Julgue o item a seguir, relativos a business intelligence (BI).
Os bancos de dados dimensionais que atendem ao data warehouse devem ser implementados de forma normalizada.
GabaritoE — Errado
Gabarito: ERRADO. Bancos de dados dimensionais que atendem ao data warehouse não devem ser implementados de forma normalizada; ao contrário, adotam modelagem desnormalizada (modelo dimensional, como o esquema estrela), otimizada para consultas analíticas. A normalização é característica dos bancos transacionais (OLTP), não dos analíticos (OLAP).
O que está em jogo é a diferença entre dois mundos de modelagem de dados: o modelo relacional normalizado, típico de sistemas transacionais (OLTP), e o modelo dimensional desnormalizado, típico de data warehouses (OLAP). A normalização busca eliminar redundâncias e dependências parciais/transitivas, dividindo os dados em muitas tabelas relacionadas — o que favorece a integridade e a eficiência de escritas frequentes, mas prejudica a leitura analítica, que exige muitos joins.
O modelo dimensional, por sua vez, organiza os dados em tabelas de fatos (medidas numéricas, como valores e quantidades) e tabelas de dimensões (atributos descritivos, como tempo, produto, loja), propositalmente desnormalizadas para reduzir o número de junções e acelerar as consultas de agregação. O esquema mais comum é o estrela, em que a tabela de fatos fica no centro e cada dimensão se liga a ela por uma única junção. Essa estrutura é o oposto da normalização: aceita redundância controlada em troca de desempenho em leitura.
Um exemplo concreto: em um sistema transacional de vendas, a tabela PEDIDO seria normalizada em CLIENTE, PRODUTO, PEDIDO_ITEM, etc., para evitar repetição de dados. No data warehouse, porém, a tabela de fatos FATO_VENDAS guardaria diretamente cod_produto, cod_loja, cod_tempo, valor, qtd, e as dimensões DIM_PRODUTO, DIM_LOJA, DIM_TEMPO trariam todos os atributos descritivos já desnormalizados — sem precisar de múltiplos joins para responder "qual foi a receita por produto no último trimestre?".
A pegadinha da banca está em inverter o paradigma: o candidato que confunde os dois mundos marca "certo", achando que data warehouse deve ser normalizado. Na verdade, a normalização é regra para OLTP; para OLAP, a regra é desnormalização dimensional. Guarde essa fronteira: transacional = normalizado; analítico = dimensional/desnormalizado.
Critério | Modelo Transacional (OLTP) | Modelo Dimensional (OLAP/DW) |
|---|---|---|
Objetivo | Eficiência em escritas e integridade | Eficiência em leituras e agregações |
Estrutura | Normalizada (1FN, 2FN, 3FN) | Desnormalizada (fatos + dimensões) |
Redundância | Evitada ao máximo | Aceita de forma controlada |
Consultas típicas | Muitas atualizações pontuais | Grandes varreduras e agregações |
Esquema comum | Relacional com muitas tabelas | Estrela ou floco de neve |
A afirmação está incorreta porque inverte o princípio de modelagem de data warehouse. Bancos dimensionais são desnormalizados por definição, priorizando a performance de consultas analíticas sobre a integridade transacional. A normalização, com suas formas normais (1FN, 2FN, 3FN), é aplicada em bancos operacionais (OLTP) para evitar redundância e anomalias de atualização — não em data warehouses.
Na prova, quando a questão falar de data warehouse/BI, lembre-se do par: OLTP = normalizado (muitas escritas, integridade) e OLAP = desnormalizado/dimensional (muitas leituras, agregação). Se a alternativa disser que DW deve ser normalizado, está errada — é a pegadinha clássica.
Gabarito: ERRADO.
Link permanente: /questoes/ce403787