Aula 05 - Prof Thiago

Prévia do material em texto

Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do
Brasil (Escriturário) - 2021 - Pré-Edital
Autores:
Diego Carvalho, Renato da Costa,
Thiago Rodrigues Cavalcanti,
Pedro Henrique Chagas Freitas,
Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
22 de Fevereiro de 2021
00774823100 - Juliana Souza Ferreira
 
 
 
 1 
81 
 
Conceitos e ferramentas voltados para WEB, OLAP. ........................................................... 2 
OLAP .................................................................................................................................. 2 
Introdução ....................................................................................................................................... 2 
Conceitos básicos ............................................................................................................................ 7 
OLAP x OLTP .................................................................................................................................... 8 
Operações OLAP ............................................................................................................................ 11 
Arquitetura de servidores OLAP .................................................................................................... 21 
Critérios de avaliação de produtos OLAP ...................................................................................... 27 
Questões .......................................................................................................................... 30 
Questões OLAP - Comentadas ....................................................................................................... 30 
Lista de Exercícios.......................................................................................................................... 62 
Gabarito ........................................................................................................................................ 80 
Considerações Finais ........................................................................................................ 81 
 
 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 2 
81 
CONCEITOS E FERRAMENTAS VOLTADOS PARA WEB, OLAP. 
Nosso objetivo é apresentar técnicas e ferramentas que fazem acesso ao Data Warehouse 
(DW). É preciso entender que cada uma delas atende a uma necessidade específica de 
usuários e clientes. 
OLAP 
O termo On-Line Analitical Processing OLAP foi proposto por E.F. Codd, o pai do modelo 
relacional. O modelo relacional põe os dados em tabelas, enquanto o OLAP usa a 
representação de arrays multidimensionais. Essa representação de dados já existia 
previamente na estatística e em outras áreas. Existe muitas operações de análise de dados 
e exploração de dados que são facilitadas como esse modelo de representação. Vamos 
entender o conceito por trás desse modelo. 
INTRODUÇÃO 
 
Vamos falar um pouco sobre OLAP! O que é isso? Cara, é um conjunto de ferramentas de 
software que permite aos gerentes e diretores de empresas a terem acesso dinâmico a 
informações armazenadas nos diversos sistemas corporativos, podendo realizar 
cruzamentos e análises de informações em tempo real sob diversas perspectivas com 
o intuito de auxiliar na tomada de decisões. Definição tranquila, né? 
 
Uma ferramenta OLAP é caracterizada pela análise multidimensional dinâmica dos 
dados, apoiando o usuário final nas suas atividades e permitindo consultas ad-hoc. O 
que seriam essas consultas ad-hoc? São consultas específicas ou exclusivas que 
geralmente nunca foram pensadas ou realizadas. Sabe quando você tem uma ideia de 
tentar construir um relatório de uma maneira que ninguém nunca tentou antes? Pois é, 
essa ferramenta permite que você brinque à vontade... 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 3 
81 
 
Ela permite que você realize diversas operações em modelos de dados 
multidimensionais navegando por dimensões e hierarquias com o intuito de 
enxergar informações preciosas que, de alguma forma, te auxiliem na tomada de 
decisões estratégicas. Exemplo: no contexto de uma Rede de Fast-food, pode-se analisar 
dados de vendas em dimensões como cliente, filiais, regiões, tempo, produtos, entre 
outros. 
 
Sabe outra coisa bem legal? Você não precisa ser um ninja dos computadores para fazer 
tudo isso! A OLAP abstrai as complexidades de forma que qualquer pessoa consiga 
manipular essa ferramenta. Aliás, já te digo que se você passar em um concurso para um 
órgão grande que lide com muitos dados, você poderá acabar tendo que lidar com esses 
softwares que permitem uma análise/visualização rápida, consistente e interativa de dados 
corporativos. 
 
 
 
Isso mesmo! Você provavelmente terá que visualizar um conjunto de dados, navegar 
por eles e analisá-los em busca de alguma informação relevante. Então vejam só: a 
disciplina de banco de dados se inicia falando diversos conceitos básicos, principais 
características, transações de dados, arquiteturas e projetos, depois fala-se dos tipos de 
modelagem de bases de dados transacionais, em seguida descobrimos o que é DW/BI, até 
chegar ao ponto que estamos agora... 
 
No contexto atual, é interessante apresentar a título de comparação as diferenças 
entre as ferramentas que lidam com bancos de dados transacionais e as ferramentas 
que lidam com bancos de dados analíticos. Por quê? Porque dessa forma ficará mais 
claro para vocês as grandes vantagens e desvantagens do OLAP. Nada melhor do que 
comparar para entender um conceito, então vejam a tabela a seguir:] 
 
Lembre-se que os dados operacionais são aqueles que auxiliam no dia a dia de uma 
organização, permitindo que as ações associadas aos processos de negócios sejam 
realizadas e armazenadas de maneira eficiente. Esse tipo de dados é armazenado em 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
==1c090b==
 
 
 
 
 
 4 
81 
sistemas conhecidos como OLTP (On-line transaction processing). Os sistemas 
transacionais permitem a execução de um grande conjunto de pequenas operações, por 
exemplo, um supermercado tem vários caixas que registram as vendas dos produtos. Cada 
compra é considerada uma transação e tem uma quantidade relativamente pequena de 
itens (por maior que seja a compra que uma pessoa faz no supermercado, estamos falando 
de algumas centenas de itens.) 
 
Os sistemas OLTP são comparados com os sistemas OLAP na tabela abaixo. Perceba cada 
uma das características e tente refletir sobre os impactos destas propriedades. 
 
 
OLTP (ONLINE TRANSACTION 
PROCESSING) 
OLAP (ONLINE ANALYTICAL 
PROCESSING) 
▪ Sistema de gerenciamento de 
transações em um banco de dados. 
▪ Sistema de gerenciamento de 
consultas e análise de dados. 
▪ Foco no nível operacional da 
organização, visando a execução 
rotineira do negócio. 
▪ Foco no nível estratégico da 
organização, visando a análise 
empresarial e a tomada de decisão. 
▪ Tabelas formadas por linhas e colunas e 
geralmente normalizadas. 
▪ Tabelas formadas por fatos, 
dimensões e medidas e geralmente 
desnormalizadas. 
▪ Lidam com Bancos de Dados 
Transacionais em geral estruturados 
em um modelo relacional.▪ Lidam com Bancos de Dados 
Dimensionais (DW/DM) em geral 
estruturados em modelo dimensional. 
▪ Executados de forma mais rápida com 
tempo de resposta de milissegundos 
até segundos. 
▪ Executados de forma mais lenta com 
tempo de resposta de segundos até 
horas. 
▪ Apresentam dados detalhados (baixa 
granularidade). 
 
▪ Apresentam dados sumarizados (alta 
granularidade). 
 
▪ Atualizações de dados são realizadas 
no momento de cada transação e são 
altamente frequentes. 
▪ Atualizações de dados são realizadas 
no processo de carga de dados e são 
bem menos frequentes. 
▪ Não é otimizado para lidar com uma 
grande quantidade de dados (baixo 
armazenamento) 
▪ É otimizado para lidar com uma 
massiva quantidade de dados (alto 
armazenamento) 
▪ Dados voláteis e passíveis de inserção, 
alteração ou exclusão. 
▪ Dados históricos e não-voláteis, não 
podendo ser alterados ou excluídos 
(salvo casos específicos) 
▪ São orientados a registros ou tuplas e 
possuem consultas pré-definidas. 
▪ São orientados a arrays ou vetores e 
possuem consultas ad-hoc. 
 
Agora podemos fazer algumas questões sobre o assunto: 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 5 
81 
 
(Ministério da Economia Desenvolvimento de Sistemas - 2020) A respeito de 
OLTP e OLAP, julgue o item a seguir. 
 
Um OLTP é formado por um conjunto de sistemas para a visualização de dados 
estratégicos, os quais ficam guardados em armazém de dados analíticos, para a 
exploração de estudos e cenários prospectivos. 
_______________________ 
Comentários: OLTP refere-se aos sistemas que dão suporte ao dia a dia 
operacional dos negócios ou da empresa. Eles são formados por sistemas que 
trabalham com as transações diárias de uma organização para que seus 
processos de negócios sejam executados. Ou seja, não tem relação com 
visualização de dados estratégico, mas com a execução de tarefas operacionais. 
 
Gabarito Errado. 
 
 
(CESPE SERPRO Analista de Sistemas) É comum o armazenamento maior 
de dados para OLAP, em relação a OLTP (on-line transaction processing), com a 
finalidade de se manter histórico para análise. 
_______________________ 
Comentários: conforme vimos em aula, OLAP lida com uma quantidade massiva 
de dados e por isso geralmente possuem um armazenamento de dados maior 
do que o OLTP (Correto). 
 
