Arquitetura Data Warehouse
Um data warehouse centraliza dados de múltiplas fontes para análise. Diferente de um banco transacional, é otimizado para leitura, não escrita.
Componentes Essenciais
- Staging Area: Dados brutos chegam aqui
- Integration Layer: Limpa e transforma dados
- Presentation Layer: Dados prontos para análise
Schemas Populares
- Star Schema: Fato central com dimensões ao redor (simples, rápido)
- Snowflake Schema: Dimensões normalizadas (menos redundância)
Exemplo Star Schema
Fato: Vendas
Dimensões: Produto, Cliente, Data, Localização
FACT_VENDAS:
- vendas_id (chave)
- produto_id (FK)
- cliente_id (FK)
- data_id (FK)
- valor
- quantidade
DIM_PRODUTO:
- produto_id (chave)
- nome
- categoria
- preco
Processo de Carregamento
- Full Load: Primeira carga, dados históricos
- Incremental Load: Apenas dados novos desde última execução
- Upsert: Update se existe, Insert se novo
Considerações de Performance
- Particione tabelas grandes por data
- Crie índices nas chaves estrangeiras
- Materialize views frequentemente usadas
- Archive dados antigos em storage mais barato
Um data warehouse bem projetado permite análises rápidas que impulsionam decisões estratégicas.
← Voltar ao blog