Respostas corretas
- AAs tabelas de dimensões devem ter uma chave primária e colunas descritivas.
- CAs tabelas de fatos devem ter chaves estrangeiras que se relacionem com as tabelas de dimensões.
Explicação
A Opção A está correta porque em um esquema estrela, as tabelas de dimensões servem como tabelas de consulta/referência, portanto, devem possuir uma chave primária que identifique unicamente cada linha (por exemplo, ProductKey, DateKey) além de atributos descritivos, como nome do produto, categoria ou cor usados para fatiar e agrupar nos visuais do Power BI. A Opção C está correta porque as tabelas de fatos armazenam eventos mensuráveis (vendas, quantidades, valores) e devem conter chaves estrangeiras que se relacionam com as chaves primárias das tabelas de dimensões, formando os relacionamentos de um para muitos nos quais o motor VertiPaq do Power BI e o DAX confiam para filtragem e agregação eficientes. A Opção B não é uma melhor prática porque colunas calculadas em tabelas de fatos consomem memória e armazenamento, e a lógica de negócios é mais bem tratada por meio de medidas ou na camada de origem/ETL para manter a tabela de fatos enxuta. A Opção D está errada porque mesclar todas as tabelas em uma única tabela plana derrota o propósito do esquema estrela, causando redundância, maior tamanho de modelo e desempenho degradado. A Opção E está incorreta porque relacionamentos de muitos para muitos entre tabelas de fatos e dimensões são um anti-padrão no projeto de esquema estrela; os relacionamentos devem ser de um para muitos da dimensão para o fato para garantir a propagação correta de filtros e resultados previsíveis.
Para se aprofundar
O conceito central testado é a modelagem dimensional no Power BI, especificamente como os esquemas estrela otimizam tanto o desempenho quanto a correção analítica. As tabelas de fatos armazenam medidas numéricas e chaves estrangeiras no menor grão, enquanto as tabelas de dimensões armazenam atributos descritivos que são desnormalizados para facilitar a navegação. Uma armadilha comum, mas sutil, é colocar a lógica de negócios como colunas calculadas em tabelas de fatos; embora o Power BI as exiba no modelo, elas são materializadas no momento da atualização e quebram a capacidade do VertiPaq de comprimir colunas de medidas altamente repetitivas que compartilham o mesmo caminho de cálculo. Outra sutileza é que os relacionamentos de muitos para muitos, embora às vezes necessários para cenários de tabelas de ponte como filtragem por vários proprietários de contas, exigem padrões DAX explícitos (por exemplo, CROSSFILTER, TREATAS) e podem produzir totais enigmáticos se não forem tratados com um fato sem fatos adequado ou um caminho de relacionamento dedicado. A implicação no mundo real é que um esquema estrela bem formado com chaves de dimensão exclusivas e chaves estrangeiras de fatos gera consultas DAX mais rápidas, arquivos .pbix menores e menos problemas de suporte ao usuário, porque o mecanismo pode enviar filtros para as tabelas de dimensões primeiro e depois unir aos fatos com relacionamentos de hash eficientes. Esta pergunta aborda o foco do exame PL-300 nas melhores práticas de modelagem de dados, testando se os candidatos reconhecem que 'mesclar todas as tabelas' é uma abordagem simplista que sacrifica a própria estrutura que torna o Power BI performático, em vez de uma simplificação legítima.
Sobre estas questões de prática
Esta é uma das questões de prática originais de PL-300 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.