Questão de Banco de Dados — Gerência de Transações — FGV 2024
Banco de Dados›Gerência de Transações
Código
fg077286
Banca
FGV
Órgão
CVM
Ano
2024
Nível
Superior
Cargo
Analista - Perfil 7 - Ciência de Dados - Tarde
As transações financeiras da CVM são realizadas sobre ativos nacionais, utilizando a moeda real (R$), e ativos internacionais, utilizando a moeda dólar americano (US$).Para implementar um Data Mart Financeiro da CVM, permitindo análises dos ativos nas duas moedas, deve-se:
Acriar um par de colunas para cada moeda na Tabela Fato, uma contendo o valor da moeda utilizada na transação e outra contendo o valor da moeda convertida. Criar uma Dimensão relacionada contendo a moeda utilizada na transação;
Bcriar uma Minidimensão contendo duas colunas, uma com o valor da transação em real e a outra coluna com o valor em dólar. Correlacionar cada registro da Minidimensão com o respectivo valor da Tabela Fato;
Cnormalizar a Dimensão que contém as moedas utilizadas em transações financeiras criando um snowflake apenas para as moedas real e dólar americano. Na Tabela Fato, criar um registro para cada transação relacionando-o com o respectivo registro da Dimensão normalizada;
Dcriar uma Dimensão Auditoria para armazenar a descrição da moeda utilizada na transação armazenada na Tabela Fato, a qual deve armazenar o valor convertido;
Eentrevistar o gestor financeiro para levantar a regra de negócio da conversão de câmbio. Criar a tabela Dimensão correspondente e implementar a regra de negócio em um pacote de Extração, Transformação e Carga (ETL) para carregar o valor convertido a cada nova transação.
Revelar gabarito e comentário▾
GabaritoA — criar um par de colunas para cada moeda na Tabela Fato, uma contendo o valor da moeda utilizada na transação e outra contendo o valor da moeda convertida. Criar uma Dimensão relacionada contendo a moeda utilizada na transação;
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 para Data Mart Financeiro
Gabarito: letra A. A alternativa A segue a boa prática de modelagem dimensional: na Tabela Fato são armazenadas as medidas (valores das transações) e na Dimensão os atributos descritivos (a moeda utilizada). Criar um par de colunas na fato – uma com o valor original e outra com o valor convertido – permite análises em ambas as moedas sem duplicar registros, e a Dimensão Moeda possibilita filtrar e agrupar por moeda de forma eficiente.
A banca testa o conhecimento de como modelar um Data Mart que precisa registrar transações em mais de uma moeda. O ponto central é que a Tabela Fato armazena medidas e a Tabela Dimensão armazena atributos descritivos. Como as moedas são descrições, devem ficar em uma dimensão; os valores (original e convertido) são métricas e pertencem à fato.
Alternativa
Descrição da Solução
Acerto
Motivo
A
Cria um par de colunas na Tabela Fato (valor original + valor convertido) e uma Dimensão Moeda.
✅ Correta
Segue o star schema: medidas na fato, atributos descritivos na dimensão. Permite análises em ambas as moedas sem duplicar registros.
B
Cria uma Minidimensão com duas colunas fixas (valor real e valor dólar) e correlaciona com a fato.
❌ Incorreta
Minidimensão é inadequada para armazenar valores; quebra o princípio de que a fato deve conter as medidas.
C
Normaliza a Dimensão Moeda com snowflake e cria um registro na fato para cada transação.
❌ Incorreta
Normalizar a dimensão não resolve o problema dos valores; snowflake é mais complexo e tem desempenho inferior.
D
Cria uma Dimensão Auditoria para armazenar a descrição da moeda; a fato armazena apenas o valor convertido.
❌ Incorreta
A fato precisa do valor original; a dimensão auditoria não é o local adequado para atributos descritivos de moeda.
E
Entrevista o gestor para levantar regra de câmbio; cria dimensão e implementa ETL para carregar valor convertido.
❌ Incorreta
Embora a regra de negócio seja importante, a solução não especifica como armazenar o valor original na fato, essencial para análises.
Modelagem dimensional (Data Mart): Tabela Fato (medidas) (Valor original (moeda da transação), Valor convertido (moeda alvo)); Tabela Dimensão (atributos) (Moeda utilizada, Filtra e agrupa por moeda); Star schema (Simples e eficiente, Snowflake complexo e lento)
Alternativa A — ✅ Correta ⟵ GABARITO
Cria um par de colunas na Tabela Fato: uma para o valor na moeda original e outra para o valor convertido (ambos são medidas). Além disso, cria uma Dimensão Moeda que descreve qual moeda foi utilizada na transação. Essa estrutura segue o modelo star schema, onde a fato contém as métricas e as dimensões contêm os atributos. Permite responder perguntas como "total em real por mês" ou "total em dólar por ativo" usando filtros ou joins simples.
Alternativa B — ❌ Incorreta
Cria uma Minidimensão com duas colunas fixas (valor real e valor dólar) e depois correlaciona com a fato. Minidimensão é usada para atributos que mudam rapidamente (ex: faixa etária), não para armazenar valores. Além disso, armazenar os dois valores numa tabela separada da fato quebra o princípio de que a fato deve conter as medidas – a minidimensão funcionaria como uma "fato paralela", o que é inadequado e dificulta consultas.
Alternativa C — ❌ Incorreta
Propõe normalizar a Dimensão Moeda com snowflake e criar um registro na fato para cada transação relacionando com a dimensão normalizada. Normalizar a dimensão não resolve o problema de armazenar valores em duas moedas; a fato ainda precisaria de colunas para os valores. Além disso, o snowflake schema é mais complexo e tem desempenho inferior em consultas, sendo geralmente evitado em Data Marts.
Alternativa D — ❌ Incorreta
Cria uma Dimensão Auditoria para a descrição da moeda e a fato armazena apenas o valor convertido. Isso não permite consultar o valor original sem a dimensão auditoria, que não é o local adequado para guardar atributos descritivos correntes. Auditoria é para metadados de processo, não para dados de negócio.
Alternativa E — ❌ Incorreta
Entrevistar o gestor e implementar a regra de conversão em ETL é uma etapa de levantamento de requisitos e implementação, mas não responde à pergunta de como modelar o Data Mart para permitir análises nas duas moedas. A modelagem dimensional deve definir a estrutura das tabelas; a regra de negócio pode ser aplicada na carga, mas o design das tabelas é anterior e independente.
NÃO CAIA NESSA!
A banca tenta confundir o candidato misturando conceitos de modelagem dimensional (fato e dimensão) com detalhes operacionais (ETL, minidimensão, snowflake). O erro típico é achar que os valores devem ficar em tabelas separadas ou que a regra de conversão substitui a estrutura da tabela. Lembre-se: na fato vão as medidas, na dimensão vão os descritores.