Banco de Dados · FGV · 2026 | Questão sqc-fg133799

Banco de DadosOLAP (On-line Analytical Processing)

Código: fg133799
Banca: FGV
Órgão: TJ-RJ
Ano: 2026
Nível: Superior

Cargo: Analista Judiciário - Tecnologia da Informação - Analista de Inteligência Artificial

Um arquiteto de dados está projetando o Data Warehouse (DW) de uma grande rede de varejo. A tabela de fatos de vendas (Fato_Vendas) deverá ser conectada a uma dimensão de produtos. A hierarquia dos produtos é complexa e profunda: Departamento → Divisão → Categoria → Subcategoria → Produto.O administrador de banco de dados (DBA), preocupado com a integridade dos dados e o espaço de armazenamento, propôs que essa hierarquia fosse modelada seguindo os princípios da normalização. Segundo a proposta, a tabela de produtos conteria apenas o ID da subcategoria, que apontaria para uma tabela de subcategorias, que, por sua vez, apontaria para uma tabela de categorias, e assim sucessivamente, evitando a repetição de textos descritivos (como o nome do departamento) em milhões de linhas de produtos.Considerando os conceitos de modelagem dimensional (Ralph Kimball) e o impacto dessa decisão na performance de consultas analíticas (OLAP), é correto afirmar que:

Aa proposta do DBA configura um esquema floco de neve (Snowflake Schema); embora economize espaço em disco e facilite a manutenção da integridade referencial, essa abordagem prejudica o desempenho das consultas de Business Intelligence (BI) ao exigir múltiplas junções (joins) para recuperar a descrição completa dos atributos hierárquicos;
Ba abordagem sugerida caracteriza um esquema estrela (Star Schema), que é o padrão recomendado pela metodologia Kimball, pois a normalização das dimensões garante que o motor de banco de dados utilize índices bitmap de forma mais eficiente, acelerando o filtro de consultas agregadas;
Ca desnormalização completa da dimensão, consolidando todos os níveis hierárquicos em uma única tabela Dim_Produto (esquema estrela), deve ser evitada em Data Warehouses modernos baseados em armazenamento colunar, pois a redundância de dados textuais impede a compressão eficiente e aumenta o I/O de disco;
Da proposta do DBA visa a transformar o modelo dimensional em um modelo relacional de Terceira Forma Normal (3FN), o que inviabiliza o uso de ferramentas de visualização de dados (como Power BI ou Tableau), visto que essas ferramentas são tecnicamente incompatíveis com tabelas normalizadas;
Ea tabela fato, tanto no esquema estrela quanto no floco de neve, deve ser normalizada para evitar a duplicação de métricas; a diferença reside apenas no fato de que o esquema floco de neve utiliza chaves naturais (CPF, CNPJ) nas junções, enquanto o esquema estrela exige o uso de chaves substitutas (Surrogate Keys).

Revelar gabarito e comentário

GabaritoA — a proposta do DBA configura um esquema floco de neve (Snowflake Schema); embora economize espaço em disco e facilite a manutenção da integridade referencial, essa abordagem prejudica o desempenho das consultas de Business Intelligence (BI) ao exigir múltiplas junções (joins) para recuperar a descrição completa dos atributos hierárquicos;

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: Snowflake vs Star Schema

Gabarito: letra A. A proposta do DBA de normalizar a hierarquia de produtos em várias tabelas (Departamento, Divisão, Categoria, Subcategoria, Produto) configura exatamente o esquema floco de neve (snowflake). Esse modelo economiza espaço em disco e facilita a integridade referencial, mas exige múltiplos joins para recompor a hierarquia completa, o que impacta negativamente a performance de consultas analíticas (OLAP). A metodologia Kimball recomenda o esquema estrela (dimensões desnormalizadas) justamente para evitar esse custo de junções.

NÃO CAIA NESSA!

A banca explora a confusão entre os dois esquemas. A alternativa B afirma que a normalização é característica do star schema, quando na verdade é do snowflake. A letra C alega que a desnormalização (star) deve ser evitada em armazenamento colunar, o que é incorreto: dados repetidos em colunas facilitam a compressão e não prejudicam o desempenho. Fique atento: Kimball defende o uso do star schema para performance de BI.

Alternativa A — ✅ Correta ⟵ GABARITO

Descreve com precisão o snowflake schema: normalização das dimensões, economia de espaço, integridade referencial, mas mais joins e pior desempenho em consultas OLAP.

Alternativa B — ❌ Incorreta

Afirma que a proposta caracteriza um star schema e que a normalização acelera consultas com índices bitmap. Na verdade, a normalização é do snowflake; o star schema é desnormalizado. Índices bitmap funcionam bem em colunas com baixa cardinalidade, mas não são o motivo principal da recomendação do star.

Alternativa C — ❌ Incorreta

Alega que a desnormalização (star schema) deve ser evitada em DW colunares por prejudicar compressão. É o oposto: armazenamento colunar comprime eficientemente dados repetidos (como nomes de departamento), e o star schema é o padrão recomendado por Kimball justamente por simplificar as consultas e melhorar performance.

Alternativa D — ❌ Incorreta

Diz que a normalização inviabiliza ferramentas de BI (Power BI, Tableau). Essas ferramentas suportam tabelas normalizadas sim, embora exijam joins explícitos. Não há incompatibilidade técnica, apenas questão de desempenho.

Alternativa E — ❌ Incorreta

Afirma que a tabela fato deve ser normalizada. Tabelas fato normalmente são desnormalizadas (granularidade atômica) e não seguem 3FN. A diferença entre estrela e snowflake não está no tipo de chave (ambos podem usar surrogate keys), mas na normalização das dimensões.

Conclusão: A única alternativa que descreve corretamente a proposta do DBA (snowflake) e seus trade-offs é a letra A.

PEGA ESSA DICA!

Para fixar, lembre-se: Star = desnormalizado, rápido para consultas, mais espaço; Snowflake = normalizado, economia de espaço, mais joins. Em provas de BI, o star schema é a abordagem preferida de Kimball.

Link permanente: /questoes/fg133799