizar los datos utilizando las formas normales disponibles y hemos dado un ejemplo de procedimiento para simplificar el proceso.
Aunque sólo se puede llegar a ser bueno normalizando datos con la práctica, esperamos que estos conocimientos le proporcionen un modelo base sobre el que pueda construir sus operaciones de base de datos. Recuerde que una normalización excesiva podría dar lugar a consultas complejas, superando incluso la lógica para hacerla, por lo que debe hacerlo con cautela.