Com relação à modelagem dimensional e à otimização de bases ...

Alternativa correta: E - Errado

Ao discorrirmos sobre o modelo snowflake, é importante entender que este modelo se caracteriza pela normalização das tabelas de dimensões, buscando eliminar redundâncias. Isso pode facilitar a manutenção da base de dados e a integridade dos dados, mas pode não ser a melhor escolha em termos de eficiência de consultas. Já o modelo estrela, devido à desnormalização de suas tabelas de dimensões, tende a ter um desempenho melhor em consultas de Business Intelligence, embora as tabelas sejam maiores devido à redundância de dados.

A afirmação de que o modelo snowflake possui um desempenho melhor que o do modelo estrela por causa da normalização não é verdadeira em geral. A modelagem estrela é otimizada para leituras e consultas frequentes, usualmente encontradas em aplicações de Business Intelligence, onde o desempenho em tempo de consulta é geralmente mais crítico que o espaço de armazenamento. O modelo estrela facilita a realização de consultas complexas de maneira mais rápida, pois reduz o número de joins necessários em comparação ao modelo snowflake. Portanto, a eficiência na obtenção de informações, no contexto de consultas analíticas, é geralmente melhor no modelo estrela.

É essencial que os candidatos a concursos públicos na área de Banco de Dados compreendam as diferenças entre os dois modelos e saibam que, no contexto de análise de dados e consultas multidimensionais, a desnormalização do modelo estrela pode ser mais benéfica do que a normalização do modelo snowflake em termos de performance de consulta.

O gabarito é Errado.

O desempenho do modelo Snowflake é pior que o do modelo Estrela, justamente por causa da normalização. Sem as redundâncias, as consultas envolvem um número maior de tabelas para acessar, o que acaba deixando a performance mais lenta. 

Seu desempenho é pior do que o modelo estrela

O erro está em afirmar que o desempenho é melhor. Na verdade é inferior ao Star Schema, devido à normalização dos dados.

2014

O Data Warehouse tem como principal objetivo armazenar dados históricos por meio dos esquemas snow flake ou star schema. O primeiro armazena os dados em dimensões que podem não estar ligadas diretamente à tabela fato; o segundo é voltado para armazenamento de dados não estruturados ou textuais.

errada

Ano: 2014 Banca: CESPE

Na modelagem multidimensional, é possível haver mais de uma tabela fato no mesmo modelo. A tabela fato expressa a relação N:M (muitos-para-muitos) entre as dimensões, que, por sua vez, implementam a visão e a interface do usuário ao DataWarehouse.

Certa

2015

Na modelagem dimensional, implementada em sistemas de data warehouse, o esquema snowflake caracteriza-se por possuir diversas tabelas de fatos e de dimensões, sendo estas últimas organizadas hierarquicamente na terceira forma normal (3FN).

errada

snowflake tem menor redundância que o esquema estrala