Questão de Banco de Dados — Modelagem de dados — Quadrix 2025

Data Vault: modelagem dimensional ou não?

Gabarito: ERRADO (letra E). A modelagem Data Vault não é um tipo de modelagem dimensional — ela é uma abordagem de modelagem híbrida (entre a normalizada e a dimensional), que separa os dados em Hubs (chaves de negócio), Links (relacionamentos) e Satélites (atributos descritivos). A descrição dada no enunciado — "tabela de fatos centralizada e várias tabelas de dimensões a seu redor" — corresponde ao esquema estrela (star schema), que é o modelo dimensional clássico. A técnica Data Vault, além de não ser dimensional, é conhecida por ser complexa (não "simples"), justamente por sua flexibilidade e rastreabilidade.

A modelagem dimensional é a técnica padrão para data warehouses, organizando os dados em tabelas fato (medidas numéricas, eventos) e tabelas dimensão (atributos descritivos que contextualizam os fatos). O esquema estrela é a forma mais comum: uma tabela fato central cercada por dimensões, com uma única junção entre fato e cada dimensão. O esquema floco de neve (snowflake) é uma variação que normaliza as dimensões em múltiplas tabelas. O Data Vault, por sua vez, foi criado por Dan Linstedt como uma alternativa para lidar com a complexidade de integração de múltiplas fontes e a necessidade de auditoria e histórico completo, sendo frequentemente usado em arquiteturas de data lake e data warehouse empresarial.

A confusão entre Data Vault e modelagem dimensional é comum, pois ambos são usados em ambientes analíticos. No entanto, eles diferem fundamentalmente em seus objetivos e estruturas. O modelo dimensional prioriza a performance de consulta e a simplicidade de entendimento para usuários de negócio, enquanto o Data Vault prioriza a flexibilidade, a escalabilidade e a auditoria dos dados, sacrificando a simplicidade. O Data Vault não possui o conceito de "fato" e "dimensão" como o modelo dimensional; em vez disso, usa Hubs, Links e Satélites, que são entidades com propósitos distintos.

Para entender a diferença na prática, imagine um data warehouse de vendas. No modelo estrela, você teria uma tabela FATO_VENDAS com medidas como valor e quantidade, e dimensões como DIM_TEMPO, DIM_PRODUTO e DIM_LOJA. No Data Vault, você teria um HUB_PRODUTO (com a chave de negócio do produto), um HUB_LOJA (com a chave da loja), um LINK_VENDA (que relaciona produto e loja) e SAT_PRODUTO_DESCRICAO (com atributos como nome e categoria). A estrutura é mais fragmentada, mas permite que novas fontes de dados sejam integradas sem alterar o modelo existente.

A banca explora exatamente essa confusão conceitual: o candidato que conhece apenas o modelo estrela pode associar a descrição "tabela central com tabelas ao redor" ao Data Vault, mas essa é a definição de esquema estrela. Além disso, a afirmação de que Data Vault é "simples" é incorreta, pois é uma técnica notoriamente complexa. Guarde a fronteira: modelo dimensional = fato + dimensões (estrela/floco); Data Vault = Hubs + Links + Satélites (híbrido, complexo). É nessa distinção que a questão se resolve.

Item — ❌ ERRADO

A assertiva comete dois erros conceituais. Primeiro, classifica o Data Vault como "modelagem dimensional", o que é falso: o Data Vault é uma abordagem híbrida, que não segue o paradigma de fatos e dimensões. Segundo, descreve a estrutura como "tabela de fatos centralizada e várias tabelas de dimensões a seu redor", que é a definição do esquema estrela, não do Data Vault. Por fim, afirma que é uma técnica "simples", quando o Data Vault é reconhecidamente complexo, devido à sua flexibilidade e ao grande número de tabelas (Hubs, Links e Satélites). Portanto, o item está errado.

Gabarito: letra E (ERRADO).