Uma grande rede varejista implementou um Data Warehouse para analisar suas vendas. O modelo lógico escolhido foi o esquema estrela, com uma tabela de fatos Vendas e dimensões Tempo, Produto, Loja e Cliente. A tabela de fatos contém as métricas quantidade_vendida, valor_bruto e desconto_aplicado. A granularidade definida é: uma linha por item de venda (produto) por transação. A equipe de BI precisa responder a duas perguntas de negócio:
Pergunta 1: Qual o valor total líquido (valor_bruto - desconto_aplicado) vendido por mês, por categoria de produto e por região da loja?
Pergunta 2: Qual a quantidade média de itens por transação, por mês e por loja?
Considerando exclusivamente o modelo dimensional descrito e as boas práticas de modelagem, avalie as afirmativas a seguir:
- Para responder à Pergunta 1, é necessário que a dimensão Produto possua o atributo categoria e a dimensão Loja possua o atributo região, e que a métrica valor_liquido seja calculada como valor_bruto - desconto_aplicado no momento da consulta ou armazenada como coluna calculada na tabela de fatos.
- Para responder à Pergunta 2, a granularidade atual da tabela de fatos é adequada, pois permite contar o número de transações distintas e o total de itens vendidos, bastando dividir a soma de quantidade_vendida pela contagem distinta de transações.
- Se a rede desejar analisar também o valor total líquido por dia e por hora, será necessário alterar a granularidade da dimensão Tempo para incluir hora, o que implica adicionar uma nova dimensão Hora ou aumentar o grão da dimensão Tempo para o nível de hora, mantendo a tabela de fatos no mesmo grão.
- Em um esquema floco de neve, as dimensões Produto e Loja poderiam ser normalizadas, por exemplo, separando categoria em uma tabela à parte, o que reduz a redundância, mas aumenta a complexidade das consultas por exigir mais junções.
Estão corretas apenas as afirmativas:
