EADW CAP05 2024 VA03 MODELAGEM DIMENSIONAL BOAS PRATICAS

Modelagem dimensional: as melhores
práticas e as regras de ouro

para que a gente construa
uma arquitetura precisa e funcional.

A gente, agora, vai se atentar
a alguns fundamentos técnicos

para que a sua modelagem seja
funcional e seja sustentável,

para que, à medida que a sua
empresa vá crescendo,

conforme os dados
vão crescendo junto,

eles consigam continuar
se correlacionando entre si.

Então, vamos para a tela
e eu vou mostrar para vocês

quais são essas regras de ouro

e como a gente deve construir
do zero uma modelagem dimensional.

Então, olha só, lembra que temos
aqui a Fato no coração

e as dimensões, que são
as tabelas complementares.

Fundamental relembrarmos
que toda a modelagem dimensional

é baseada na linguagem
não estruturada,

então o que a gente entendeu
no formato de tabela,

a gente pode escrever
de uma forma não estruturada.

Então, olha só que importante:

nossa tabela Fato sempre vai
receber a palavra "fato" na frente

para identificar
que ela é uma Fato.

Em todas as colunas
dela vai estar escrito,

vão estar identificadas
como "sk"

Todas as dimensões vão
receber esta seta indicativa

mostrando que, aqui, nós
temos as chaves primárias

representadas às vezes
por aquele pé de galinha,

às vezes por esse condensado.

E a nossa tabela dimensional
vai receber essa seta

e, aqui, o que era chave primária
vira chave estrangeira.

Então olha só, em uma
modelagem fato-dimensão,

a gente tem as chaves primárias
e as chaves estrangeiras,

sendo correlacionadas entre si.

Outro detalhe fundamental:
"sk" vai indicar

que a gente tem
uma "surrogate key".

O que é isso?

É uma chave
que vai demonstrar

que todas as informações
importantes e fundamentais

que estão aqui
na nossa tabela Fato

também estão na nossa
tabela Dimensão.

Então, note que todas
as nossas tabelas Dimensão

vão receber a mesma
identificação, por quê?

Porque conforme eu vou
construindo a minha Fato,

eu vou puxar essa informação
e vou completar essa informação

aqui na minha tabela Fato.

Então, eu vou ter sempre
uma linha que vai se conectar

da Fato para a Dimensão e, aí, eu
consigo fazer as famosas joins,

eu consigo juntar
uma informação na outra

para formar o desenho estatístico
dessa minha correlação.

Então, "surrogate key" significa
a chave mais forte da sua tabela,

aquela chave que vai se repetir
tanto na tabela Fato

quanto na tabela Dimensão.

É através dessa chave que a gente
consegue linkar as informações

e essas informações
serem replicadas

em qualquer funcionamento
estatístico

que você queira atribuir para a sua
modelagem dimensional.

Além disso, existe também
a chave natural, ou "natural key",

como a gente gosta de falar.

Então, vamos entender
onde ela entra.

Natural key é fundamental
para a auditoria dos dados,

são aqueles dados que são
exclusivos de uma entidade,

e elas vão servir para
a rastreabilidade do meu item.

Por exemplo, quando a gente
tem, no cliente, o CPF dele,

com certeza esse dado sempre
vai ser exclusivo desse cliente.

Por isso, essa "sk" do cliente vai
estar vinculada a uma natural key

para que esse dado seja rastreável
ao longo de todo o processo.

Então, vamos imaginar
que esse cliente

seja replicado em outras
modelagens dimensionais.

Eu vou ter a certeza que ele
continua sendo o mesmo cliente

por causa da identificação
natural key, ou "nk".

Além do conceito de surra, gente
que é natural que a gente também pode

se aprofundar no conceito de smart,
que é como o próprio nome já diz,

é uma chave inteligente,
porque ela vai ter duas funções.

A primeira função é de ser uma sockets,
que eu seja ser uma chave forte

que vai vincular e linkar
todas as entidades nas minhas tabelas.

