Vamos analisar a questão apresentada sobre o tema de Business Intelligence (BI) e, mais especificamente, sobre data warehouse.

A questão pergunta se os bancos de dados dimensionais que atendem ao data warehouse devem ser implementados de forma normalizada. A alternativa correta é E - errado.

Para compreender por que a alternativa “E” é a correta, precisamos entender alguns conceitos fundamentais:

Data Warehouse (DW): É um tipo de sistema de banco de dados que coleta, armazena e gerencia dados de diversas fontes para análise e geração de relatórios. A principal característica de um DW é sua capacidade de armazenar grandes volumes de dados históricos para serem utilizados em análises estratégicas.

Bancos de Dados Dimensionais: Esses bancos são uma parte essencial do data warehouse. Eles são projetados para suportar consultas complexas e fornecer informações analíticas rapidamente. O modelo dimensional é frequentemente implementado usando tabelas fato e tabelas dimensão.

Normalização versus Desnormalização:

• Normalização: Um processo que organiza dados para reduzir a redundância e melhorar a integridade dos dados. Este é um modelo comum em bancos de dados transacionais.
• Desnormalização: Neste contexto, desnormalização é o processo de otimizar a leitura dos dados, que é frequente em data warehouses. Aqui, algumas redundâncias são permitidas para garantir consultas mais rápidas e eficientes.

No caso dos data warehouses, o foco está na desnormalização. Isso ocorre porque a prioridade é a velocidade de leitura dos dados para a geração de relatórios e análises, permitindo que grandes volumes de dados sejam processados rapidamente.

Portanto, a afirmação de que bancos de dados dimensionais em um data warehouse devem ser normalizados está errada. Na prática, eles devem ser desnormalizados para otimizar o desempenho nas consultas analíticas.

Espero que esta explicação tenha esclarecido suas dúvidas sobre o tema. Gostou do comentário? Deixe sua avaliação aqui embaixo!

Alternativa: Errado

Os bancos de dados dimensionais que atendem a um data warehouse são projetados para suportar consultas analíticas e a extração de insights, e sua estrutura não segue o modelo normalizado tradicional dos bancos de dados transacionais (OLTP). Em vez disso, esses bancos são desnormalizados para otimizar o desempenho em consultas.

1. Bancos de Dados Transacionais (OLTP):

• Utilizam normalização para minimizar a redundância e garantir a integridade dos dados.
• Estrutura altamente normalizada (Ex.: 3ª Forma Normal ou superior).
• Foco: Eficiência em operações de leitura/escrita rápidas (inserções, atualizações, exclusões).

1. Bancos de Dados Dimensionais (OLAP):

• Utilizam desnormalização para simplificar as consultas e melhorar o desempenho.
• Estrutura baseada em modelos dimensionais, como estrela (star schema) ou floco de neve (snowflake schema).
• Foco: Consultas analíticas rápidas e acessíveis.

• Consultas em data warehouses geralmente envolvem grandes volumes de dados e precisam ser otimizadas para leitura.
• Desnormalização reduz a quantidade de joins necessários entre tabelas, acelerando as consultas analíticas.

A afirmativa está Errada porque os bancos de dados dimensionais que atendem a um data warehouse devem ser desnormalizados, e não normalizados, para otimizar o desempenho em consultas analíticas.

Fonte: GPT

Gabarito ERRADO.

Tanto o Data Warehouse (DW) quanto o OLAP são desnormalizados. Por partes, entenda:

[1] Ao deixar os dados desnormalizados, há maior redundância, mas também um melhor desempenho no banco de dados. Isso ocorre porque a desnormalização facilita a leitura e a consulta dos dados, operações predominantes em sistemas analíticos como DW e OLAP. Portanto, o objetivo de um Data Warehouse é facilitar análises rápidas e eficientes, e a desnormalização atende melhor a essa finalidade.

• Eles utilizam um modelo chamado desnormalizado, com o objetivo de otimizar a performance das consultas analíticas, facilitando a leitura e a interpretação dos dados.

Modelos mais utilizados no DATA WAREHOUSE

Modelo Estrela (Star Schema): Tabelas de fatos no centro, ligadas a tabelas dimensionais desnormalizadas.

Modelo Floco de Neve (Snowflake Schema): Um pouco mais normalizado que o modelo estrela, mas ainda longe da normalização usada em sistemas transacionais.

OBS: A normalização é mais comum em bancos de dados operacionais (OLTP), que priorizam a integridade e a consistência dos dados.

Bancos de dados dimensionais que atendem ao data warehouse são, em geral, implementados de forma desnormalizada, não normalizada.

Data warehouses têm como foco análise rápida e eficiente de grandes volumes de dados, e para isso, usam modelos dimensionais como:

Estrela (Star Schema) ; Floco de Neve (Snowflake Schema).

A normalização é ótima para sistemas transacionais (OLTP), mas data warehouses são OLAP, e nesses casos a desnormalização é preferida para melhorar o desempenho analítico.

DATAWAREHOUSE:

Os dados precisam ser ajustados ao modelo de dados do datawarehouse. 

Eles podem ter que ser convertidos de banco de dados relacionais, orientados a objeto ou legados (em rede e/ou hierárquico) para um modelo multidimensional.

..........................................................................................

A implementação relacional do modelo de dados multidimensional é tipicamente um esquema em estrela (star schema) ou um esquema em floco de neve (snowflake schema).

..........................................................................................

O esquema normalizado é o floco de neve (snowflake schema).

..........................................................................................

star schema

Um esquema relacional cujo design representa um modelo de dados multidimensional. O esquema em estrela consiste em uma ou mais tabelas de fatos e uma ou mais tabelas de dimensões que são relacionadas por meio de chaves estrangeiras.

..........................................................................................

snowflake schema

A type of star schema in which the dimension tables are partly or fully normalized.

Um tipo de esquema em estrela no qual as tabelas de dimensão são parcial ou totalmente normalizadas.

..........................................................................................