📘 Materia: Diseño y Optimización de Bases de Datos

Entrega

Se hace entrega a través del siguiente link de github en donde se encontrara el repositorio

Link: https://github.com/earamirez190/Ecommify_Database_Design/tree/main

👥 Integrantes

Nombre completo	Código Estudiante
Santiago Eduardo Muñoz Castillo	0000394453
Edward Augusto Ramirez Rodriguez	0000324316
Wolfran Alirio Pinzon Murillo	0000393439
Henry Julian Salazar Salcedo	0000396117
------------------------------------------	-------------------

📅 Semestre: 2026-1

🛠️ Guía de Configuración Local

Para ejecutar el proyecto en su máquina, siga estos pasos:

Opción A: Despliegue Local (Entorno de desarrollo)

1. Prerrequisitos: PostgreSQL 14+ instalado y ejecutándose localmente.
2. Setup:
   • Cree un schema llamado ecommify_olist_analytics. para cargar las estrutura de entidades y datos optimizada, carpeta -> postgresql/schemaEcommify_olist_analytics
   • Usa el schema por default public. para cargar el dataset de entrada para el análisis de datos EDA, carpeta -> postgresql/schemaPublic
   • Ejecute los scripts desde la carpeta /postgresql en el orden: postgresql/schemaPublic/Modelo Fisico.sql (estructuras) y postgresql/seed_data/ (si aplica).
   • Ejecute los scripts desde la carpeta /postgresql en el orden: postgresql/schemaEcommify_olist_analytics/Modelo Fisico Optimizado Indices .sql (estructuras) y postgresql/seed_data/ (si aplica).
   • Puede usar herramientas como pgAdmin, DBeaver o la terminal psql.

Opción B: Despliegue en la Nube (Supabase)

Si prefieren evaluar el proyecto utilizando una instancia en la nube:

1. Configuración:
   • Cree un nuevo proyecto en Supabase.
   • Cree un schema llamado ecommify_olist_analytics. para cargar las estrutura de entidades y datos optimizada, carpeta -> postgresql/schemaEcommify_olist_analytics
   • En la sección SQL Editor del dashboard de Supabase, copie y pegue el contenido de los archivos .sql ubicados en la carpeta /postgresql.
   • Ejecute el script (Run). Supabase manejará automáticamente las extensiones y tipos avanzados que hemos configurado.
2. Conexión:
   • Utilice la cadena de conexión provista por Supabase (se encuentra en Project Settings > Database) para conectar sus notebooks o aplicaciones cliente.

Configuración de MongoDB

Requisitos

• MongoDB Atlas (cluster M0) o instancia local
• Python 3.10+
• pymongo, pandas

Instalación pip install pymongo pandas

Conexión a MongoDB Atlas

En Google Colab, configurar el Secret MONGO_URI (candado lateral). No documentar la URI con contraseña en el repositorio.

from pymongo import MongoClient from google.colab import userdata

uri = userdata.get("MONGO_URI") client = MongoClient(uri) db = client["ecommify_test"]

Base de datos: ecommify_test

Colecciones principales:

• productos (~1 200 documentos)
• reviews (~5 000 documentos)
• geolocation (~19 015 documentos)

Scripts de carga (Unidad 3):

• Unidad 3/script_insercion_datos_mongodb.py — productos + reviews desde CSV Olist
• Unidad 3/script_geolocation_mongodb.py — geolocation agregada por prefijo postal + índice 2dsphere
• Unidad 3/U3_Actividad1_Colab.ipynb — notebook completo

Optimización (Unidad 5):

• Unidad 5/Capturas/U5-completo-jun2026.ipynb — índices, explain, aggregation pipeline

---

Colección productos — catálogo con esquema flexible

{ "product_id": "abc123...", "name": "Producto Ecommify ...", "category": "cama_mesa_banho", "specifications": { "tipo": "general", "peso_g": 500.0, "descripcion_largo": 120 }, "computed_metrics": { "total_units_sold": 150, "average_rating": 4.2 } }

Colección reviews — referenciada por product_id (no embebida)

{ "product_id": "abc123...", "review_score": 5, "review_comment_title": "...", "review_creation_date": "..." }

Colección geolocation — GeoJSON Point por prefijo postal

{ "geolocation_zip_code_prefix": "01001", "location": { "type": "Point", "coordinates": [-46.63, -23.55] }, "geolocation_city": "sao paulo", "geolocation_state": "SP", "metadata": { "record_count": 150 } }