O esquema de modelagem multidimensional usado é do tipoGabaritoE — estrela.
Gabarito: letra E. O esquema representado na figura é o estrela (star schema), caracterizado por uma tabela fato central conectada diretamente a várias tabelas dimensão, sem normalização das dimensões. Essa é a estrutura clássica da modelagem dimensional para Data Warehouse, conforme descrito na literatura de Kimball e nos materiais de apoio.
A modelagem dimensional é a técnica usada para representar dados em bancos de dados multidimensionais, visando consultas analíticas rápidas e intuitivas. Nela, distinguem-se dois tipos de tabelas: a tabela fato, que armazena as métricas (medidas) e as chaves estrangeiras para as dimensões, e as tabelas dimensão, que descrevem os contextos de análise (tempo, produto, loja, cliente etc.). O arranjo dessas tabelas define o esquema dimensional.
O esquema estrela é o mais simples e comum: uma tabela fato central, com uma única tabela para cada dimensão, ligada por junções diretas. As dimensões não são normalizadas, podendo conter redundância, o que favorece o desempenho das consultas, pois cada consulta envolve poucas junções. Já o esquema floco de neve (snowflake) é uma variação do estrela em que as dimensões são normalizadas (geralmente até a 3ª forma normal), decompondo-se em múltiplas tabelas relacionadas. Isso reduz redundância, mas aumenta o número de junções e, consequentemente, a complexidade e o tempo de resposta das consultas.
Na figura, a tabela central (fato) está ligada diretamente a três dimensões (tempo, produto, loja), sem tabelas intermediárias — exatamente a estrutura do esquema estrela. As alternativas incorretas exploram conceitos vizinhos: floco de neve (dimensões normalizadas), cubo OLAP (estrutura lógica de dados multidimensionais, não um esquema de modelagem), simétrico (não é um esquema dimensional padrão) e snapshot (tipo de granularidade de tabela fato, não um esquema).
A pegadinha da banca está em confundir o esquema estrela com o floco de neve, que é a variação mais próxima. A distinção decisiva é a normalização das dimensões: se as dimensões estão em tabelas únicas e não normalizadas, é estrela; se estão decompostas em hierarquias normalizadas, é floco de neve. Guarde esse critério — é exatamente nele que as alternativas se separam.
O floco de neve é um esquema em que as tabelas dimensão são normalizadas, decompostas em múltiplas tabelas relacionadas. Na figura, as dimensões aparecem como tabelas únicas, sem normalização, o que descarta essa alternativa. A banca explora a confusão entre os dois esquemas mais comuns.
Cubo OLAP não é um esquema de modelagem dimensional, mas sim a estrutura lógica de dados multidimensionais usada por ferramentas OLAP (MOLAP). O cubo organiza os dados em dimensões e medidas para consultas analíticas, mas não define a disposição das tabelas no banco. A figura mostra um esquema de tabelas, não um cubo.
Simétrico não é um tipo de esquema de modelagem multidimensional reconhecido na literatura. Não há um padrão chamado "esquema simétrico" em Data Warehouse. A alternativa é um distrator sem fundamento técnico.
Snapshot refere-se a um tipo de granularidade de tabela fato (snapshot periódico ou acumulado), não a um esquema de modelagem. A figura não representa um tipo de fato, mas a estrutura geral do modelo dimensional.
O esquema estrela é exatamente o que a figura mostra: uma tabela fato central (com medidas e chaves) conectada diretamente a tabelas dimensão, sem normalização. Essa é a estrutura mais comum em Data Warehouses, priorizando consultas rápidas com poucas junções.
Para diferenciar estrela de floco de neve na prova, olhe as dimensões: se cada dimensão é uma única tabela (não normalizada), é estrela; se as dimensões estão divididas em várias tabelas (normalizadas), é floco de neve. Essa é a pegadinha clássica da banca.
Gabarito: letra E
Link permanente: /questoes/fg080981