Os analistas da ALEGO fazem uso corriqueiro de modelagem mu...
O tipo de dimensão que permite armazenar os flags e indicadores ou coleções de dados transacionais aleatórios que não estão relacionados a nenhuma outra dimensão específica se denominada
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Gabarito: E
Fundamento decisivo: A expressão do enunciado "flags e indicadores ou coleções de dados transacionais aleatórios" aponta diretamente para a classificação junk dimension, o que torna a alternativa E a correta.
- Quando o enunciado falar em flags, indicadores e atributos miscelâneos sem dimensão natural própria, pense em junk dimension.
- Se a descrição envolver reutilização da mesma dimensão em papéis diferentes, o tipo é role playing, não junk.
- Se o foco estiver em identificadores transacionais mantidos na tabela fato, a classificação é degenerate dimension.
- Se a característica central for compartilhamento padronizado entre fatos ou data marts, trata-se de conformed dimension.
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Comentários
Veja os comentários dos nossos alunos
A alternativa correta é a E — Junk.
Na modelagem multidimensional, a dimensão Junk (ou dimensão lixo) é utilizada para:
- Armazenar flags, indicadores binários (sim/não),
- Atributos de baixa cardinalidade,
- Dados que não se encaixam bem em outras dimensões,
- Pequenos conjuntos de atributos “soltos” ou pouco relacionados entre si.
Esses atributos são agrupados em uma única dimensão para evitar poluir a tabela fato com muitas colunas irrelevantes.
Na modelagem multidimensional (Kimball/Data Warehouse), existem vários tipos clássicos de dimensões. As principais cobradas em concursos são:
1. Junk Dimension
Agrupa:
* flags;
* indicadores;
* atributos de baixa cardinalidade.
Exemplo:
* indicador_ativo;
* status_pagamento;
* tipo_operacao.
2. Degenerate Dimension (Dimensão Degenerada)
É uma chave de negócio armazenada diretamente na tabela fato, sem tabela dimensão associada.
Exemplo:
* número da nota fiscal;
* número do pedido.
Ela não possui atributos descritivos próprios.
3. Role-Playing Dimension
Uma mesma dimensão usada com papéis diferentes.
Exemplo:
Dimensão TEMPO sendo usada como:
* data_venda;
* data_entrega;
* data_pagamento.
Fisicamente é a mesma dimensão, mas logicamente assume papéis distintos.
4. Conformed Dimension
Dimensão compartilhada entre vários Data Marts ou fatos.
Permite integração e consistência analítica.
Exemplo:
dimensão CLIENTE usada em:
* vendas;
* suporte;
* financeiro.
5. Slowly Changing Dimension (SCD)
Dimensão que trata mudanças históricas nos atributos.
Tipos clássicos:
* Tipo 1 → sobrescreve;
* Tipo 2 → mantém histórico;
* Tipo 3 → mantém valor anterior.
6. Rapidly Changing Dimension
Dimensão com atributos que mudam frequentemente.
Exemplo:
* score de crédito;
* perfil comportamental.
7. Mini-Dimension
Usada para separar atributos voláteis de uma dimensão grande.
Melhora desempenho e preserva histórico.
8. Snowflaked Dimension
Dimensão normalizada em múltiplas tabelas.
Menos comum no modelo estrela puro.
Exemplo:
Produto → Categoria → Departamento
9. Outrigger Dimension
Dimensão ligada a outra dimensão.
Exemplo:
Dimensão Cliente → Dimensão Região
10. Inferred Dimension
Criada parcialmente antes de todos os dados dimensionais estarem disponíveis.
Muito usada em ETL.
11. Shrunken Dimension
Versão reduzida de uma dimensão conformada.
Usada em Data Marts específicos.
12. Static Dimension
Dimensão praticamente imutável.
Exemplo:
* sexo;
* tipo sanguíneo.
Mais cobradas em concursos
As mais frequentes em provas são:
* Junk;
* Degenerate;
* Conformed;
* Role-Playing;
* Slowly Changing Dimension (SCD).
Especialmente SCD Tipo 1, 2 e 3.
Clique para visualizar este comentário
Visualize os comentários desta questão clicando no botão abaixo
Conheça nossos planos