Mas ela também vai servir para ordenar
e organizar as minhas informações.

Normalmente isso acontece
com informações de data e com informações

geográficas, então vamos ver aqui
na nossa tabela esse exemplo.

Olha só a Smart que ela normalmente

vai ser representada por esse,
por essa setinha, por esse triângulo

para cima ou para baixo, indicando
já que essa tabela além de ter uma surra,

alguém que ela também pode ser ordenada

num formato crescente ou decrescente.

Se eu utilizasse, por exemplo,
para clientes, eu poderia estar

indicando que eu estou escrevendo
os meus clientes em forma.

A Alphabet Dica ou em forma geográfica,
eu poderia estar demonstrando que eu estou

dividindo esses meus clientes por estado,
por cidades.

Enfim, são informações inteligentes
que vão estar associadas

e que, além de mostrar qual a informação,

vai conseguir organizar melhor
a minha tabela.

Além de todas essas chaves fundamentais,

existe também uma chave
que a gente chama de degenerada.

Por quê?

Porque são informações importantes
para cada departamento.

Acho que elas não servem para fazer
uma métrica, uma modelagem estatística

disso.

Só que elas precisam estar contidas
na nossa tabela.

E aí a gente identifica isso
como DDD Generation, que então olha aqui.

Por exemplo, eu tenho a minha tabela fato
e a minha tabela dimensão

dentro da minha dimensão produto

eu vou ter a descrição do que é esse
produto.

Vamos, força!

Tem uma camisa, Você está dizendo Ah,
é uma camisa verde do tamanho G,

feita de material poliéster e etc.

Então é uma informação que eu
não vou criar a estatística sobre ela,

mas que é importante, está contida aqui

na minha tabela,
nas minhas informações complementares.

E aí a gente identifica isso
ou classifica isso

como desde inerente que é,
a gente pode também

para incrementar
e complementar e colocar o sufixo aqui.

DD Mas como é uma informação que a gente

não vai utilizar nas nossas estatísticas,

então estar identificado ou não,
não faz tanta diferença assim.

Outra regra de ouro para que a gente
construa de forma saudável

a nossa modelagem dimensional

e se atentar no conceito do 5W3HO
e o que isso significa?

É a tradução para.

Que Quando? Onde?

Para Quem?

Quantos? Qual a quantidade?

Todas essas informações.

Elas são interessantes
para que você se direcione

na construção de respostas de negócios.

Então, o que você deve se atentar
de que só as duas tabelas, fato e dimensão

têm que conter essas respostas,

Então não necessariamente você tem que ter
sempre todas essas informações,

mas quanto mais dessas informações
você tiver na sua tabela, melhor.

Um outro conceito fundamental
é o conceito de granulometria.

Vem exatamente da palavra grãos.

Tamanho desses grãos.

Então, quanto maior esse dimensionamento,
menor a minha granulometria.

Por exemplo, se a gente medir
datas, datas, eu posso medir por ano,

por semestre, por bimestre, por dias.

Então quanto mais refinada for, maior
é a minha granulometria.

Pode ser que para o seu negócio

esse diferente grão
não faça tanta diferença,

mas para uma outra pergunta de negócio,
essa diferenciação seja importante.

Então, por exemplo,
se eu quero identificar

qual é o melhor dia
para lançar uma promoção,

eu preciso ter a minha data bem granular.

Se eu quero saber qual é o melhor mês,
eu não preciso do dia,

Eu preciso das minhas informações
agrupadas em mês.

Por isso
esse conceito de granulometria dia.

Eu posso ter uma dimensão
com uma granulometria bastante aguçada,

mas para cada modelagem dimensional
eu vou puxar uma granulometria diferente,

Pode ser que no seu negócio
essa diferença não seja significativa.

Por exemplo, se você quiser
lançar uma promoção para aquele mês,

o seu grão tem que ser agrupado por mês.