(FUNDEP CODEMIG Analista de Sistemas) O recurso que permite aos 
gerentes e diretores nas empresas terem acesso dinâmico a informações 
armazenadas nos diversos sistemas das empresas, podendo realizar cruzamentos 
e análises de informações em tempo real é chamado: 
 
a) OLTP. 
b) OLAP. 
c) REALTIME. 
d) OLT. 
_______________________ 
Comentários: conforme vimos em aula, trata-se do OLAP (Letra B). 
 
(CESEAC DATAPREV Analista de Sistemas) Uma ferramenta OLAP nos 
permite: 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 6 
81 
 
a) manipular e analisar um largo volume de dados sob múltiplas perspectivas; 
b) ter uma visão fixa dos dados; 
c) armazenar informações; 
d) disparar requisições diretamente ao servidor de Banco de Dados 
multidimensional, tendo um ganho de desempenho; 
e) registrar todas as transações contidas em uma determinada operação 
organizacional. 
_______________________ 
Comentários: (a) Correto, ele permite manipular, navegar e analisar grandes 
volumes de dados sob diversas perspectivas; (b) Errado, ele tem uma visão 
dinâmica dos dados; (c) Errado, trata-se de uma ferramenta e visualização e 
análise e, não, armazenamento; (d) Errado, quem permite isso é o MOLAP; (e) 
Errado, OLAP não permite registrar nada porque não é um banco de dados (Letra 
A). 
 
(COSEAC UFF Analista de Sistemas) É a ferramenta mais popular para 
exploração de um datawarehouse: 
 
a) OLAP. 
b) Data Mining. 
c) OLTP. 
d) SGBD. 
e) Data Mart. 
_______________________ 
Comentários: conforme vimos em aula, trata-se do OLAP (Letra A). 
 
(FCC TRT/SC Analista de Sistemas) Em uma comparação entre bancos de 
dados OLTP (Online Transaction Processing), com bancos de dados OLAP 
(Online Analytical Processing), para os bancos OLAP: 
 
a) não é necessário um grande espaço de armazenamento, pois as informações 
são buscadas em tempo real. 
b) as operações podem levar horas para serem executadas para certas queries. 
c) as operações de INSERT e UPDATE são efetuadas somente pelos usuários 
finais. 
d) o principal objetivo é rodar e controlar tarefas básicas de regras de negócio. 
e) os dados são obtidos ad hoc, ou seja, sempre que um relatório é requisitado, 
os bancos OLTP são acessados dinamicamente para a obtenção imediata desta 
informação. 
_______________________ 
Comentários: (a) Errado, é necessário um grande espaço de armazenamento 
porque lidam com uma massiva quantidade de dados desnormalizados; (b) 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 7 
81 
Correto, o processamento é bem mais complexo; (c) Errado, não são realizadas 
operações INSERT e UPDATE; (d) Errado, esses são objetivos operacionais e, 
não, analíticos; (e) Errado, Ad-hoc significa que não há consultas pré-definidas, 
logo relatórios não são requisitados, mas montados dinamicamente (Letra B). 
CONCEITOS BÁSICOS 
Acredito que, depois dessa nossa rápida 
introdução, você já seja capaz de responder a 
seguinte pergunta: 
O que é OLAP? 
Lembre-se: trata de um processamento de dados 
dedicado ao suporte a decisão. Essa análise é feita 
por meio da visualização de dados agregados ao 
longo de várias dimensões analíticas do modelo de 
dados dimensional (ex.: tempo, espaço, categoria 
de produto, quantidade vendida, preço). 
Esse processamento é feito sobre dados 
armazenados em Banco de Dados especializadas. Eles seguem um modelo lógico de dados 
multidimensional e são chamados de Data Warehouse, Data Mart ou BD 
multidimensionais. Sabemos inclusive que os dados são estruturados de forma 
hierarquizada em diferentes níveis de granularidade. 
Outra definição possível para OLAP seria um recurso que permite manipular e analisar 
grandes volumes de dados sobe múltiplas perspectivas. Ou ainda, um software que 
permite ao usuário interagir com um grande banco de dados on-line (data warehouse) e 
solicitar e receber praticamente qualquer relatório no formato desejado. 
Partindo dos três conceitos vistos até agora, passaremos para uma sistematização do 
conhecimento dentro do assunto. Os conceitos de OLAP, mais precisamente quando 
tratamos de questões para concursos, podem ser classificados da seguinte forma: 
1. OLAP x OLTP 
 
2. Operações OLAP 
 
3. Taxonomias de servidores OLAP. 
 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 8 
81 
OLAP X OLTP 
 
On-Line Analytical Processing (OLAP) é muito diferente do tradicional On-Line Transaction 
Processing (OLTP). Quando utilizamos OLTP, o foco é sobre as transações individuais. 
Considere, por exemplo, um sistema OLTP simples usado por um vendedor de livros para 
se manter a par dos livrosque possui em estoque. Quando uma cópia de um determinado 
livro é vendida, o sistema diminui o número que informa quantas 
cópias de estão em estoque. 
Da mesma forma, o número é aumenta quando mais cópias são entregues pela editora do 
livro. O sistema só mantém o controle dos dados atuais, isto é, o que existe hoje no 
estoque. Detalhes sobre vendas individuais não são armazenados em um formato fácil de 
analisar. O varejista pode até saber quem é o cliente, mas esta informação não é mantida 
com a finalidade de uma análise posterior. O sistema OLTP armazena suas informações em 
um banco de dados relacional que é normalizado para evitar redundância e anomalias de 
atualização. Ele é otimizado para recuperação e/ou atualização de uma pequena 
quantidade de tuplas. 
Em contraste, um sistema OLAP para o varejista de livros mantém o controle de cada 
venda individual. Isso também inclui informações específicas sobre a venda, como a cidade 
onde a venda ocorreu, a data da venda, o vendedor que vendeu o livro, e outras 
informações que são armazenadas em um banco de dados multidimensional. 
Desta forma é mais fácil achar, por exemplo, o livro de receitas mais vendido e o número 
médio de livros infantis vendidos antes de uma operação/ação de vendas. O sistema OLAP 
geralmente não apaga nem atualiza seus dados; apenas adições de novos registros 
ocorrerão no sistema. O OLAP é assim otimizado para recuperar (e sumarizar) grandes 
quantidades de dados. 
A comparação entre OLAP e OLTP passa por diversos critérios individuais. Cada autor 
valoriza critérios diferentes, ou seja, se você observar algumas características são 
comparadas em um livro e não em outro. Vamos começar exibindo uma primeira tabela 
que faz algumas distinções entre os dois modelos: 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 9 
81 
 
Características OLTP OLAP 
Operação típica Atualização Análise 
Telas Imutáveis Definida pelo usuário 
Nível de dados Atomizado Sumarizados 
Recuperação Poucos Registros Muitos registros 
Orientação Registros Arrays de dados 
Modelagem, organização 
dos dados. 
Processos de negócio, por 
aplicação, sistema de 
informação 
Assuntos/Negócios 
Natureza dos dados 
/Conteúdo 
Permitem atualizações 
(dinâmica), Valores 
Correntes 
Dados históricos, 
sumarizados e integrados. 
(estática não volátil) 
Formato das estruturas 
Relacional, próprio para 
computação transacional. 
Dimensional, simplificado, 
próprio para atividades 
analíticas 
Uso 
Processamento repetitivo, 
altamente estruturado em 
tabelas. 
Estruturados em fatos e 
dimensões, com 
processamento analítico 
Tempo de resposta 
Otimizado para faixas 
abaixo de 1 seg. 
Análises mais complexas, 
com tempos de respostas 
maiores. 
A ideia fundamental por trás da programação de matriz ou array é de que as operações 
se aplicam de uma vez para todo um conjunto de valores. Isto o torna um modelo de 
programação de alto nível bem mais performático, uma vez que permite ao programador 
pensar e operar sobre os agregados inteiros de dados, sem ter de recorrer às linhas 
explícitas de operações escalares individuais. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 10 
81 
A base da programação por array e do seu pensamento é encontrar e explorar as 
propriedades de dados onde os elementos individuais são semelhantes e/ou adjacente. 
Ao contrário da orientação a objetos que implicitamente quebra de dados para suas partes 
constituintes (ou quantidades escalares), a orientação serial olha para um grupo de dados 
e aplica um tratamento uniforme. 
Os meteorologistas têm uma necessidade particular de estruturar seus dados como 
matrizes. Por exemplo, geralmente eles trabalham com conjuntos de variáveis climáticas 
(por exemplo, temperatura e precipitação) que variam no espaço e no tempo e são 
representadas em matrizes. Frequentemente, é necessário definir um subgrupo para 
examinar os dados de uma região específica ou selecionar um intervalo de tempo 
específico. Então, podemos aplicar funções estatísticas a esses subconjuntos para gerar 
informações resumidas. 
 
