El modelado dimensional estructura los datos pensando explícitamente en cómo se van a analizar: separando las métricas numéricas de interés (hechos) de los atributos descriptivos que dan contexto a esas métricas (dimensiones), en lugar de optimizar la estructura para minimizar redundancia como haría la normalización tradicional.
Por qué prioriza la facilidad de consulta sobre la normalización
A diferencia de una base de datos transaccional, donde evitar la redundancia es prioritario, un modelo dimensional acepta cierta redundancia deliberadamente a cambio de consultas analíticas mucho más simples e intuitivas de escribir y de mejor rendimiento, siendo el enfoque de diseño estándar detrás de la mayoría de los data warehouses orientados a negocio.