Denormalisatie

Wat is denormalisatie?

Denormalisatie betekent dat je data bewust dubbel, breder of minder strikt gescheiden opslaat. Je doet dat om lezen eenvoudiger of sneller te maken.

In een genormaliseerde database staat klantinformatie bijvoorbeeld in een klantentabel en orderinformatie in een ordertabel. In een denormaliseerde rapportagetabel kan de klantnaam, regio en segment gewoon naast elke orderregel staan.

Dat lijkt dubbel werk, en dat is het ook. Maar voor analyse kan het veel eenvoudiger zijn: minder joins, minder technische kennis en snellere queries.

Waarom denormaliseer je data?

1. Rapporten worden eenvoudiger. Gebruikers zien velden bij elkaar in plaats van verspreid over veel tabellen.

2. Queries lezen sneller. Minder joins betekent vaak minder werk voor de database.

3. Historiek wordt duidelijker. Je kan de klantregio bewaren zoals die was op het moment van verkoop.

4. BI-tools werken prettiger. Een ster-schema gebruikt brede dimensies die goed aansluiten bij rapportering.

Voorbeeld

Een ERP bewaart producten, categorieën en leveranciers in aparte tabellen. Voor rapportering bouw je een dimensietabel dim_product met productnaam, categorie, subcategorie, merk en leverancier in één brede tabel.

Daardoor hoeft elk verkooprapport niet opnieuw vijf tabellen te joinen. De transformatie doet dat één keer gecontroleerd, en rapportbouwers gebruiken daarna de brede dimensie.

Denormalisatie versus normalisatie

Normalisatie voorkomt dubbele opslag en wijzigingsfouten in operationele systemen. Als een klantadres op één plek staat, moet je het maar één keer aanpassen.

Denormalisatie kiest de andere kant voor analyse: makkelijker lezen, soms met dubbele waarden. De dubbele data wordt meestal automatisch opgebouwd vanuit de bron, zodat gebruikers er niet handmatig in schrijven.

Daarom zijn operationele databases vaak genormaliseerd, terwijl data warehouses en semantische modellen bewust denormaliseren.

Waar moet je op letten bij denormalisatie

• Maak de bron duidelijk. Dubbele data moet herleidbaar blijven naar het systeem van record.

• Beheer historiek bewust. Een klantsegment kan wijzigen. Bepaal of oude verkopen het oude of nieuwe segment moeten tonen.

• Gebruik vaste definities. Denormalisatie zonder data governance maakt vooral meerdere waarheden sneller beschikbaar.

• Vermijd handmatige updates. Een denormaliseerde rapportagelaag hoort uit pipelines te komen, niet uit losse correcties.

FAQ over denormalisatie

1. Is denormalisatie slecht ontwerp?
Nee. In transactionele systemen is het vaak riskant. In analytics is het vaak net de bedoeling.

2. Is een ster-schema denormalisatie?
Een ster-schema gebruikt vaak denormaliseerde dimensietabellen rond feitentabellen. Dat maakt rapportering eenvoudiger.

3. Verlies je data door te denormaliseren?
Niet noodzakelijk. Je verandert vooral hoe data beschikbaar wordt gemaakt voor gebruik.