Figura 1 - Imagine que temperatura e precipitação são as variáveis armazenadas em 
matrizes de dados. Elas armazenam as informações sobre o cruzamento dos dados de 
latitude, longitude e tempo. É como se cada "cubo" dentro da matriz representasse um 
valor correspondente a temperatura ou a precipitação num local e data específicos. 
Resumindo quando pensamos em OLTP temos as seguintes características: 
• Ele é usado para acesso à dados em tempo real, baseado em transação, os dados 
podem existir em mais do que uma tabela. 
• Eles são otimizados para transações mais rápidas e incluem operações de inserir, 
atualizar e excluir. 
• Não são construídos para a execução de consultas complexas. 
• Bancos de dados de sistemas Line-of-Business (LOB) e Enterprise-Resource-Planning 
(ERP) usam este modelo. 
• A ferramenta da Microsoft que gerencia este modelo é o SQL Server Management 
Studio (SSMS). 
• Segue as regras de normalização de banco de dados (DB) e usa banco de dados 
relacional. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 11 
81 
• Armazena dados da chave. 
• Usa menos índices e mais junção. 
• E faz consultas de várias tabelas. 
Quando nosso foco é OLAP temos: 
• O uso de dados on-line ou históricos. 
• Usado para análise e navegação sobre os dados. 
• Os dados podem existir em mais do que uma tabela. Otimizado para desempenho 
analítico dos dados. 
• Banco de dados apenas de leitura. 
• Construído para executar consultas complexas. 
• Bancos de dados analíticos, como Cognos, a Business Objects, e assim por diante 
utilizam este modelo. 
• A ferramenta da Microsoft para esse tipo de modelo é o SQL Server Analysis Services 
(SSAS). 
• Relaxa as regras de normalização de banco de dados. 
• Utiliza banco de dados relacional ou multidimensional. 
• Armazenam dados agregados em relação à chave. 
• Comparado com OLTP usa relativamente mais índices e menos junção. 
• Consulta pode ser executada em menos tabelas. 
OPERAÇÕES OLAP 
Passamos agora para as operações OLAP, conhecidas também como funcionalidades. Aqui 
estão as funções que podem ser aplicadas sobre os dados disponíveis nos cubos ou nos 
Data Warehouse. Antes de tratarmos das funções vamos relembrar o conceito de 
granularidade. 
Granularidade 
A granularidade diz respeito ao nível de detalhe 
ou de resumo nas unidades de dados no DW. 
Quanto maior o nível de detalhes, menor o nível de 
granularidade. O nível de granularidade afeta 
diretamente o volume de dados armazenado no 
DW e, ao mesmo tempo, o tipo de consulta que 
pode ser respondida. 
 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 12 
81 
OLAP oferece recursos de modelagem analítica, incluindo um mecanismo de cálculo para 
desvio padrão, variância, entre outros; e processamento de medidas em múltiplasdimensões. Os recursos também permitem gerar sumarizações, agregações e hierarquias 
em cada nível de granularidade e em cada cruzamento de dimensão. Ele ainda suporta 
modelos funcionais para previsão, análise de tendências e análise estatística. 
Neste contexto, um motor OLAP é uma ferramenta poderosa a análise de dados. Que tal 
darm
 
detalhar cada uma delas? 
Em modelos multidimensionais, como próprio nome sugere, os dados são organizados em 
múltiplas dimensões. Cada uma delas contém múltiplos níveis de abstração. Esses níveis 
são, ainda, definidos pelo conceito de hierarquia. Essa organização provê ao usuário uma 
flexibilidade para observar os dados a partir de diferentes perspectivas e em diferentes 
níveis de detalhe. 
Graficamente, esses modelos podem ser representados por meio de um cubo. As 
operações sobre um cubo de dados nos permitem materializar diferentes perspectivas 
(também conhecidas como visões), permitem consultas e análises interativas sobre dados 
armazenados. Vamos, então, entender as peculiaridades de cada uma dessas operações 
de OLAP. 
 
Roll-up 
Roll-up: também conhecida como drill-up, aplica uma agregação sobre o cubo de dados. 
Ou ainda, aumentar o nível de granularidade dentro de uma dimensão, reduzindo o 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 13 
81 
detalhamento da informação. É, basicamente, subir na hierarquia. A figura abaixo, retirada 
do livro Data Mining: Concepts and Techniques, mostra o resultado da operação de roll-
up aplicada no cubo central subindo na hierarquia de location. Basicamente, essa 
hierarquia é definida na seguinte ordem: street < city < province_or_state < country. Essa 
agregação mostra uma ascensão na hierarquia de location do nível de city para o nível 
de country. 
Drill-down 
Drill-down: É o inverso da operação de roll-up. É uma forma de navegar de um dado com 
menor nível de detalhe para um dado com maior nível de detalhe. Essa operação pode ser 
realizada tanto descendo em uma hierarquia de uma dimensão quanto introduzindo 
dimensões adicionais. A figura abaixo exibe o resultado de uma operação de drill-down 
sobre o cubo central, basicamente, descendo sobre a hierarquia de tempo (day < month 
< quater < year). A operação desce do nível de semestre (quater) para mês (month). 
Outra forma de executar o drill-down seria adicionando uma nova dimensão ao cubo. Por 
exemplo, imagine, a partir do cubo central, uma operação de drill-down que introduz uma 
dimensão adicional. Por exemplo, grupo_de_consumidores. 
 
(Ministério da Economia Desenvolvimento de Sistemas - 2020) A respeito de 
OLTP e OLAP, julgue o item a seguir. 
 
A operação de ROLLUP consiste em selecionar valores específicos para os 
atributos, que são exibidos em uma tabulação cruzada para um maior 
detalhamento. 
 
_______________________ 
Comentários: A operação OLAP de Roll up consistem em agrupar os dados de 
um cubo em duma determinada dimensão. Ela vai sumarizar os dados, por 
exemplo, agrupar as vendas diárias em vendas mensais. 
 
Gabarito Errado. 
Slice e Dice 
Slice e dice: A operação de slice executa uma seleção sobre uma das dimensões de um 
determinado cubo, resultando em um subcubo. A figura mostra um exemplo da operação 
de slice que seleciona as vendas por cidade em um determinado semestre (neste caso, 
quarter = Q1). A operação de dice és de umaseleção sobre 
duas ou mais dimensões. A figura também mostra uma operação de dice que envolve três 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 14 
81 
dimensões seguindo os seguintes critérios (
). 
Pivot 
Pivot: Também conhecida como rotate ou rotação, é uma operação de visualização 
que rotaciona os eixos de um determinado cubo, provendo uma visão alternativa dos 
dados. A figura mostra uma operação de pivot sobre o resultado da operação de slice. 
Neste caso, observamos uma rotação em duas dimensões. Contudo o mesmo pode ser 
feito, também, em um cubo 3-D. 
 
Figura 2 - A figura acima apresenta as operações de drill-down, roll-up, slice, dice e pivot. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 15 
81 
Até aqui vimos as mais simples operações de OLAP, que podem, inclusive, ser 
consideradas operações básicas. Contudo, ainda não tratamos das famosas Drill-across e 
Drill-through. Vamos agora definir cada um deles: 
Drill-across e Drill-through 
Sobre a operação de drill-across encontramos na literatura uma divergência entre os 
principais autores. Vejam algumas definições abaixo: 
Drill-across: Executa uma consulta envolvendo mais de uma tabela fato! Essa operação 
exige que os dois cubos tenham pelo menos uma das dimensões em comum. A ideia é 
você conseguir consultar as múltiplas tabelas fato e colocar o resultado em um único data 
set. Esta é a visão de Kimball (você pode ver um exemplo aqui1). 
Para entender como efetuar essa operação, que tal mostrarmos um exemplo prático? 
Imagine que uma determinada livraria tenha duas formas de venda de produtos: nas suas 
lojas físicas ou pela Internet. Para cada um desses processos de venda temos um cubo. No 
primeiro caso o cubo é montado com as hierarquias de livros, tempo e localização 
geográfica. Na internet, não existe a dimensão geográfica. Desta forma, esta foi substituída 
pela dimensão cliente. 
Suponha que um gerente deseja fazer uma consulta para saber qual livro foi o mais vendido 
nos anos de 2008 e 2009. Para fazer o drill-across, nós atendemos à primeira premissa 
segundo Kimball: trata-se de uma operação sobre dois cubos. Os dados nos dois cubos 
são combinados nas dimensões comuns aos mesmos. Nesse caso, livros e tempo. O 
analista vai, então, utilizar uma medida derivada para somar as vendas dos dois cubos e 
dessa forma obter o livro com maior quantidade de vendas. Veja que o drill-across abre 
um novo caminho para que você possa analisar os dados. A figura abaixo ilustra esse 
exemplo: 
 
Figura 3 - Exemplo de uma operação de drill-across 
 
1http://www.kimballgroup.com/html/designtipsPDF/DesignTips2005/DTKU68SimpleDrill-
AcrossinSQL.pdf 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 16 
81 
Existem outas definições que podem ser usadas para drill-across, elas aparecem em 
alguns sites e livros sobre o assunto. Resolvemos colocar essas definições no quadro 
abaixo para que você pudesse conhecê-las. 
Drill-across: Significa mudar de uma classificação em uma dimensão para outra 
em uma dimensão diferente. 
 