Agora você quer saber o melhor dia
para você lançar uma promoção?

O seu grão tem que ser agrupado por dia,

então vai
de acordo com a pergunta de negócio.

O importante é que você tenha uma tabela
dimensional com todas as datas definidas

e para cada modelagem você vai agrupando

de acordo com a sua pergunta de negócio.

Outro conceito fundamental
é você entender quais são as dimensões

que se alteram lentamente ou rapidamente.

Então, por exemplo,
quando a gente tem data de nascimento,

Na verdade,
o que é sua pergunta de negócio se refere?

É sempre a idade.

Então a gente pega a data de nascimento
que faz a transformação

e demonstra
a idade na resposta de negócios.

Só que essa idade
ela vai se alterar ano a ano.

Então é uma dimensão
que se altera lentamente.

Um outro exemplo disso é, por exemplo,
o seu endereço.

Você não se muda todo dia,
então esse endereço

também é uma dimensão
que se altera lentamente.

Um exemplo de dimensão
que se altera rapidamente

é a venda de uma venda para outra.

Alterou o produto?

Então é um dimensão
que a gente tem que se atentar, porque

a cada linha ela vai ter uma interação

e uma alteração bastante significativa.

E agora, para a gente

fechar os nossos conceitos fundamentais

para montar uma boa arquitetura
de dados dimensional

e a gente entender mais quatro informações
importantes,

A primeira delas é a junk
dimensional de lixo, que significa?

São informações que você precisa ter,

mas são informações estruturais
do seu modelo.

São informações que muito raramente

o departamento de Analytics vai utilizar.

Só que é fundamental para que você não
esqueça como seu modelo foi organizado.

Então você além de criar a sua modelagem
tradicional,

você vai criar uma outra tabela
para indicar todas essas estruturas

e vai ser como um guia,
como um dicionário para sua modelagem.

Outro conceito é o conceito de Al Tigre.

Toda vez que você incrementa

uma dimensão, uma granulometria,

você está criando uma tabela denominada

como o tigre, por exemplo,
quando você tem datas

e aí você organiza essas datas
de forma anual ou diária, ou semestral,

Cada uma dessas formas
ela é classificada como al Tigres.

Não vai interferir em nada,
mas é um conceito interessante

para você ter elas já reservado
para quando você criar a sua modelagem

específica para aquele departamento,
você já tem essa tabela dimensional

separada
e pronto para montar naquela modelagem.

Outro conceito fundamental
é o conceito de role playing.

Normalmente a gente
não sai comentando sobre isso,

só que ele é um conceito
que vai te ajudar na estrutura.

São tabelas que vão servir para diversos
modelos dimensionais que você cria.

Então,
quando você tem uma base de endereços

e você vincula essa
base de endereços a um ID,

o que você vai fazer?

Essa base de endereços
vai servir para diversos modelos

e em cada modelo
você vai puxar apenas e de.

Esse é dia
sempre puxado pela sua corrente que.

Então esse conceito de playing
é muito interessante

porque você já vai
construindo tabelas dimensionais

que vai servir para o apoio
de diversas modelagens.

Isso facilita muito o seu trabalho.

A medida que você estiver criando
novas modelagens para o seu negócio.

E para finalizar, o conceito de bridge
table, ou seja, tabela ponte.

O que é isso?

Novamente,
naquele formato de granulometria,

a medida que eu
tenho que utilizar informações de tabelas

diferentes, de agrupamentos diferentes,
eu chamo isso de ponte.

Por quê?

Porque dentro da minha tabela ano

eu vou ter o ano,
vou ter o semestre, bimestre o dia.

E aí ao invés de eu puxar a informação
semestral que não vai ser importante,

eu pingo essa informação
e pego somente a informação diária

para construir o meu modelo.

Agora você está pronto para construir
modelagens dimensionais

de forma saudável, assertiva
e que vai perdurar ao longo do tempo.