Em relação às diferenças de características técnicas entre um banco de dados planejado para lidar com informações transacionais (operações do dia a dia de uma empresa) e um Data Warehouse, é correto afirmar que
- A)a normalização é essencial em um Data Warehouse, sobretudo no modelo dimensional estrela, de forma a evitar dados redundantes.
Errada, porque no Data Warehouse a normalizacao nao é o ponto central do modelo estrela; em geral, aceita-se certa desnormalizacao para ganhar desempenho analitico.
- B)os processos analíticos normalmente usam uma pequena parcela de dados, reservando grandes porções de dados aos processos transacionais.
Errada, porque os processos analiticos costumam varrer grandes volumes de dados, enquanto os transacionais lidam com pequenas operacoes pontuais e frequentes.
- C)a questão de redundância de dados não é problema para o modelo dimensional (estrela), pois a normalização não é relevante entre fatos e dimensões.
Certa, pois no modelo dimensional estrela a redundancia é tolerada e a normalizacao entre fatos e dimensoes nao é o foco principal.
- D)os dados transacionais são acessados raramente, ao passo que os dados em um Data Warehouse são acessados frequentemente para o funcionamento operacional de uma empresa.
Errada, porque o contrario é que ocorre: dados transacionais sao usados o tempo todo nas operacoes, enquanto o Data Warehouse é voltado a consultas e analises.
- E)os dados salvos em um Data Warehouse são constantemente atualizados por meio de operações de UPDATE, ao passo que os dados transacionais recebem apenas novos registros (INSERT) e pedidos de leitura (SELECT).
Errada, porque Data Warehouse nao é atualizado constantemente por UPDATE como regra, e bancos transacionais fazem muito mais que somente INSERT e SELECT.
Gabarito: C
A distinção clássica entre banco transacional e Data Warehouse cai muito em prova porque os dois servem a objetivos bem diferentes. O banco transacional, voltado ao OLTP, sustenta as operações do dia a dia: muitas insercoes e atualizacoes, dados bem organizados, alta concorrencia e forte preocupação com integridade. Ja o Data Warehouse, ligado ao OLAP, existe para analise: ele consolida historico, recebe consultas pesadas e raramente é usado para alterar registros na rotina operacional. No modelo dimensional, especialmente no esquema estrela, a ideia nao é sair normalizando tudo ao maximo. Pelo contrario: costuma haver desnormalizacao nas dimensoes para facilitar consultas, reduzir joins e deixar a analise mais rapida. Isso gera redundancia controlada, o que é aceitavel no contexto analitico. Em concurso, quando aparecer a palavra estrela, desconfie de frases que tratam a normalizacao como regra de ouro. Por isso, o gabarito é a letra C. Ela acerta ao dizer que a redundancia nao é um problema central no modelo dimensional estrela, porque a normalizacao nao é o foco entre fatos e dimensoes. O objetivo aqui é performance de consulta e simplicidade de entendimento do negocio, e nao eliminar toda repeticao de dados. Se quiser guardar uma regra pratica: transacional pensa em transacao, consistencia e escrita; Data Warehouse pensa em analise, historico e leitura. A banca adora trocar essas caracteristicas de lugar para ver se voce cai na casca de banana.