Drill-across: É uma técnica similar ao drill-down. A diferença é que o drilling ser 
feito horizontalmente, ao invés de verticalmente. Por exemplo, depois de 
inicialmente exibir o resultado das vendas anuais, o drill-across pode ser usado 
para exibir as vendas em cada mês. 
Dentre as definições acima eu ficaria com a primeira. Contudo acho que é importante 
ver as demais para ter um entendimento mais amplo a respeito do assunto. 
Vamos agora tratar de drill-through. 
Drill-through: Essa operação podese utilizar das facilidades de SQL para, a partir do cubo 
de dados, penetrar (drill through) até as tabelas relacionais de back-end. Ela visa acessar 
as informações em um nível de detalhe que não está disponível no cubo de dados. Assim, 
garantimos um melhor entendimento das informações, considerando os registros 
armazenados em outras bases de dados, a partir dos quais o cubo é derivado. Assim, 
permite a movimentação de um dado, em um determinado nível do cubo para dados de 
nível operacional. Pode ser usado, por exemplo, se você está tentando determinar a razão 
de um ponto fora da curva (outlier) dentro do cubo de dados. 
Vejamos um exemplo. A tabela a esquerda abaixo considera dados de vendas por 
continentes. Nesta temos o total de vendas de todos os produtos, mas não conseguimos 
verificar quanto foi vendido de cada tipo de produto. Para acessar esse nível de 
detalhamento, que não está presente no cubo de dados, devemos usar a operação de drill-
through para acessar os dados em outra estrutura. Esta estrutura pode ser, tanto uma base 
de dados operacional (OTLP) quanto um outro cubo dentro do ambiente analítico. 
 
Figura 4 - Exemplo de uma operação de drill-through 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 17 
81 
Outras definições de drill-through podem ser vistas no quadro abaixo: 
Drill-Through: As tabelas de drill-through permitem que você exiba, em tempo 
de consulta, os detalhes dos dados não sumarizados a partir dos quais uma célula 
de uma tabela ou uma seleção de células é sumarizada. A capacidade de drill-
through permite as empresas acesso aos dados que não estão armazenados no 
servidor OLAP, fazendo-as acessíveis para os usuários finais das aplicações OLAP. 
Esses dados podem vir tanto do DW quanto das bases transacionais. 
Drill-Through to Detail Level: Permite uma transição suave de uma base 
multidimensional e agregada para o nível de detalhamento de registro nas fontes 
de dados do repositório de DW. 
Vejam que, ao contrário das definições de drill-across que divergem entre si, as 
definições de drill-through são complementares. O objetivo, nesse caso, 
é mergulhar na hierarquia dos dados para observá-los no maior nível de 
detalhamento, chegando, às vezes, a consultar as bases de dados transacionais que 
deram origem aos dados agregados do DW. 
Além das definições de drill-across e drill-through vistas acima, existem 
outras, bastante difundidas na Internet, estas são definições equivocadas, mas 
utilizadas por algumas bancas, como a FCC. (Espero que isso mude um dia!) 
Drill-Across: ocorre quando o usuário pula um nível intermediário dentro de uma mesma 
dimensão. Por exemplo, a dimensão tempo é composta por ano, semestre, trimestre, mês 
e dia. A operação drill-across é executada quando o usuário passa de ano direto para 
trimestre ou mês. Por essa definição podemos representar a operação de drill-
across conforme a figura abaixo: 
 
Drill-Through: ocorre quando o usuário passa de uma informação contida em uma 
dimensão para outra. Por exemplo, inicia na dimensão do tempo e no próximo passo 
analisa a informação por região. Mais uma vez, podemos visualizar essa definição no cubo 
abaixo. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 18 
81 
 
Outras operações 
Até aqui falamos das principais operações de OLAP, outras que às vezes aparecem na 
literatura são listadas abaixo com suas respectivas definições: 
Drill-within: É a passagem de uma classificação para outra classificação diferente dentro 
da mesma dimensão. 
Para entendermos um pouco melhor que os autores quiseram dizer com isso, precisamos 
voltar ao conceito de hierarquia e classificação. Em uma determinada dimensão é possível 
que exista diferentes classificações. Vamos pensar em um exemplo de produto. Produto 
pode ter uma classificação grupo de produto que pode ser dividido em categorias e essas 
por sua vez divididas em setores. Veja que essa é uma classificação de produto e possui 
uma hierarquia dentro dela. Contudo a dimensão produto pode ter outras classificações 
como, por exemplo, marca (Brand), VideoSystem e AudioSistem. A operação de drill-
within é basicamente passar de uma classificação para outra dentro da mesma dimensão. 
Veja a figura a seguir: 
 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 19 
81 
Rank: Ordena os membros de uma dimensão de acordo com algum critério. Essa operação 
é basicamente cria um ranking os n maiores ou n menores itens em uma lista, é possível 
ainda calcular as médias móveis, o crescimento dos índices, a taxa de retorno interno, 
depreciação e funções estatísticas. Os resultados dessas operações são tipicamente 
visualizados em uma forma de tabela cruzada (cross-tabular). 
Nest-unnest: Redução das dimensões. 
Slipt: Planificação das faces do cubo 
Push/Pull: Junção de valores 
Algumas operações podem ser efetuadas entre cubos e que são baseadas na teoria dos 
conjuntos, são elas: Junção, União, Intersecção e Diferença. Vejamos o exemplo da 
operação cross-join (produto cartesiano) abaixo: 
Cross-join É usado para gerar um produto cartesiano entre os conjuntos passados como 
parâmetro. 
Vejamos uma questão para confirmarmos seu entendimento a respeito do assunto: 
 
(Ano: 2017 Banca: FGV Órgão: Alerj Cargo: Analista de Tecnologia da 
Informação Q. 41) Observe o seguinte relatório OLAP. 
 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 20 
81 
A alternativa que ilustra o resultado da operação Dice é: 
 
 
_______________________ 
Comentário: O DICE corta o cubo de dados em mais de uma dimensão. Ou, em 
outras palavras, restringe o escopo de análise em duas dimensões distintas. Tal 
fato pode ser observado na alternativa B, nela da dimensão localização é 
reduzida apenas ao escopo do estado de São Paulo e a dimensão produto é 
restrita apenas a óculos e camisa. 
 
de SLICE, que corta o cubo restringindo os valores pela dimensão localização 
quando o Estado for igual a Rio de Janeiro. Na alternativa C, não temos 
condições de dizer qual operação OLAP foi executada para obtenção dessa 
visão. 
 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 21 
81 
A alternativa D apresenta uma operação de ROLL-UP, agregando os valores das 
quantidades e agrupando os tipos de produtos. Por fim, a alternativa E apresenta 
a operação de PIVOT. 
Gabarito: B. 
ARQUITETURA DE SERVIDORES OLAP 
 
Logicamente, servidores OLAP apresentam aos usuários de negócio os dados 
multidimensionais de um Data Mart ou de um Data Warehouse, sem a preocupação de 
mostrar como e onde os dados são de fato armazenados. Todavia, a arquitetura física e a 
implementação de servidores OLAP devem consideraraspectos de armazenamento. 
A implementação de um DW para processamento OLAP pode ser feita das seguintes 
formas: ROLAP, MOLAP, HOLAP, DOLAP e WOLAP. Vamos agora analisar as 
peculiaridades de cada uma dessas estruturas. 
Os dados são transferidos das fontes e copiados dentro do servidor OLAP, lá eles são 
organizados e preparados para prover dados de consulta de forma rápida. Essa estrutura 
está dividida nos seguintes componentes: 
Data Sources. São as fontes que provem dados para serem analisados. Dependendo do 
produto OLAP pode ser um Data Warehouse, um banco de dados legado, uma coleção 
de spreadsheets, ou ainda, uma combinação de todos. A habilidade do produto OLAP em 
trabalhar com várias fontes diferentes é importante. 
OLAP Server. Considerado o back-end de um sistema OLAP. É ele que faz todo o trabalho 
de processamento (dependendo do modelo do sistema), é nele que os dados efetivamente 
acessados são armazenados. Diferentes filosofias governam a arquitetura dos servidores. 
Em particular a grandes características de um produto OLAP é se o servidor usa um banco 
de dados multidimensional ou um banco de dados relacional para armazenar os dados. 
OLAP Customer ou Interface OLAP. São aqueles que fornecem aplicações de mineração 
de dados, mas também suportam a geração de resultados (gráficos, relatórios etc.). 
OLAP
ROLAP HOLAP MOLAP Outros
DOLAP WOLAP SOLAP
MOBILE 
OLAP
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 22 
81 
A figura abaixo mostra a arquitetura de sistemas OLAP, que variam dependendo da forma 
como o armazenamento e o processamento de dados ocorrem, mas geralmente podemos 
identificar três níveis de dados: as fontes de dados, o servidor OLAP e a apresentação dos 
dados ou usuário interface. 
 
