A Hemobrás deseja otimizar suas análises sobre o fornecimento de medicamentos derivados do sangue para hospitais atendidos pelo Sistema Único de Saúde (SUS). A equipe de TI precisa projetar um datamart para facilitar a geração de relatórios sobre a demanda de produtos. O objetivo é permitir consultas eficientes sobre o consumo de medicamentos por hospital, período e tipo de produto. Diante dessa necessidade, qual modelo de datamart é mais adequado para essa solução, considerando que a análise se baseia principalmente na quantidade de medicamentos distribuídos e suas características associadas?
- A)Um modelo de relação-entidade, estruturando as informações de maneira transacional, permitindo operações de inclusão e atualização mais eficientes.
Errada, porque modelo entidade-relacionamento é mais associado a sistemas transacionais e não a um datamart voltado a análise rápida.
- B)Um esquema de rede baseado em um modelo hierárquico, cujas relações entre medicamentos e hospitais são armazenadas em uma estrutura de grafos interconectados.
Errada, porque mistura conceitos de rede e hierarquia que não representam o modelo dimensional mais adequado para consultas analíticas nesse cenário.
- C)Um esquema em estrela (star schema) com uma única tabela fato contendo os medicamentos distribuídos e tabelas dimensionais para hospitais, períodos e tipos de produtos.
Certa, porque o esquema em estrela com fato de medicamentos distribuídos e dimensões de hospital, período e tipo de produto é o desenho clássico para análise em datamart.
- D)Um esquema normalizado com tabelas altamente relacionadas para reduzir redundâncias, garantindo a consistência dos dados, mesmo que impacte a performance das consultas.
Errada, porque a normalização reduz redundância, mas costuma prejudicar a performance e a simplicidade das consultas analíticas em comparação com o modelo dimensional.
Gabarito: C
Quando a questão fala em datamart para analisar consumo de medicamentos por hospital, período e tipo de produto, ela está pedindo uma estrutura pensada para consulta rápida, e não para registro transacional do dia a dia. Em DW, o caminho mais clássico para isso é organizar os dados em torno de uma tabela fato central, que guarda as medidas numéricas, como a quantidade distribuída, e ligar essa fato às dimensões que descrevem o contexto da análise. É exatamente por isso que o esquema em estrela costuma aparecer como queridinho em provas: ele simplifica as consultas, melhora a leitura analítica e facilita a montagem de relatórios. As dimensões hospital, tempo e tipo de produto funcionam como filtros e eixos de exploração, enquanto a tabela fato concentra o que interessa medir. Em termos práticos, você olha para o “quanto foi distribuído”, e as dimensões dizem “para quem, quando e de qual produto”. A alternativa C está correta porque descreve um modelo dimensional típico de datamart, com uma fato central e dimensões bem separadas, o que combina com a análise de demanda e consumo. Esse desenho é muito usado em Data Warehouse, na linha do que a doutrina de modelagem dimensional ensina, especialmente nos trabalhos clássicos de Ralph Kimball, que defendem o esquema em estrela para facilitar performance e entendimento pelos usuários de negócio. As outras opções tentam te puxar para modelos transacionais ou normalizados, que até são úteis em outros contextos, mas não são a melhor escolha para análise gerencial. Em prova, quando o enunciado fala em relatório, consulta analítica, medidas e características associadas, acenda a luz do esquema dimensional: o banco quer que você pense como analista, não como caixa registradora.