Uma empresa de varejo online deseja construir um Data Warehouse para analisar o desempenho de vendas. A equipe de BI modelou um esquema estrela com uma tabela fato Vendas e dimensões Tempo, Produto, Cliente e Loja. A tabela fato contém as métricas quantidade_vendida, valor_bruto e desconto_aplicado. Durante a validação do modelo, surgiram as seguintes observações:

• I. A granularidade da tabela fato é definida pelo conjunto de dimensões que a compõem; portanto, cada linha representa uma venda individual de um produto por um cliente em uma loja em uma data específica.
• II. Se a empresa desejar analisar as vendas por mês e por categoria de produto, será necessário criar uma nova tabela fato com granularidade mensal, pois o esquema estrela não permite agregações em consultas OLAP.
• III. A dimensão Tempo pode ser modelada como um floco de neve, separando atributos como dia, mês, trimestre e ano em tabelas distintas, sem prejuízo para a performance de consultas que envolvem essas hierarquias.
• IV. As métricas valor_bruto e desconto_aplicado são aditivas, enquanto quantidade_vendida é semi-aditiva, pois não faz sentido somá-la ao longo do tempo.

Considerando os conceitos de modelagem dimensional, esquemas estrela e floco de neve, e tecnologia OLAP, quais observações estão corretas?