Questão de Banco de Dados — Banco de Dados Multidimensionais — CESPE / CEBRASPE 2025
Banco de Dados›Banco de Dados Multidimensionais
Código
ce214841
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-SE
Ano
2025
Nível
Superior
Cargo
Auditor Fiscal Tributário - Geral
Acerca do conceito e da aplicação da modelagem dimensional, assinale a opção correta.
AO objetivo da modelagem dimensional é substituir o uso de chaves primárias e estrangeiras, de modo que apenas identificadores textuais sejam utilizados para relacionar tabelas.
BA modelagem dimensional é um método de organização de dados em tabelas normalizadas utilizado para se evitarem redundâncias e minimizar a duplicidade de registros, sendo mais adequado para sistemas transacionais (OLTP).
CNa modelagem dimensional, cada dimensão deve ser armazenada em formato de documento JSON para maior flexibilidade no esquema.
DA modelagem dimensional organiza os dados em estruturas multidimensionais, geralmente compostas por tabelas-fato e tabelas-dimensão, otimizando consultas analíticas e sumarizações históricas.
EA modelagem dimensional elimina a necessidade de índices no banco de dados, pois o desempenho de consulta é garantido pela estrutura de tabelas-estrela.
Revelar gabarito e comentário▾
GabaritoD — A modelagem dimensional organiza os dados em estruturas multidimensionais, geralmente compostas por tabelas-fato e tabelas-dimensão, otimizando consultas analíticas e sumarizações históricas.
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”.
Modelagem Dimensional
Gabarito: letra D. A modelagem dimensional organiza dados em tabelas-fato (medidas quantitativas) e tabelas-dimensão (atributos descritivos), formando estruturas multidimensionais (cubos) que otimizam consultas analíticas e sumarizações históricas – exatamente o que afirma a alternativa D.
A banca testa o conhecimento básico sobre modelagem dimensional, frequentemente confundida com a modelagem relacional normalizada. A tabela a seguir resume as principais diferenças:
Característica
Modelagem Dimensional (OLAP)
Modelagem Relacional (OLTP)
Objetivo
Análise e tomada de decisão
Processamento de transações
Estrutura
Tabela fato + dimensões
Tabelas normalizadas
Normalização
Desnormalizada (alta redundância)
Normalizada (baixa redundância)
Consultas
Agregações, sumarizações, históricas
Operações pontuais (insert, update, delete)
Performance
Leitura rápida com índices bitmap
Escrita rápida, joins complexos
Alternativa A — ❌ Incorreta
Afirma que a modelagem dimensional substitui chaves primárias e estrangeiras por identificadores textuais. Erro: a modelagem dimensional usa chaves primárias nas tabelas dimensão e chaves estrangeiras compostas nas tabelas fato, exatamente para estabelecer relacionamentos. Identificadores textuais (surrogate keys) são numéricos e auto incrementais, mas não eliminam chaves.
Alternativa B — ❌ Incorreta
Afirma que a modelagem dimensional usa tabelas normalizadas para evitar redundâncias e é adequada para OLTP. Erro: a modelagem dimensional é desnormalizada (alta redundância) e voltada para sistemas analíticos (OLAP), não transacionais. A normalização é característica da modelagem relacional, usada em OLTP para evitar anomalias.
Alternativa C — ❌ Incorreta
Afirma que cada dimensão deve ser armazenada em formato JSON. Erro: as dimensões são armazenadas como tabelas relacionais tradicionais. Embora bancos modernos aceitem JSON, não é uma exigência nem característica definidora da modelagem dimensional.
Alternativa D — ✅ Correta ⟵ GABARITO
Descreve exatamente a modelagem dimensional: estruturas multidimensionais (cubos) compostas por tabelas-fato (medidas) e tabelas-dimensão (atributos), otimizando consultas analíticas e sumarizações históricas. É a definição padrão (Kimball, Inmon).
Alternativa E — ❌ Incorreta
Afirma que a modelagem dimensional elimina a necessidade de índices. Erro: índices continuam sendo essenciais, especialmente índices bitmap em colunas de baixa cardinalidade nas dimensões e índices nas chaves estrangeiras das tabelas fato. A estrutura estrela melhora a performance, mas não substitui índices.
PEGA ESSA DICA!
Para fixar, lembre-se: modelagem dimensional = fato + dimensões = análise (OLAP); modelagem relacional = normalização = transações (OLTP). Na prova, desconfie de alternativas que falem em "evitar redundâncias" ou "substituir chaves" – esses são papéis da modelagem relacional.