Questão de TI - Ciência de Dados e Inteligência Artificial — Modelagem Dimensional — CESPE / CEBRASPE 2026

Modelagem dimensional: star schema × snowflake schema

Gabarito: ERRADO. A afirmativa inverte as características dos dois modelos: no modelo estrela (star schema), as tabelas de dimensão são desnormalizadas (e não normalizadas), o que reduz o número de junções e melhora o desempenho das consultas; já no modelo floco de neve (snowflake schema), as dimensões são normalizadas em múltiplos níveis, o que reduz a redundância, mas piora o desempenho devido ao maior número de junções. A banca trocou os atributos de um modelo pelo outro.

A modelagem dimensional é uma técnica de projeto de banco de dados voltada para data warehouses e sistemas de apoio à decisão (OLAP). Seu objetivo é organizar os dados em tabelas de fatos (que armazenam as medidas numéricas, como valores e quantidades) e tabelas de dimensão (que descrevem os contextos de análise, como tempo, produto e loja). A forma como essas tabelas se relacionam define o esquema.

No modelo estrela, a tabela de fatos fica no centro e cada dimensão é ligada a ela por uma única junção. As dimensões são desnormalizadas, ou seja, os atributos descritivos ficam todos em uma única tabela, sem subdivisões. Isso significa que, para responder a uma consulta analítica, o banco precisa fazer poucas junções (geralmente uma por dimensão), o que torna as consultas mais rápidas e simples. A redundância de dados é maior, mas o ganho de desempenho compensa em cenários de leitura intensiva.

No modelo floco de neve, as dimensões são normalizadas, ou seja, os atributos são organizados em múltiplas tabelas relacionadas, eliminando redundâncias. Por exemplo, uma dimensão "produto" pode ser dividida em "produto", "categoria" e "fabricante". Isso reduz o espaço de armazenamento e a redundância, mas aumenta o número de junções necessárias para responder às consultas, o que degrada o desempenho em comparação ao modelo estrela.

A pegadinha da questão está em inverter os papéis: a afirmativa diz que o modelo estrela normaliza as dimensões (o que é característica do snowflake) e que isso melhora o desempenho (o que é consequência da desnormalização, não da normalização). O candidato que confunde os dois modelos cai facilmente nessa armadilha.

Item — ❌ ERRADO

A afirmativa está errada porque atribui ao modelo estrela a normalização das dimensões, que é justamente a característica do modelo floco de neve. No modelo estrela, as dimensões são desnormalizadas, o que reduz o número de junções e melhora o desempenho das consultas. A normalização, por sua vez, é uma técnica que aumenta o número de junções e, portanto, piora o desempenho em consultas analíticas. A banca trocou os atributos dos dois modelos.

Gabarito: ERRADO