El mejor enfoque de modelado de datos con datos de origen jerárquicos

[Syndicate_Admin]

Hola

Recibo 4 tablas: 3 tablas forman una estructura jerárquica, y la última es una tabla de hechos.
Las relaciones entre estas 4 tablas son las siguientes:

LEVEL_1 --(uno a muchos)--> LEVEL_2 --(uno a muchos)--> LEVEL_3 --(uno a muchos)--> HECHOS

Las tablas LEVEL_1 a LEVEL_3 pueden ser más o menos asimiladas a las tablas de dimensiones.
Además, las relaciones entre los artículos de 2 tablas de la jerarquía están asociadas a cantidades.
Ejemplo:

LEVEL_1.ITEM_A está vinculado a:
-> LEVEL_2.ITEM_X : Cantidad = 100,
-> LEVEL_2.ITEM_Y : Cantidad = 300,
-> LEVEL_2.ITEM_Z : Cantidad = 250
...

Si quiero calcular un KPI agregado en el nivel superior de la jerarquía, tengo que iterar sobre la jerarquía (desde el hecho hasta el nivel superior) y calcular un KPI ponderado en cada nivel, en función de las cantidades. Se puede hacer gracias a iteradores anidados en DAX...

Mi pregunta se refiere al modelo de datos. ¿Cuál es el mejor enfoque para mi modelo de datos, con el fin de no degradar el rendimiento?
- ¿Sería mejor tener un modelo de datos con 4 tablas?
- ¿O sería mejor fusionar la tabla LEVEL_1 para LEVEL_3 en una sola tabla?

(Tengo 4 millones de filas en la tabla de hechos y 12K filas en la tabla LEVEL_1. PK y FK en las tablas jerárquicas son cadenas).

¡Gracias por su ayuda!

[Syndicate_Admin]

@jct999 , Basado en lo que obtuve. En el caso de que el Nivel 1, el nivel 2 y el nivel 3 sean necesarios tanto como hecho como dimensión. hecho significa que tienen algo que agregar

Al igual que el hecho se modificará para tener llaves de nivel 2 y nivel 2. El nivel 2 se creará como hecho y el nivel 2 dim. El hecho de nivel 2 tendrá clave y datos del nivel 1

De la misma manera que puedes tener un hecho de nivel 3