Um arquiteto de dados está projetando o Data Warehouse (DW)
de uma grande rede de varejo. A tabela de fatos de vendas
(Fato_Vendas) deverá ser conectada a uma dimensão de
produtos. A hierarquia dos produtos é complexa e profunda:
Departamento → Divisão → Categoria → Subcategoria →
Produto.
O administrador de banco de dados (DBA), preocupado com a
integridade dos dados e o espaço de armazenamento, propôs
que essa hierarquia fosse modelada seguindo os princípios da
normalização. Segundo a proposta, a tabela de produtos conteria
apenas o ID da subcategoria, que apontaria para uma tabela de
subcategorias, que, por sua vez, apontaria para uma tabela de
categorias, e assim sucessivamente, evitando a repetição de
textos descritivos (como o nome do departamento) em milhões
de linhas de produtos.
Considerando os conceitos de modelagem dimensional (Ralph
Kimball) e o impacto dessa decisão na performance de consultas
analíticas (OLAP), é correto afirmar que:

Question

Um arquiteto de dados está projetando o Data Warehouse (DW)
de uma grande rede de varejo. A tabela de fatos de vendas
(Fato_Vendas) deverá ser conectada a uma dimensão de
produtos. A hierarquia dos produtos é complexa e profunda:
Departamento → Divisão → Categoria → Subcategoria →
Produto.
O administrador de banco de dados (DBA), preocupado com a
integridade dos dados e o espaço de armazenamento, propôs
que essa hierarquia fosse modelada seguindo os princípios da
normalização. Segundo a proposta, a tabela de produtos conteria
apenas o ID da subcategoria, que apontaria para uma tabela de
subcategorias, que, por sua vez, apontaria para uma tabela de
categorias, e assim sucessivamente, evitando a repetição de
textos descritivos (como o nome do departamento) em milhões
de linhas de produtos.
Considerando os conceitos de modelagem dimensional (Ralph
Kimball) e o impacto dessa decisão na performance de consultas
analíticas (OLAP), é correto afirmar que: Alternativa A: a proposta do DBA configura um esquema floco de neve
(Snowflake Schema); embora economize espaço em disco e
facilite a manutenção da integridade referencial, essa
abordagem prejudica o desempenho das consultas de
Business Intelligence (BI) ao exigir múltiplas junções (joins)
para recuperar a descrição completa dos atributos
hierárquicos; Ou Alternativa B: a abordagem sugerida caracteriza um esquema estrela (Star
Schema), que é o padrão recomendado pela metodologia
Kimball, pois a normalização das dimensões garante que o
motor de banco de dados utilize índices bitmap de forma
mais eficiente, acelerando o filtro de consultas agregadas;  Ou Alternativa C: a desnormalização completa da dimensão, consolidando
todos os níveis hierárquicos em uma única tabela
Dim_Produto (esquema estrela), deve ser evitada em Data
Warehouses modernos baseados em armazenamento
colunar, pois a redundância de dados textuais impede a
compressão eficiente e aumenta o I/O de disco; Ou Alternativa D: a proposta do DBA visa a transformar o modelo dimensional
em um modelo relacional de Terceira Forma Normal (3FN), o
que inviabiliza o uso de ferramentas de visualização de dados
(como Power BI ou Tableau), visto que essas ferramentas são
tecnicamente incompatíveis com tabelas normalizadas; Ou Alternativa E: a tabela fato, tanto no esquema estrela quanto no floco de
neve, deve ser normalizada para evitar a duplicação de
métricas; a diferença reside apenas no fato de que o
esquema floco de neve utiliza chaves naturais (CPF, CNPJ) nas
junções, enquanto o esquema estrela exige o uso de chaves
substitutas (Surrogate Keys).

Abmael Bandeira · Accepted Answer

Alternativa [A] a proposta do DBA configura um esquema floco de neve
(Snowflake Schema); embora economize espaço em disco e
facilite a manutenção da integridade referencial, essa
abordagem prejudica o desempenho das consultas de
Business Intelligence (BI) ao exigir múltiplas junções (joins)
para recuperar a descrição completa dos atributos
hierárquicos; A alternativa correta é a A.Entendimento do cenário:O DBA propôs:Quebrar a dimensão de produto em várias tabelas:Produto → Subcategoria → Categoria → Divisão → DepartamentoIsso é normalização da dimensãoEsse modelo é conhecido como Snowflake Schema (floco de neve) Por que a alternativa A está correta?Ela descreve exatamente o trade-off clássico:✔️ Vantagens do Snowflake:Menor redundância de dadosEconomia de espaçoMelhor integridade referencial❌ Desvantagens:Mais joinsConsultas analíticas mais lentasE isso impacta diretamente BI / OLAP, que precisa de leitura rápida.❌ Por que as outras estão erradas?B: ErradaStar Schema = desnormalizado, não normalizadoA afirmação está invertidaC: ErradaDW moderno (colunar) lida bem com redundânciaStar Schema continua sendo altamente recomendadoD: ErradaPower BI / Tableau funcionam perfeitamente com modelos normalizadosE: ErradaFato não é normalizado dessa formaE Snowflake não depende de chave natural vs surrogate Fonte: CHATGPT

🚀 Quer mais performance?

🚀 Quer mais performance?

Um arquiteto de dados está projetando o Data Warehouse (DW) ...

Comentários

Clique para visualizar este comentário

Resumos relacionados

SGBD: Conceitos Fundamentais e Aplicações em Concursos Públicos

Questões de assuntos semelhantes

Provas relacionadas