Questão de Banco de Dados — Banco de Dados Multidimensionais — CESPE / CEBRASPE 2019
Banco de Dados›Banco de Dados Multidimensionais
Código
ce108633
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-RS
Ano
2019
Nível
Superior
Cargo
CESPE - - Auditor Fiscal da Receita Estadual - Bloco I
Com relação aos modelos de dados multidimensionais, assinale a opção correta.
AA principal característica da tabela de fatos é a ausência de dados redundantes, o que melhora o desempenho nas consultas.
BEsses modelos são cubos de dados, sendo cada cubo representado por uma única tupla com vários atributos.
CEsses modelos proporcionam visões hierárquicas, ou seja, exibição roll-up ou drill-down.
DOs modelos de dados multidimensionais dão ênfase à coleta e às transações de dados.
EEsses modelos não utilizam processos de transferência de dados, mas sim acessos nativos do próprio SGBD utilizado.
Revelar gabarito e comentário▾
GabaritoC — Esses modelos proporcionam visões hierárquicas, ou seja, exibição roll-up ou drill-down.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Modelos de Dados Multidimensionais
Gabarito: letra C. Os modelos multidimensionais são estruturados em cubos que permitem navegação hierárquica por meio de operações como roll-up (sumarização) e drill-down (detalhamento). Essa é uma característica central desses modelos, usados em data warehouses e análises OLAP.
A banca cobra o conhecimento das características fundamentais do modelo multidimensional, especialmente as operações de análise e a diferença entre tabela fato e tabela dimensão.
Característica / Instituto
Modelo Multidimensional (OLAP)
Modelo Relacional (OLTP)
Propósito principal
Análise e consulta de dados históricos
Coleta e transações de dados
Estrutura de dados
Cubos com tabelas fato (desnormalizadas) e dimensões
Tabelas normalizadas (evitam redundância)
Operação típica
Roll-up (sumarização) e drill-down (detalhamento)
Inserção, atualização e exclusão de registros
Redundância de dados
Alta (intencional, para desempenho em agregações)
Baixa (ausência de redundância)
Modelo multidimensional: Estrutura (Cubo n-dimensional, Tabela fato (medidas, redundante), Tabela dimensão (atributos, hierarquia)); Operações OLAP (Roll-up (sumarizar), Drill-down (detalhar), Slice / Dice); Características (Desnormalizado, Voltado a consultas analíticas, Dados históricos)
Alternativa A — ❌ Incorreta
A tabela fato não se caracteriza pela ausência de dados redundantes. Pelo contrário: no modelo multidimensional, a tabela fato é desnormalizada e contém alta redundância para melhorar o desempenho de consultas analíticas. A ausência de redundância é uma característica de tabelas normalizadas, como as do modelo relacional tradicional. A redundância na tabela fato é intencional, pois evita joins e acelera agregações.
Alternativa B — ❌ Incorreta
Afirmar que cada cubo é representado por uma única tupla com vários atributos é incorreto. Um cubo multidimensional é formado por várias dimensões (cada uma com múltiplos atributos) e uma tabela fato com medidas. Não é uma única tupla, mas um conjunto de dados organizados em múltiplas dimensões e fatos. Cubos são estruturas n-dimensionais que permitem análises sob diferentes perspectivas.
Alternativa C — ✅ Correta ⟵ GABARITO
Os modelos multidimensionais proporcionam visões hierárquicas, ou seja, permitem navegar entre níveis de agregação por meio das operações roll-up (subir na hierarquia, do detalhe para o resumo) e drill-down (descer na hierarquia, do resumo para o detalhe). Essa é uma funcionalidade essencial para análise multidimensional, possibilitando que o usuário explore dados em diferentes granularidades.
Alternativa D — ❌ Incorreta
A ênfase dos modelos multidimensionais é na análise e na consulta de dados, não na coleta e transações. Sistemas transacionais (OLTP) focam em operações de inserção, atualização e exclusão; já os modelos multidimensionais (OLAP) são voltados para a recuperação e sumarização de grandes volumes de dados históricos para suporte à decisão.
Alternativa E — ❌ Incorreta
Os modelos multidimensionais utilizam processos de transferência de dados, como o ETL (Extrair, Transformar, Carregar), para alimentar o data warehouse. Os dados são extraídos de sistemas fontes (transacionais), transformados e carregados no ambiente multidimensional. O acesso não é nativo do SGBD transacional, mas sim por ferramentas OLAP que consultam o DW.