 
 
 
 
 
 
 
 
Quanto maior a necessidades de cálculos para produzir um conjunto de informação, maior 
será o tempo de resposta. Pedaços de informação que são frequentemente acessados 
devem ser pré-agregados. São, portanto, pré-calculados e armazenados como um novo 
dado dentro da base. Por exemplo: Vendas por mês. Vamos agora analisar cada uma das 
categorias de servidores OLAP. 
MOLAP 
O Multidimensional On-Line Analytical Processing ou MOLAP refere-se aos servidores que 
usam um MDDB para armazenar dados. Estratégia pela qual são usados gerenciadores de 
banco de dados proprietários, com características de armazenamento especiais e 
ferramentas para tratamento dimensional de dados. 
Esse modelo dispõe de propriedades especiais de armazenamento como matrizes 
esparsas, operações com array e indexações de bitmap. Porém não oferece toda a gama 
de recursos encontrada num SGBDR, como debug, paralelismo, log, otimizadores e 
monitoração. 
DB 
Data 
Warehouse 
Fontes 
externas 
OLAP 
SERVER 
INTERFACE 
OLAP 
Figura 5 - Fontes de dados, o servidor OLAP e a apresentação dos dados ou usuário interface. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 23 
81 
 
 
Exige a migração dos dados do SGBD relacional para o armazenamento multidimensional 
e a sua constante atualização. Pode ser limitada na sua capacidade máxima de 
armazenamento, mas por ser voltada exclusivamente para essas aplicações pode 
apresentar, em tese, melhor desempenho do que as alternativas relacionais. 
Pode ser entendida como uma planilha multidimensional, e algumas oferecem a opção de 
memória RAM-MD, permitindo a manipulação dos dados diretamente em memória. No 
caso de MOLAP, tanto as estruturas básicas (maior granularidade) quanto às estruturas 
agregadas/cubos são armazenadas nesse formato. 
Um conceito que faz parte dos modelos MOLAP é a explosão dos dados. É difícil 
determinar condições para a explosão de dados, ou para prever se uma configuração 
particular vai explodir. Uma abordagem que parece ajudar a resolver o problema é a 
manipulação de dados esparsos dinamicamente. Manipulação de dados esparsos de forma 
dinâmica permite que um banco de dados analise seus padrões de armazenamento 
próprios e aperfeiçoe-os para evitar a explosão de dados. 
Resumindo as características da arquitetura MOLAP: 
• Dados são armazenados em um banco de dados multidimensional em uma 
estrutura do tipo Array para prover um melhor desempenho das consultas. 
• A implementação varia de acordo com a ferramenta OLAP utilizada, mas 
frequentemente é implementado em um banco de dados relacional, porém não 
na terceira forma normal. 
• O acesso aos dados ocorre diretamente no banco de dados do servidor 
multidimensional, e o utilizador trabalha, constrói e manipula os dados do cubo 
diretamente no servidor. (SGBD multidimensional) 
• Apresenta como vantagem a grande gama de funções de análises presentes nos 
bancos multidimensionais. 
• Utiliza Cubos pré-calculados o que aumenta o desempenho nas consultas. 
• Permite Consultas Ad-hoc com dinamismo 
OLTP 
Fontes 
externas 
DATABASE 
LAYER 
CAMADA DE 
APLICAÇÃO 
CAMADA DE 
APRESENTAÇÃO 
MULTIDIMENSIONAL 
DATABASE 
INTERFACE 
OLAP 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 24 
81 
ROLAP 
O termo ROLAP especifica que o servidor OLAP se baseia numa base de dados relacional: 
Relational On-Line Analytical Processing. Os dados de origem são inseridos em um banco 
de dados relacional, geralmente em um esquema estrela ou esquema floco de neve, o que 
ajuda em tempos de recuperação mais rápidos. O servidor fornece um modelo 
multidimensional dos dados, através de consultas SQL otimizadas. 
 
Um dos motivos para escolher pelo uso do ROLAP está no fato dos bancos de dados 
relacionais serem uma tecnologia bem estabelecida que tem muitas oportunidades para 
otimização. Os data warehouse relacional suporta uma maior quantidade de dados que 
uma base multidimensional. 
O Servidor ROLAP é um servidor intermediário que fica entra a base de dados relacional 
de back-end e as ferramentas de front-end. Eles usam SGBDs relacionais ou relacionais 
estendidos para gravar e gerenciar os dados do DW, e um middleware ou engine OLAP 
para dar suporte às funcionalidades faltantes. 
Nessa estratégia são usados os próprios sistemas de banco de dados relacionais, com as 
tabelas sendo implementadas como estruturas relacionais clássicas. Esse modelo oferece 
todas as vantagens de um SGBDR, porém exige um projeto cuidadoso do ponto de vista 
de desempenho, em que o excesso de tabelas normalizadas poderá comprometer a 
performance das buscas. 
É importante lembrar-se dos conceitos de esquema estrela e floco de neve discutidos 
anteriormente. As tabelas básicas e os agregados (visões) são armazenados nesse formato. 
O modelo relacional poderá ser usado tanto para desenhar o projeto físico do data 
warehouse, considerando a abordagem top-down, em que o DW será construído 
primeiramente, a partir dos arquivos fontes, quanto na abordagem de data marts 
integrados, em que os data marts, na forma ROLAP são estruturados. 
Resumindo os pontos positivos e negativos do uso da abordagem relacional em sistemas 
OLAP: 
OLTP 
Fontes 
externas 
DATABASE 
LAYER 
CAMADA DE 
APLICAÇÃO 
CAMADA DE 
APRESENTAÇÃO 
ENGINE OLAP 
RELACIONAL 
INTERFACE 
OLAP 
Figura 6 - Acima temos a hierarquia de camadas de uma arquitetura ROLAP composta por (1) camada dearmazenamento - data warehouse, (2) 
camada de aplicação - engine OLAP e (3) camada de apresentação - interface OLAP. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 25 
81 
Pros Contras 
Ideal para grandes volumes de dados 
SQL não é otimizado para consultas 
complexas 
Tecnologia otimizada e aprovada 
Determinar um esquema para 
armazenamento ótimo é mais importante e 
difícil 
É mais tolerante às mudanças de fontes de 
dados originais quando elas são OLTP, pois 
também utiliza OLTP. 
- 
HOLAP, DOLAP e SOLAP 
O Hybrid OLAP Server representa uma abordagem de uso misto das duas estratégias 
anteriores, em que as estruturas relacionais são normalmente utilizadas para os dados de 
menor granularidade e as estruturas dimensionais nativas são dedicadas ao 
armazenamento de agregados (maior granularidade). 
O Desktop Olap Server representa uma abordagem na qual as estruturas dimensionais ou 
relacionais são transferidas do DW/DM para as estações cliente. São armazenadas com o 
objetivo de facilitar o desempenho de certas análises, minimizando o tráfego de 
informações entre o ambiente cliente e o ambiente servidor. 
O SOLAP SPATIAL OLAP - É a união de aplicação de OLAP e com aplicação Sistema de 
informações Geográficas (SIG), para possibilitar análises. Permite localizar sobre uma carta 
geográfica as informações correspondentes às áreas através OLAP e vice-versa. Os 
usuários podem navegar através dos dados, através de duas abordagens: seja a partir da 
interface de OLAP, seja através do SIG. 
Vamos tentar organizar e resumir essas diferentes arquiteturas OLAP: 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 26 
81 
 
 
A
rq
ui
te
tu
ra
s
O
LA
P
ROLAP
Utiliza tecnologia de BD Relacional
Escalabilidade, Flexibilidade e padronização
É indicado para Data Warehouse
MOLAP
Manipula os dados diretamente no servidor
Ganho de desempenho - Cubos pré-calculados o que aumenta o 
desempenho nas consultas.
Indicado para Data Marts
HOLAP (Híbrido)
BASE (ROLAP)
Agregado (MOLAP)
DOLAP (Desktop) Portabilidade
SOLAP (Spatial) Informações geográficas
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 27 
81 
CRITÉRIOS DE AVALIAÇÃO DE PRODUTOS OLAP 
 
