Sobre modelagem dimensional, assinale a alternativa que apr...

Vamos analisar a questão sobre modelagem dimensional e o papel das tabelas fato.

O tema central da questão é modelagem dimensional, uma técnica de organização de dados essencial para Business Intelligence (BI) e análise de dados. Compreender a finalidade das tabelas fato e dimensões é crucial para projetar um armazém de dados eficiente.

Em modelagem dimensional, geralmente encontramos dois tipos principais de tabelas: tabelas fato e tabelas de dimensão. As tabelas fato são usadas para armazenar dados quantitativos sobre eventos de negócios, enquanto as tabelas de dimensão armazenam atributos descritivos que categorizam e descrevem as dimensões do negócio.

A alternativa correta é: D - Registrar transações ou eventos numéricos, agregando medições que podem ser analisadas em diferentes dimensões.

Justificativa:

A tabela fato é projetada para capturar e armazenar medidas numéricas ou fatos de um negócio, como vendas, receitas ou despesas. Essas medidas podem ser agregadas e analisadas em várias dimensões, como tempo, localização e produto, proporcionando uma visão abrangente das operações do negócio. Isso está alinhado com o conceito de tabelas fato em modelagem dimensional, destacado por Ralph Kimball, um dos criadores dessa técnica.

Análise das alternativas incorretas:

A - Armazenar atributos descritivos que categorizam as dimensões de negócio: Esta definição está mais alinhada com as tabelas de dimensão, que armazenam informações descritivas, como nome de produtos, categorias, clientes, etc., e não são o foco das tabelas fato.

B - Definir as métricas e indicadores-chave de desempenho (KPIs) utilizados em relatórios de BI: Embora tabelas fato sejam usadas para calcular KPIs, o propósito declarado está mais relacionado ao uso geral de dados em BI, não especificamente ao papel das tabelas fato.

C - Prover uma visão detalhada de cada entidade de negócio, independentemente do tempo: Esta alternativa descreve o papel de uma análise mais focada em dimensões específicas, não a função central da tabela fato que é registrar dados numéricos relacionados a eventos.

Com essas explicações, espero que você tenha compreendido claramente a função das tabelas fato em modelagem dimensional. Gostou do comentário? Deixe sua avaliação aqui embaixo!

A diferença entre tabela fato e tabela dimensão na modelagem dimensional pode ser explicada de forma simples:

• Tabela Fato: armazena os eventos mensuráveis do negócio (ex: vendas, transações, registros de produção).
• Tabela Dimensão: contém detalhes descritivos para analisar os fatos (ex: produto, cliente, tempo, localização).

Imagine um banco de dados para analisar vendas online.

• Tabela Fato:
• Armazena transações de vendas com valores numéricos.
• Exemplo de colunas:
• (FK para Dimensão Cliente)
• (FK para Dimensão Produto)
• (FK para Dimensão Tempo)
• Tabelas Dimensão:
• (quem comprou) → Nome, idade, cidade
• (o que foi comprado) → Nome, categoria, marca
• (quando foi comprado) → Data, mês, ano

1. Esquema Estrela ⭐ (Star Schema)

• Tabela fato no centro e dimensões conectadas diretamente.
• Simples e eficiente para consultas rápidas.

1. Esquema Floco de Neve ❄️ (Snowflake Schema)

• Dimensões são normalizadas (ex: Dim_Produto separada em Dim_Categoria).
• Usa mais tabelas, melhora organização, mas pode ser mais lento para consultas.

• Tabela fato = números e medidas
• Tabela dimensão = contexto e detalhes
• Esquema estrela é mais simples, floco de neve mais organizado

Assim, relatórios e dashboards de BI (Business Intelligence) podem analisar os dados de forma eficiente.