SóProvas


ID
128500
Banca
FCC
Órgão
TRT - 15ª Região (SP)
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

No contexto OLAP:

I. As visões materializadas agregadas a partir de uma tabela de fatos podem ser identificadas exclusivamente pelo nível de agregação para cada dimensão.

II. Quando aplicada a configuração star schema as tabelas de fatos e as de dimensão são idênticas quanto à totalidade dos atributos que contêm e também quanto ao grau de granularidade.

III. O esquema snow flake é uma variação do star schema.

Está correto o que consta em

Alternativas
Comentários
  • B) CORRETAanálise das assertivas:III O Star Schema pode ser usado qualquer situação. O Snow Flake seria uma variação do Star Schema ligando fatos entre si para diminuir a repetição de informações nas tabelas dimensionais.Por exemplo: Uma relação entre Colaborador e seus Dependentes.Nesse caso, os Dependentes ficam armazenados em um snowflake apontado para o Colaborador.IIO conceito de Esquema Estrela (em inglês: Star Schema) foi criado pelo americano Dr. Ralph Kimball, ao propor uma visão para a modelagem de base de dados para sistemas de apoio a decisão. Sua principal característica é a presença de dados altamente redundantes, melhorando o desempenho.O Star schema ou esquema em estrela é uma metodologia de modelagem de dados utilizada no desenho de um Data Warehousing.Os dados são modelados em tabelas dimensionais ligadas a uma tabela de fatos. As tabelas dimensionais contém as características de um evento. A tabela de fatos armazena os fatos ocorridos e as chaves para as características correspondentes, nas tabelas dimensionais.Exemplo:FATO=VendasDIMENSOES: Produto, Loja, Tempo, Cliente.Desta forma, por definição, as tabelas de fatos e de dimensões NÃO SÃO idênticas quanto ao grau de granularidade (detalhamento). Por exemplo, vendas por "Produto" poderá ter diversos níveis de granularidade na dimensão "Tempo": "Vendas diárias", "Vendas Semanais", Vendas Mensais", etc.Estas mesmas vendas por produto, na dimensão "Produto", irá AGRUPAR o total de vendas de um determinado produto, sem levar em consideração o período de tempo.O nome foi adotado devido à semelhança do modelo como uma estrela. No “centro” da estrela, existe aquilo a que se chamou tabela de fatos, rodeada por tabelas auxiliares, chamadas de dimensões. A tabela de fato liga-se às demais dimensões por múltiplas junções e as tabelas de dimensões ligam-se com apenas uma junção à tabela de fatos.Desta forma a consulta ocorre inicialmente nas tabelas de dimensão e depois nas tabelas de fatos, assegurando a precisão dos dados por meio de uma estrutura de chaves onde não é preciso percorrer todas as tabelas, garantindo um acesso mais eficiente de com melhor desempenho.
  • Afirmativa I (CORRETA) - Primeiramente é necessário entender o conceito de fato e dimensão. 
    Fato é uma coleção de itens de dados compostos de dados de medidas e de contexto. O fato reflete a evolução dos negócios do dia-a-dia e é representado por valores numéricos. É implementado em tabelas denominadas tabelas de fato (fact tables). 
    Dimensões são os elementos que participam de um fato, ou seja, é a partir delas que formam a tabela de fato.
    Assim sendo, as visões materializadas de uma tabela de fato é constituída das tabelas de dimensão.
     
    Afirmativa II (ERRADA) - É necessário entender o conceito de star schema que é um modelo de metadado (esquema) do cubo multidimensional, onde a tabela dominante (tabela de fato), que fica no centro de tudo, se relaciona com as outras tabelas (de dimensão), que ficam nas extremidades da tabela de fato, formando uma espécie de "estrela".
    No modelo star schema, nem sempre as tabelas de fato e de dimensão são idênticas porque pode haver tabelas com quantidade de atributos diferentes.
     
    Afirmativa III (CORRETA) - É necessário também entender o conceito de snow flake que é um modelo de esquema que é normalizado (normalização de banco de dados) a partir do modelo star schema. Ou seja, o modelo snow flake é uma variante do modela star schema como afirma na questão.
  • OLAP, “Online Analytical Processing”, analisa grandes volumes de informações nas mais diversas perspectivas dentro de um Data Warehouse (DW). O OLAP também faz referência às ferramentas analíticas utilizadas no BI para a visualização das informações gerenciais e dá suporte para as funções de análises do negócio organizacional.