Uma estrutura arquitetural era necessária dentro da qual as funções poderiam aparecer e 
se tornariam parte dos produtos habituais do analista de dados ou usuário final. Esta 
estrutura tornou-se uma medida significativa da eficácia do produto para análise de dados 
multidimensional em si, e, na verdade, representou o primeiro critério de avaliação de 
produtos de OLAP. Ela se baseia em 12 regras de avalição que são listadas de descritas de 
forma sucinta a seguir. 
1. Visão conceitual multidimensional Já falamos sobre a visão multidimensional na 
aula anterior. De certa forma ela se aproxima da perspectiva que um usuário ou 
analista tem sobre os dados. Sendo assim, temos que nos preocupas em criamos um 
modelo com essa estrutura. Ela facilita a execução de operação de Slice and Dice, 
Pivot and rotate tornando a manipulação dos dados mais simples. 
2. Transparência - OLAP deve ser fornecido dentro do contexto de uma verdadeira 
arquitetura de sistemas aberta, permitindo que a ferramenta analítica possa ser 
incorporada em qualquer necessidade do analista/usuário, sem afetar 
negativamente a funcionalidade das ferramentas do host. 
3. Acessibilidade - O sistema OLAP deve acessar apenas os dados realmente 
necessários para realizar a análise solicitada e não tomar a "pia da cozinha" 
abordagem comum que traz dados desnecessários. 
4. Desempenho consistente na geração de relatórios - É imperativo que o 
componente do servidor de ferramentas OLAP seja suficientemente inteligente de 
tal forma que vários clientes possam ser conectados com o mínimo de esforço e 
programação de integração. 
5. Arquitetura cliente-servidor - A maioria dos dados que atualmente exigem o 
processamento analítico on-line é armazenada em sistemas de mainframe e eles são 
Visão conceitual 
multidimensional.
Dimensionalidade 
genérica.
Dimensões e níveis 
de agregação 
ilimitados.
Operações 
irrestritas entre 
dimensões.
Tratamento 
dinâmico de matriz 
esparsa.
Arquitetura cliente-
servidor.
Suporte para 
múltiplos usuários. Acessibilidade.
Transparência. Manipulação de dados intuitiva.
Desempenho de 
relatório 
consistente. 
Recurso de 
relatório flexível.
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 28 
81 
acessados através de computadores pessoais. Por conseguinte, é obrigatório que os 
produtos OLAP sejam capazes de funcionar num ambiente cliente-servidor. Para 
este fim, é imperativo que o componente servidor das ferramentas OLAP seja 
suficientemente inteligente de tal forma que vários clientes possam ser conectados 
com o mínimo esforço e programação de integração. 
6. Dimensionalidade genérica - Cada dimensão dos dados deve ser equivalente em 
suas estruturas e capacidades operacionais. Capacidades operacionais adicionais 
podem ser concedidas a dimensões selecionadas, mas desde que as dimensões 
sejam simétricas, uma determinada função adicional pode ser concedida a qualquer 
dimensão. A estrutura básica de dados, fórmulas e formatos de relatórios não deve 
ser inclinada para uma dimensão específica dos dados. 
7. Manuseio dinâmico de matriz esparsa - Esta é disponibilizada através de uma 
tecnologia de servidor poderosa que pode ser intimamente ligada com o banco de 
dados da empresa. Ela pode ajustar o seu esquema físico para o máximo 
desempenho com base na densidade dos dados de entrada da empresa e na 
distribuição real dos valores dos dados. 
8. Suporte a multiusuários - Esta função é fornecida pelo produto de software, mas 
pode ser limitada pelo número de clientes que podem ser suportados pela 
plataforma de hardware do servidor. Além disso, ela permite o acesso multiusuário 
para um modelo analítico comum e controla o acesso e permissões para o nível de 
células individuais através de uma "concessão" e "revogar" de esquemas baseada 
nos menus. 
9. Operações irrestritas de cruzamento de dimensões - Quaisquer duas (ou mais) 
células, independentemente da dimensão em que aparecem dentro de um 
determinado modelo de análise, podem ser utilizadas em qualquer fórmula. As 
fórmulas não estão restritas a uma dimensão por vez. Qualquer termo em uma 
fórmula pode ser ainda modificado através da inclusão de atributos a partir de 
qualquer dimensão. Em outras palavras, qualquer célula de dados ou intervalo no 
modelo de dados pode ser acessada por meio de cálculos em qualquer momento. 
10. Manipulação de dados intuitiva - A maior parte de toda a criação do modelo, 
manipulação e tarefas de animação ocorrem por meio de cliques no mouse 
diretamente associados com os dados em análise. 
11. Relatório flexível relata que capacidade vai significativamente além dos front-
ends disponíveis para os produtos de RDBMS comerciais. Consultas e relatórios quenormalmente requerem SQL significativos e sofisticados (e esforço de codificação 
processual talvez associado) podem ser criados facilmente com e processados 
significativamente mais rápido. Analistas são capazes de apresentar dados em 
qualquer formato, de acordo com qualquer trajetória de consolidação, abrangendo 
qualquer número de dimensões de dados. 
12. Dimensões e agregação de níveis ilimitados - Permite a especificação e 
manipulação de um número ilimitado de dimensões de dados dentro de um 
determinado modelo. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 29 
81 
 
(Ano: 2019 Banca: CESPE Órgão: SEFAZ-RS Prova: Auditor Assunto: 
OLAP/Data Warehouse) O data warehouse diferencia-se dos bancos de dados 
transacionais porque 
 
A trabalha com dados atuais, mas não com dados históricos. 
B faz uso intenso de operações diárias e de processamento de transações 
continuamente. 
C possui milhares de usuários de diferentes níveis hierárquicos dentro da 
organização. 
D tem dimensionalidade genérica e níveis de agregação ilimitados. 
E utiliza ferramentas de prospecção e consulta de dados baseadas em OLTP (on-
line transaction processing). 
_______________________ 
Comentário: Observem a lista das 12 regras de Codd para avaliação de 
ferramentas de OLAP: 
1. Visão conceitual multidimensional 
2. Transparência 
3. Acessibilidade 
4. Desempenho de Informações consistentes 
5. Arquitetura Cliente Servidor 
6. Dimensionalidade genérica 
7. Manipulação de dados dinâmicos 
8. Suporte a multiusuários 
9. Operações ilimitadas em dimensões cruzadas 
10. Manipulação intuitiva de dados 
11. Flexibilidade nas consultas 
12. Níveis de dimensão e agregação ilimitados 
Logo, podemos marcar nossa resposta na alternativa D. 
Gabarito: D 
 
