4.6 ER e Normalização de dados#

Os modelos ER são muito utilizados pelos arquitetos de bancos de dados para facilitar a criação de bancos de dados normalizados pois facilitam visualizar as relações entre as tabelas no processo de normalização. Este processo é muito útil em bancos de dados transacionais porque ao evitar a redundância os bancos de dados conseguem fazer transações de escrita de forma muito eficiente. Por exemplo, para registrar uma nova venda para um cliente é muitas vezes possível realizar uma única operação de escrita em uma única tabela do banco de dados.

Quando o objetivo é realizar uma consulta analítica, entretanto, a normalização1 se torna um grande desafio para o analista. Na figura 4.6, por exemplo, a relação entre 2 tabelas como Pedidos e Territórios pode ser feita de muitas maneiras distintas e muitas delas não darão o mesmo resultado. Em bancos de dados normalizados, consultas são difíceis de otimizar e as chances de erros são grandes. Esse problema é especialmente importante quando utilizamos ferramentas de BI que inferem o modelo de dados de forma automática. Se os relacionamentos errados forem feitos, as consultas e métricas também estarão erradas. A normalização é complexa tanto para humanos como para máquinas.

Além disso, bancos de dados transacionais frequentemente são “mutáveis”, isto é, salvam novos dados sem se preocupar com a histórias das alterações. Embora isso possa fazer sentido para um serviço operacional, as comparações ao longo do tempo e visualização de alterações são importantes para a análise de dados em geral.

Como veremos no capítulo 6, os bancos de dados analíticos pedem um modelo de dados que seja otimizado para a análise de dados, não para o desenvolvedor de bancos de dados ou performance operacional. Geralmente esse modelo será alguma variação do chamado modelo dimensional, que não utiliza dados normalizados e simplifica sua estrutura nos chamados esquema estrela (do inglês, star schema).

1

Existem diferentes níveis de normalização de bancos de dados. A forma considerada “canônica” é chamada de terceira forma normal, ou simplesmente pela sigla 3FN. Nesse método, cada atributo de uma tabela deve depender apenas das chaves e nada mais.. Há inclusive uma frase em inglês utilizada para lembrar dessa restrição e que menciona Edgar Codd, o criador do modelo relacional: “The key, the whole key, and nothing but the key. So help me Codd”.