Modelagem de dados

Semana

11 de 16 — ver data no cronograma

Titularidade

Docente

Módulo

III — Consultas, modelagem, transformação e disponibilização

Objetivos de aprendizagem

Ao fim deste Encontro você deve conseguir:

• Distinguir modelo conceitual, lógico e físico e dizer a quem cada um serve
• Justificar normalização e sua reversão deliberada a partir da carga de trabalho
• Comparar Inmon, Kimball, Data Vault e tabelas largas pelo que cada abordagem otimiza
• Modelar fato e dimensão com granularidade declarada e tratar dimensão de variação lenta

A pergunta que abre esta Semana não é “qual modelagem é a melhor”, e sim para quem o modelo está sendo escrito. Modelo normalizado serve a quem escreve; modelo dimensional serve a quem pergunta. São objetivos diferentes, e é por isso que a mesma organização mantém os dois.

Granularidade é a decisão mais consequente e a que mais passa despercebida: uma linha do fato é o quê? Uma venda, um item da venda, um dia de vendas por loja? Escolher errado não dá erro — dá um modelo que responde a perguntas próximas da que interessava, e ninguém percebe.

Dimensão de variação lenta é onde dados públicos brasileiros cobram caro. Município que muda de nome, órgão que é extinto e recriado, código que é reaproveitado: se a dimensão sobrescreve, o histórico mente. Todo domínio de vocês tem pelo menos uma dessas — vale procurá-la antes de ela procurar vocês.

Material complementar

• The Data Warehouse Toolkit, cap. 1 a 3 — Kimball na fonte. É onde fato, dimensão e granularidade ganham precisão