 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 30 
81 
QUESTÕES 
Abaixo apresentamos uma lista com mais de 40 questões das mais variadas bancas sobre 
o conteúdo que aprendemos nesta aula. Espero que gostem. Caso tenham alguma dúvida 
não deixe de me enviar no fórum de dúvida. Vamos que vamos CANETA PRETA!!! 
QUESTÕES OLAP - COMENTADAS 
1. Instituto AOCP - Ana TI (UFPB)/UFPB/2019 
Sobre Processamento Analítico On-Line (OLAP), analise as assertivas e assinale a 
alternativa que aponta as corretas. 
I. Trabalha sobre histórico de dados com o objetivo de analisar informações. 
II. Opera com dados em tempo real. 
III. Suporta operações cotidianas do processo operacional. 
IV. Usado para realizar análise de dados a fim de se obter informações desejadas. 
V. Disponibiliza relatórios de forma dinâmica para análise e tratamento. 
a) Apenas I, IV e V. 
b) Apenas I, II e III. 
c) Apenas II e IV. 
d) Apenas II, IV e V. 
e) Apenas I e V. 
Comentário: Sabemos que OLAP (processamento analítico on-line) é um termo usado 
para descrever a análise de dados complexos do data warehouse. Sabemos também 
que um data warehouse é uma coleção de dados orientada a assunto, integrada, não 
volátil, variável no tempo para o suporte às decisões da gerência. 
I Certa. A partir das definições acima podemos verificar que a primeira afirmação é 
verdadeira pois ela fala que as ferramentas OLAP trabalham sobre os dados históricos 
com o objetivo de analisar informações. 
II Errada. Embora existam várias pesquisas avançadas no sentido empregar técnicas 
de processamento em paralelo para garantir o processamento OLAP em tempo real 
em grandes bases de dados, não podemos afirmar que isso é uma realidade 
disponível nas ferramentas de mercado. Logo, temos uma alternativa errada. 
III Errada. As operações cotidianas do processo operacional são suportadas pelas 
ferramentas OLTP. 
IV Certa. O resultado da execução de operações OLAP sobre uma base de dados 
deve ser um conjunto de informações úteis ou desejáveis. Não faz sentido executar 
consultas que gerem dados aleatórios sem significado. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 31 
81 
V Certa. Essa capacidade de fazer diversos cruzamentos sobre os dados presentes 
no data warehouse permite que o usuário enxergue os dados de forma dinâmica, 
navegando pelas hierarquias das dimensões. 
Assim, como as afirmações I, IV e V estão corretas podemos marcar nossa resposta na 
alternativa A 
Gabarito: A 
2. FEPESE - Ana (CELESC)/CELESC/Sistemas/Desenvolvimento/2019 
Qual a operação OLAP que permite a sumarização de dados por subida na hierarquia 
ou por redução de uma dimensão? 
a) Roll up 
b) Roll across 
c) Drill across 
d) Drill down 
e) Slice down 
Comentário: Dentre as operações descritas nas alternativas as únicas que existem 
dentro do contexto das ferramentas OLAP são: ROLL-UP, DRILL ACROSS e DRILL 
DOWN. Vamos comentar cada uma delas: 
Roll-up. Os dados são resumidos com generalização cada vez maior (por exemplo, 
semanal para trimestral para anual). 
Drill-down. Apresenta os dados em níveis cada vez maiores de detalhes (o 
complemento ou inverso da operção roll-up). 
Drill-across. compara medidas numéricas distintas entre diferentes tabelas fatos que 
são relacionadas entre si através de pelo menos uma dimensão em comum. 
Desta forma, observamos nossa resposta na alternativa A. 
Gabarito: A 
3. FCC - AJ TRF4/TRF 4/Apoio Especializado/Sistemas de Tecnologia da 
Informação/2019 
Utilizando operações típicas de On-line Analytical Processing 
pretende obter dados para análise bimestral dos processos da cidade de Porto 
Alegre. Considerando que essa busca implica obter um nível maior de detalhe, uma 
vez que foca em um bimestre de uma dada cidade e não em um ano de todo o estado, 
por exemplo, a operação OLAP ideal para ser utilizada é 
 a) slice. 
 b) rotation. 
 c) drill-down. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 32 
81 
 d) roll-up. 
 e) dice. 
Comentário: Essa questão apresenta uma lista de operações válidas das ferramentas 
OLAP, contudo, apenas uma delas vai fazer o detalhamento dos dados que seria a 
operação de drill-down. Utilizamos essa operação quando estamos analisando os 
dados em níveis de agregação progressivamente mais detalhados, ou de menor 
granularidade. 
Gabarito: C 
4. FCC - Ana TI (SANASA)/SANASA/Suporte DBA Banco de Dados/2019 
Considere que uma Analista de TI realizou uma operação de análise multidimensional 
em um DW, operando em condições ideais, usando uma ferramenta OLAP. Após 
analisar os dados dos meses do 1o trimestre de 2018, relativos ao tratamento de água 
da estação ETA1, a Analista aumentou o nível de granularidade da informação para 
observar os dados de todos os 4 trimestres do mesmo ano da mesma estação. A 
Analista realizou uma operação 
a) drill down. 
b) roll down. 
c) drill up. 
d) drill across. 
e) roll through. 
Comentário: Vejam que esse tipo de questão se repete ao longo dos anos e nas 
diversas bancas. Agora o nosso objetivo é aumentar a granularidade, diminuindo o 
nível de detalhamento. Logo, estamos falando da operação de de drill-upou roll-up. 
Assim, temos nossa resposta na alternativa C. 
Gabarito: C 
5. FCC - Ana TI (SANASA)/SANASA/Suporte DBA Banco de Dados/2019 
Considere que um Analista da SANASA está usando uma ferramenta OLAP para 
realizar uma operação de análise multidimensional em um DW, operando em 
condições ideais. Após analisar os dados de abastecimento de água por bairros da 
cidade, passou imediatamente a analisar a informação por ano, em outra dimensão. 
O Analista realizou uma operação 
 a) drill through. 
 b) roll down. 
 c) drill across. 
 d) drill up. 
 e) roll through. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 33 
81 
Comentário: Essa questão é comum! Cobra a definição equivocada de drill through 
que apresento na aula, e veja, a FCC mais uma vez! Ela usa como referência o livro do 
Felipe Nery, Tecnologia e Projeto de Data Warehouse. Ela escreve esse texto sobre 
drill through: 
dimensão para 
uma outra. Por exemplo: estou na dimensão de tempo e no próximo passo começo a 
 
