¿Qué es la normalización de bases de datos?

Question

Accepted Answer

**Normalización** es el proceso de organizar datos para **reducir redundancia** y mejorar la integridad dividiendo datos en tablas relacionadas, siguiendo una serie de "formas normales". El objetivo: cada dato se almacena **una sola vez**, evitando duplicación y las anomalías que causa.

## El problema: una tabla desnormalizada (redundante)

Problems (anomalies):
  ✗ UPDATE anomaly — change Ann's email → must update EVERY one of her orders
  ✗ INSERT anomaly — can't add a customer without an order
  ✗ DELETE anomaly — deleting Ann's last order loses her info entirely
  ✗ Wasted storage and inconsistency risk
```

## La solución: dividir en tablas relacionadas

La normalización divide los datos de modo que cada hecho vive en un solo lugar — información de clientes en `customers`, productos en `products`, y `orders` los referencia por clave.

## Las formas normales (progresivamente más estrictas)

```text
1NF → atomic values (no repeating groups / multi-valued columns), a primary key
2NF → 1NF + no partial dependency (non-key columns depend on the WHOLE primary key)
3NF → 2NF + no transitive dependency (non-key columns depend ONLY on the key, not
      on other non-key columns)
→ 3NF is the common practical target; BCNF, 4NF, 5NF exist for stricter cases.
```

## Normalización vs desnormalización (el trade-off)

```text
Normalized   → less redundancy, better integrity, but more JOINs (can be slower reads)
Denormalized → some duplication for FEWER joins → faster reads (e.g. analytics/reporting)
→ Normalize by default (integrity); selectively denormalize for read performance
  where justified (with care to keep duplicates consistent).
```

## Por qué es importante

La normalización es un concepto fundamental del diseño de bases de datos — es cómo estructuras datos para evitar redundancia y mantener integridad, lo que es esencial para diseñar bases de datos relacionales confiables, por lo que entenderlo es importante.

El valor principal es prevenir las **anomalías** que causa el dato redundante (desnormalizado): **anomalías de actualización** (cambiar datos duplicados en muchos lugares, arriesgando inconsistencia), **anomalías de inserción** (no poder agregar datos sin datos no relacionados), y **anomalías de eliminación** (perder datos al eliminar registros relacionados) — todo lo cual conduce a datos inconsistentes y corruptos.

Al dividir datos en tablas relacionadas para que cada hecho se almacene una sola vez, la normalización elimina estos problemas y asegura consistencia de datos.

Entender las **formas normales** (especialmente 1NF, 2NF, y **3NF** — el objetivo práctico común — y el principio de que columnas no clave deben depender de la clave) proporciona el marco para diseño adecuado.

Igualmente importante es entender el **trade-off de normalización vs desnormalización**: la normalización mejora la integridad pero requiere más JOINs (potencialmente lecturas más lentas), así que aunque normalizas por defecto para integridad, desnormalización selectiva (aceptar algo de duplicación para menos joins y lecturas más rápidas) a veces se justifica por rendimiento (p. ej. analytics) — saber cuándo y por qué hacer este trade-off refleja criterio de diseño maduro.

Ya que el modelado de datos adecuado es fundamental para bases de datos confiables, y ya que entender la normalización (evitando redundancia y anomalías) y su trade-off con desnormalización (integridad vs rendimiento de lectura) es clave para diseñar bases de datos bien estructuradas, consistentes y performantes, la normalización es conocimiento importante y fundamental para diseño de bases de datos y un tema común de entrevista que demuestra comprensión de modelado de datos sólido.