Questão de TI - Ciência de Dados e Inteligência Artificial — Modelagem Dimensional — VUNESP 2023

Modelagem dimensional: dimensão Junk

Gabarito: letra C. A dimensão Junk (lixo) é uma tabela de dimensão que agrupa atributos de baixa cardinalidade e sem relação entre si, que não justificam dimensões próprias — e sua principal vantagem é exatamente diminuir o tamanho da tabela fato associada, pois evita que esses atributos sejam armazenados diretamente na fato, reduzindo o número de colunas e a largura das linhas.

A modelagem multidimensional para Data Warehouse organiza os dados em tabelas de fato (que armazenam as medidas, os números que se quer analisar) e tabelas de dimensão (que armazenam os atributos descritivos, o contexto textual que qualifica os fatos). O modelo mais comum é o esquema estrela, em que a tabela fato fica no centro e as dimensões ao redor, cada uma ligada por uma única junção. As dimensões são desnormalizadas de propósito: quanto mais atributos descritivos em uma dimensão, mais rica é a análise possível — mas cada atributo adicionado à fato aumenta o custo de armazenamento e degrada o desempenho das consultas.

É aí que entra a dimensão Junk. Imagine uma tabela fato de vendas que precisa registrar, para cada venda, o canal de venda (loja física, internet, telefone), a forma de pagamento (cartão, boleto, pix) e a bandeira do cartão (Visa, Master). Cada um desses atributos tem poucos valores possíveis (baixa cardinalidade) e não se relacionam entre si. Criar uma dimensão para cada um seria um desperdício — seriam dimensões minúsculas, com poucas linhas. A solução clássica é criar uma única dimensão Junk que combina todas as combinações possíveis desses atributos: cada linha da dimensão Junk representa uma combinação (canal + pagamento + bandeira), e a tabela fato guarda apenas a chave estrangeira para essa dimensão. Assim, em vez de três colunas na fato, há apenas uma chave — a fato fica menor e mais estreita.

A dimensão Junk é, portanto, uma técnica de consolidação de atributos de baixa cardinalidade em uma única tabela de dimensão. Ela não é normalizada (não é subdividida em tabelas menores), não precisa de conexão com outras dimensões, não fica dentro da fato e não usa chaves substitutas diferentes para visões diferentes. A pegadinha da banca está em confundir a dimensão Junk com outras técnicas de modelagem, como a dimensão degenerada (que fica na fato) ou o floco de neve (que normaliza). Guarde o critério: Junk = agrupar atributos de baixa cardinalidade para enxugar a fato.

Alternativa A — ❌ Incorreta

Afirma que a dimensão Junk está contida dentro da própria tabela fato por ter somente sua chave como atributo. Isso descreve a dimensão degenerada, não a Junk. A dimensão degenerada é um atributo que fica na própria tabela fato, sem tabela de dimensão separada (ex.: número do pedido, número da nota fiscal). A dimensão Junk, ao contrário, é uma tabela de dimensão separada, com chave própria e vários atributos combinados.

Alternativa B — ❌ Incorreta

Diz que a dimensão Junk pode estar relacionada com a tabela fato em visões diferentes pela mesma chave substituta. Isso não é uma característica da dimensão Junk. A chave substituta (surrogate key) é usada em todas as dimensões para garantir estabilidade, mas a ideia de "visões diferentes pela mesma chave" não define a Junk. A Junk tem uma única chave substituta que referencia uma combinação de atributos — não há múltiplas visões.

Alternativa C — ✅ Correta ⟵ GABARITO

A vantagem central da dimensão Junk é diminuir o tamanho da tabela fato associada. Ao consolidar vários atributos de baixa cardinalidade em uma única dimensão, a fato passa a ter apenas uma chave estrangeira em vez de várias colunas descritivas. Isso reduz a largura das linhas da fato, economiza espaço em disco e melhora o desempenho das consultas, pois menos dados precisam ser lidos. É exatamente o que a alternativa afirma.

Alternativa D — ❌ Incorreta

Afirma que a dimensão Junk deve possuir conexão com outras dimensões. Não há essa exigência. A dimensão Junk é uma tabela independente, ligada apenas à tabela fato. Ela não precisa (nem deve) se relacionar com outras dimensões — sua função é justamente evitar a proliferação de dimensões pequenas e desconexas.

Alternativa E — ❌ Incorreta

Diz que a dimensão Junk está normalizada e subdividida em tabelas menores de domínio. Isso descreve o esquema floco de neve (snowflake), que normaliza as dimensões em subdimensões. A dimensão Junk é o oposto: ela é desnormalizada por construção, agrupando atributos em uma única tabela justamente para evitar a normalização e a complexidade.

Na prova, ao ver "Junk", lembre-se: consolidação de atributos de baixa cardinalidade para reduzir a fato.

Gabarito: letra C