Logo, temos a resposta na alternativa A. 
Gabarito: A 
6. Instituto AOCP - AC (IBGE)/IBGE/Análise de Sistemas/Desenvolvimento de 
Aplicações/2019 
O IBGE está implantando novas ferramentas para auxiliar na tomada de decisão em 
diferentes níveis hierárquicos. Dessa forma, os analistas estão em dúvida da utilização 
do esquema estrela ou cubos OLAP em um Data Warehouse. 
Sabendo disso, analise as assertivas e assinale a alternativa que aponta a(s) correta(s). 
I. Quando os dados são carregados em um cubo OLAP, eles são armazenados e 
indexados usando formatos e técnicas projetadas para dados dimensionais. 
II. Uma das vantagens do esquema estrela é o suporte a hierarquias irregulares 
complexas e de profundidade indeterminada, como organogramas ou listas de 
materiais. 
III. O modelo dimensional, quando implementado em banco de dados 
multidimensional, é chamado de esquema em estrela. 
a) Apenas I. 
b) Apenas II. 
c) Apenas III. 
d) Apenas I e II. 
e) Apenas II e III. 
Comentário: Uma coisa interessante que essa questão consegue reforçar no nosso 
aprendizado é a diferença entre os modelos estrela e o cubo de dados 
multidimensionais. Perceba que o modelo estrela representa uma base de dados 
analítica construída sobre tabelas (fato central e dimensões). Já o cubo de dados é 
construído sobre uma estrutura de matricial otimizada para consultas analíticas que 
navegam sobre as hierarquias dos dados. Agora, vamos analisar as afirmações. 
I. Correta. Perceba que a definição se enquadra na ideia da geração de cubos 
OLAP como hipercubo, que apresenta a característica de possuir 
armazenamento e indexação em estruturas de dados que otimizam 
consultas ao invés de atualizações. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 34 
81 
II. Errada. As vantagens do modelo estrela são: (1) melhor performance quando 
comparada com o modelo floco de neve, pois todas as tabelas dimensões estão 
ligadas diretamente a tabela fato. (2) Fácil entendimento e navegação. (3) 
Existência da integridade referencial. (4) Performance de carga e administração. 
Além disso, não podemos ter hierarquia irregulares dentro das dimensões. 
Cada hierarquia deve seguir a mesma lista de elementos. Outro ponto é que 
ela não pode ter profundidade indeterminada. O conjunto de níveis em uma 
hierarquia precisa ser definido. Veja que os exemplos de organogramas e lista 
de matérias são descritos em um conjunto de elementos determinados. (não 
existe um espaço em branco num organograma de uma empresa.) 
III. Errada. O modelo estrela descreve uma estrutura dimensional implementada 
em um banco de dados relacional. 
Gabarito: A 
7. Instituto AOCP - Ana Sist (EMPREL)/EMPREL/2019 
Como se denomina a ferramenta para acesso à informação de um Data Warehouse 
que armazena dados históricos para tomadas de decisão empresariais? 
 a) OLTP (On-Line Transaction Process). 
 b) Machine Learning. 
 c) OLAP (On-Line Analytical Processing). 
 d) Sistema de Informação Gerencial (SIG). 
 e) ETL (Extraction, Transformation, Loader). 
Comentário: Sabemos que, pela descrição do enunciado trata-se da definição das 
ferramentas OLAP. Abaixo apresentamos uma comparação entre as ferramentas 
OLAP e OLTP. 
 OLAP OLTP 
Foco 
Foco no nível 
estratégico da 
organização. Visa a 
análise e tomada de 
decisão. 
Foco no nível 
operacional da 
organização. Visa a 
execução dos processos 
de negócio. 
Performance 
Otimização para leitura 
e geração de análises e 
relatórios gerenciais. 
Alta velocidade na 
manipulação de dados 
operacionais, porém 
ineficiente para geração 
de análises gerenciais. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 35 
81 
Estrutura dos dados 
Modelo dimensional. Os 
dados possuem alto 
nível de sumarização. 
Modelo relacional 
normalizado, otimizado 
para a utilização 
transacional. Os dados 
possuem alto nível de 
detalhes. 
Armazenamento 
Data Warehouse com 
otimização para grandes 
volumes de dados. 
O armazenamento é 
feito em sistemas 
convencionais do banco 
de dados através dos 
sistemas de informação 
Abrangência 
É utilizado pelos 
gestores e analistas para 
tomada de decisão. 
É utilizado por técnicos e 
analistas e engloba 
vários usuários da 
organização. 
Frequência de 
atualização 
A atualização das 
informações, por meio 
da inclusão de novos 
registros, é feita no 
processo de carga dos 
dados. 
A atualização dos dados 
é feita no momento da 
transação. Frequência 
muito alta de 
atualizações. 
Volatilidade 
Dados históricos e não 
voláteis. Os dados não 
sofrem alterações, salvo 
necessidades específicas 
(por motivos de erros ou 
inconsistências de 
informações). 
Dados voláteis, passíveis 
de modificação e 
exclusão. 
Tipos de permissões 
É permitido apenas 
operações de leitura e 
inserção. Sendo que, 
para o usuário final, 
apenas a leitura está 
disponível 
Podem ser feito leitura, 
inserção, modificação e 
exclusão dos dados. 
Assim, podemos marcar a resposta na alternativa C. 
Gabarito: C 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 36 
81 
8. FCC - Ana G (DPE AM)/DPE AM/Especializado em Tecnologia da Informação de 
Defensoria/Analista de Banco de Dados/2018 
As ferramentas OLAP compreendem diversas formas de organização dos dados de 
um data warehouse. Dentre tais formas de organização, no tipo de ferramenta OLAP 
denominado 
a) ROLAP, os cubos pré-calculados são armazenados no servidor do ambiente de 
data warehouse. 
b) DOLAP, as consultas são feitas diretamente no modelo dimensional do data 
warehouse. 
c) MOLAP, as consultas são feitas diretamente no modelo dimensional do data 
warehouse. 
d) DOLAP, os cubos pré-calculados são armazenados no servidor do ambiente de 
data warehouse. 
e) MOLAP, os cubos pré-calculados são armazenados no servidor do ambiente de 
data warehouse. 
Comentário: Vamos relembrar as características do MOLAP: 
• Dados são armazenados em umbanco de dados multidimensional em uma 
estrutura do tipo Array para prover um melhor desempenho das consultas. 
• A implementação varia de acordo com a ferramenta OLAP utilizada, mas 
frequentemente é implementado em um banco de dados relacional, porém não na 
terceira forma normal. 
• O acesso aos dados ocorre diretamente no banco de dados do servidor 
multidimensional, e o utilizador trabalha, constrói e manipula os dados do cubo 
diretamente no servidor. (SGBD multidimensional) 
• Apresenta como vantagem a grande gama de funções de análises presentes nos 
bancos multidimensionais. 
• Utiliza Cubos pré-calculados o que aumenta o desempenho nas consultas. 
• Permite Consultas Ad-hoc com dinamismo 
Logo, temos a nossa resposta na alternativa E. 
Gabarito: E 
9. AOCP - TGI (SUSIPE)/SUSIPE/Gestão de Informática/2018 
Um dos métodos de manipular uma grande quantidade de dados em um banco de 
dados é utilizar uma aplicação com suporte OLAP. Sobre o OLAP, suas aplicações e 
características, assinale a alternativa correta. 
a) Um cubo pode ser caracterizado por uma unidade de análise que agrupa dados 
de um negócio relacionado. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 37 
81 
b) Uma dimensão pode ser caracterizada por uma estrutura que armazena os dados 
de negócio. 
c) A operação de ROTATION permite a visualização dos dados sob uma nova 
perspectiva. 
d) Um membro é um usuário com permissão de acesso ao banco de dados. 
e) Medida é uma característica extraída a partir do banco de dados. 
Comentário: Um dos métodos de manipular uma grande quantidade de dados em um 
banco de dados é utilizar uma aplicação com suporte a operações OLAP. A partir 
desta perspectiva podemos analisar cada uma das alternativas. 
a) Errado. Essa é a definição de dimensão. A dimensão é um eixo do cubo que define 
um dos contextos de análise. Ex: produto, fornecedor, tempo. 
b) Errado. Definição de cubo. O cubo é composto por dimensões. 
c) Correto. A rotação permite mudar a perspectiva, mudando a orientação dos eixos 
do cubo permitindo a visualização dos dados de outro ângulo. 
d) Errado. Membro é um subconjunto da dimensão. 
e) Errado. Medida é um atributo geralmente numérico, usada para fazer 
comparações. Agrega valores como: total de vendas, valor médio dos produtos. 
Assim, temos nossa resposta na alternativa C. 
Gabarito: C 
10. CESGRANRIO - Analista de Sistemas (TRANSPETRO)/TRANSPETRO/SAP/2018 
Um gestor acessa o servidor OLAP de sua organização, com o objetivo de analisar os 
resultados anuais de seu desempenho. Após realizar uma consulta, ele pôde observar, 
a cada ano, o rendimento médio de suas unidades de produção por região brasileira 
e por produto produzido. Todavia, julgou, em um determinado momento, que sua 
decisão precisava de um novo enfoque e mudou a estrutura da análise, observando o 
mesmo rendimento médio anual por produto e por estado da federação. 
Quais as duas operações OLAP ele realizou? 
a) drill across e dicing 
b) pivoting e drill down 
c) roll down e drill through 
d) roll up e slicing 
e) slicing e dicing 
Comentário: Observamos na questão duas operações. Primeiramente uma das 
operações vai mudar a perspectiva dos dados fazendo uma rotação ou pivoting sobre 
os dados. Num segundo momento precisamos analisar o rendimento médio anual por 
produto e por estado da federação, veja que anteriormente estamos no nível região 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 38 
81 
da hierarquia presente na dimensão localização. Assim, passamos de um nível de 
granularidade mais alto para uma granularidade mais baixa, assim estamos 
aumentando o detalhamento por meio da operação de drill down. 
Logo, temos nossa resposta na alternativa B. 
Gabarito: B 
11. FCC - Tec Gest (SABESP)/SABESP/Informática/2018 
Um Técnico executou uma operação de visualização OLAP que rotacionou os eixos 
de um determinado cubo, provendo uma visão alternativa dos dados, ou seja, 
permitindo a visão de suas várias faces. Ele executou a operação 
a) slice. 
b) dice. 
c) drill across. 
d) pivot. 
e) roll up. 
Comentário: Vejamos cada uma das operações listadas acima: 
a) slice aplica uma restrição sobre uma única dimensão de um 
cubo OLAP. 
b) dice - extrai um subcubo do cubo original 
executando uma operação de seleção sobre duas ou mais dimensões. 
c) Opaeração de drill across elos 
dimensionais. Ele evolve mais de uma tabela fato que tenham dimensões em 
comum agrupando os dados em um único data-set. 
d) rotation pivot - permite visualizar dados de uma 
nova perspectiva a partir de uma rotação do cubo. 
e) Ope roll-up - é a combinação de células de uma ou mais 
dimensões definidas num cubo. Uma forma de agregação usa o conceito de 
associação hierárquica com uma dimensão para atingir um nível maior de 
generalização. 
A operação desejada pelo comando da questão é de uma visão 
alternativa, gabarito letra D 
Gabarito: D 
12. CESGRANRIO - Esc BB/BB/"Sem Área"/2018 
Considere as Tabelas abaixo. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 39 
81 
 
 
 
O funcionário responsável pelo controle do material de expediente de determinada 
agência preparou a Tabela T com o registro do consumo de alguns itens mais 
relevantes e apresentou-a ao seu chefe. Esse, então, solicitou que o funcionário 
montasse mais duas tabelas com formas diferentes de apresentação desses dados. 
Dadas as instruções para a realização da tarefa, o resultado foi consolidado nas 
Tabelas X e Y. 
Diego Carvalho, Renato da Costa, Thiago Rodrigues Cavalcanti, Pedro Henrique Chagas Freitas, Raphael Henrique Lacerda
Aula 05 - Prof. Thiago
Informática Avançada (TI) p/ Banco do Brasil (Escriturário) - 2021 - Pré-Edital
www.estrategiaconcursos.com.br
1837323
00774823100 - Juliana Souza Ferreira
 
 
 
 
 
 40 
81 
 Considerando-se o conceito de OLAP, quais foram as operações realizadas de T para 
X e de T para Y, respectivamente? 
 a) Drill Down e Roll-Up 
 b) Drill Down e Rotation 
 c) Slice e Roll-Up 
 d) Roll-Up e Drill Down 
 e) Roll-Up e Rotation 
Comentário: A questão trata de operações OLAP. Queremos saber qual o nome 
das operações realizadas para levar os dados da: 
• Tabela T para tabela X: note que a tabela T apresenta a quantidade de cada 
produto por trimestre de 2017. Já na tabela X, temos a quantidade de cada 
produto consolidada pelo ano de 2017. Perceba que temos uma agregação dos 
dados com um aumento no nível de granularidade, diminuindo a quantidade de 
detalhes: trata-se, portanto, da operação de roll-up. 
• Tabela T para tabela Y: sabemos que a tabela T apresenta a quantidade de cada 
produto por trimestre de 2017. Já na tabela Y, temos os mesmos dados, porém 
com uma perspectiva diferente modando a orientação dos eixos das dimensões 
produto e trimestre: trata-se da operação de rotation ou pivot. 
 Assim, temos uma resposta na alternativa E. 
Gabarito: E 
13. FCC - AFRE SC/SEF SC/Auditoria e Fiscalização/2018 
Para responder à questão, considere o seguinte caso hipotético: 
Um Auditor da Receita Estadual pretende descobrir, após denúncia, elementos que 
possam caracterizar e fundamentar a possível existência de