Respostas corretas
- AFórmulas DAX simplificadas
- CDesempenho de consulta aprimorado
- EMais fácil para os usuários de negócios entenderem
Explicação
A opção A (Fórmulas DAX simplificadas) está correta porque um esquema estrela separa fatos quantitativos de dimensões descritivas, de modo que as medidas normalmente agregam uma única tabela de fatos e filtram por meio de relacionamentos de um para muitos, evitando lógica complexa de filtros bidirecionais ou de várias tabelas em chamadas CALCULATE e RELATED. A opção C (Desempenho de consulta aprimorado) está correta porque o mecanismo do Power BI (VertiPaq) compacta e examina tabelas de dimensões estreitas e uma única tabela de fatos com eficiência, e os relacionamentos de um para muitos permitem que o mecanismo use caminhos de junção mais simples e rápidos do que modelos em floco de neve ou normalizados. A opção E (Mais fácil para os usuários de negócios entenderem) está correta porque as dimensões mapeiam para entidades de negócios familiares (Cliente, Produto, Data) e fatos para eventos mensuráveis, tornando o modelo intuitivo para autores de relatórios de autoatendimento. A opção B não está correta porque os esquemas estrela dependem de relacionamentos de um para muitos; os relacionamentos de muitos para muitos não são nativos do design em estrela e exigem tabelas de ponte ou tratamento especial. A opção D não está correta porque o aumento da redundância de dados é uma desvantagem da desnormalização, e não um benefício — os esquemas estrela na verdade reduzem a redundância em comparação com modelos totalmente normalizados, aceitando duplicação controlada nas dimensões.
Para se aprofundar
Esta questão testa princípios de modelagem dimensional e seu impacto direto no design do modelo de dados do Power BI e no desempenho do DAX. Um esquema estrela é um modelo lógico desnormalizado em que uma tabela de fatos central armazena fatos aditivos e chaves estrangeiras, enquanto cada tabela de dimensão contém atributos descritivos distintos em uma granularidade consistente. No Power BI, o uso de um esquema estrela minimiza o número de relacionamentos e evita cardinalidades de muitos para muitos que forçam a propagação ambígua de filtros ou exigem funções de alto custo de desempenho, como TREATAS ou filtros de direção cruzada. Um ponto sutil, mas crítico, é que se a granularidade de uma dimensão for mais grossa do que a da tabela de fatos, até mesmo um layout semelhante a uma estrela pode criar um relacionamento de muitos para muitos; portanto, o alinhamento de granularidade deve ser validado durante o design. Um equívoco comum é que um esquema estrela introduz duplicação massiva, mas a redundância ocorre apenas nos atributos de dimensão, e a tabela de fatos na verdade armazena muito menos texto duplicado do que um extrato plano. Implicação no mundo real: os analistas podem simplificar drasticamente o DAX eliminando transições de contexto em níveis de floco de neve, mas também devem garantir que cada dimensão tenha uma chave exclusiva para preservar o padrão de um para muitos. Reconhecer quando construir uma tabela de ponte para cenários reais de muitos para muitos versus quando achatar atributos é uma habilidade fundamental para a certificação PL-300.
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.