Diferença Entre Banco de Dados Relacional e Banco de Dados

Diferença Entre Banco de Dados Relacional e Banco de Dados Dimensional
Difference Between Relational Database and Dimensional Database
Edgar Silveira Jardim1
Marcus Vinícius Abreu de Oliveira2
Rodrigo Vitorino Moravia3
Resumo: Este artigo trata da diferença entre Banco de dados relacional e dimensional aplicados em
um ambiente corporativo, descrevendo de forma teórica os conceitos básicos e aplicabilidade das
aplicações citadas, permitindo uma ideia da melhor aplicação a ser usada em diferentes tipos de
ambientes corporativos.
Palavras–Chave: Banco de dados, Dimensional, Relacional e Data Warehouse.
Abstract: This article deals with the difference between database of relational and database
dimensional applied in a corporate environment, describing theoretically the basics and applicability of
the aforementioned applications, allowing a better idea of the application to be used in different types
of corporative environments.
Keywords: Database, Dimencional, Relational and Data Warehouse.
1 Introdução
Com o crescimento dos sistemas de informação, surgiu a necessidade de
armazenar e consequentemente analisar dados e informações oriundas desses
sistemas.
A partir dessas necessidades de armazenamento e análise, dois conceitos de
modelagem de dados surgiram e ganharam forças ao longo dessa evolução, sendo
eles banco de dados relacional ou modelagem Entidade e Relacionamento (ER) e
banco de dados dimensional ou modelagem Multidimensional.
A modelagem ER, segundo Teorey(2013), pode ser considerada uma
evolução da teoria de conjuntos da matemática e também pode ser comparado a um
1
Graduando do curso Bacharelado em Sistemas de Informação pela Faculdade Infórium de Tecnologia.
[email protected]
2
Graduando do curso Bacharelado em Sistemas de Informação pela Faculdade Infórium de Tecnologia.
[email protected]
3
Especialista em Gestão da Informação pelo Instituto de Educação Continuada da Pontifícia
Universidade Católica de Minas Gerais. Professor da Faculdade Infórium de Tecnologia.
[email protected]
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
arquivo, onde nele podem ser armazenadas diversas informações referente a um um
registro primário como em um arquivo de um consultório médico, que é possível
obter todo o histórico de cada
paciente. A partir desse sistema de arquivo, foi
possível chegar na modelagem ER, que utiliza os princípios de registros primários,
onde foi implementado o conceito de tabelas, linhas e chaves.
De acordo com Ralph Kimball(2013), modelagem dimensional é uma técnica
de design de banco de dados projetada para suportar consultas de end-users em um
Data Warehouse. Para sistemas de processamento analítico, o grande volume de
dados necessários para consultas de planejamento tático e estratégico devem ser
processados de forma rápida.
Dessa forma, delimitou-se o tema desse artigo a busca de conhecimento e
embasamento para diferenciar e conceituar as principais características de duas
modelagens de dados, Banco de dados multidimensional e banco de dados
relacional.
O objetivo geral é apresentar de uma forma teórica os conceitos, as
características e dois tipos de armazenamentos de dados utilizados em ambientes
organizacionais, Banco de Dados Relacional e Banco de dados Dimensional,
apresentando de uma maneira teórica a aplicabilidade de cada modelagem de
dados.
A pergunta norteadora desse estudo é no sentido de diferenciar duas
modelagens de dados que estão em crescente utilização dentro das oraganizações
que utilizam sistemas de informação, assim qual a diferença entre Banco de dados
relacional e Banco de Dados dimensional?
São objetivos específicos dessa pesquisa: apresentar conceitos de tabelas,
tuplas, atributos, relacionamento entre tabelas, chave primária dentro da modelagem
ER. Conceituar e diferenciar dado de informação e apresentar conceitos da
modelagem dimensional, Data Warehouse (DW).
Quanto a metodologia utilizada nesse artigo, trata-se de uma pesquisa do tipo
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
exploratória, para qual foram utilizadas diversas pesquisas bibliográficas com
diversas fontes, dentre elas pode-se citar Date(2004) e Elmasri(2005).
Para a compreensão desse tema, dividui-se esse artigo em oito seções, a
seção 1, esta introdução e uma indicativa do estudo; a seção 2 apresenta Dado e
informação; a seção 3 aborda a modelagem de dados relacional; a seção 4 trata
sobre a modelagem multidimensional; a seção 5 aborda o conceito de banco de
dados multimensional; a seção 6 aborda o conceito de um Data WareHouse; a
seção 7 apresenta uma discursão sobre a diferença entre a modelagem de dados
relacional e a modelagem de dados dimensional; a seção 8 tece as conclusões do
artigo.
2 Dado e Informação
Antes de abordar e diferenciar as duas formas de modelagem de dados
proposta nesse artigo, Relacional e Dimensional, é necessário abordar e diferenciar
dado de informação. Onde conforme Rob(2008), dentro de um bando de dados, são
inseridos ou colhidos os mais variados tipos de registros em tabelas, sistema
parecido com um arquivo, que agreguem ou não valor ao negócio. Esses registros,
ainda segundo o autor podem ser considerados como fatos brutos, fatos esses que
ainda não foram processados de tal modo que seja possível resolver e apresentar
seu real valor.
Para que seja possível alcançar esses fatos brutos, ainda segundo Rob
(2008), deve-se utilizar de uma ferramenta de pesquisa sobre algum fato relevante
ao negócio, como por exemplo sobre o atendimento de um Call Center. Através
desta pesquisa, para que esses dados brutos obtenham seu valor, faz-se necessário
a utilização de um questionário com os mais diversos tipos perguntas com o intuito
de chegar ao resultado final. Dentre elas cita-se como exemplo: Quantos clientes de
Belo Horizonte são atendidos por dia? Qual o nível de satisfação desse
atendimento? Obtendo as respostas, então será possível a definição de informação,
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
da qual Rob julga ser a fonte dos dados extraídos pela pesquisa e que ganham
sentido através das perguntas, sendo transformadas assim em informação.
3 Modelagem Relacional
Teorey(2013) propõe comparar um banco de dados com um sistema de
arquivos, onde nele são inseridos qualquer tipo de dados como nome, endereço e
telefone. Ainda segundo o mesmo, dentro de um arquivo ou banco de dados, o
conceito de registros significa itens de dados relacionados, assim, o mesmo ainda
define arquivo como uma coleção de registros que sejam do mesmo tipo.
Desta forma, o autor considera que um sistema de banco de dados pode ser
uma evolução de um arquivo e define que em um banco de dados relacional um item
de dado pode ser chamado de coluna ou atributo, um registro é considerado como
uma linha ou tupla e um arquivo é chamado de tabela Teorey(2013).
Ainda que seja observada a evolução da tecnologia de armazenamento e
construção de dados nos últimos anos, bem como o surgimento de novas
tecnologias como banco de dados orientado a objeto e banco de dados multimídia,
Teorey(2013) afirma que o tipo modelagem Relacional de dados, ainda é o tipo de
banco de dados mais utilizado nos ambientes organizacionais. Esse tipo de
modelagem apresentada em 1970 por E.F. CODD surgiu como arte segundo
Teorey(2013), pois foi considerado mais simples e preparou o terreno para as novas
tecnologias de armazenamento de dados. Mas segundo Rob(2008), a modelagem
relacional de dados é um tipo de abstração da teoria de conjuntos da matemática
algébrica.
Arilo(2014) conceitua banco de dados relacional, como uma maneira de
armazenamento de dados, onde o autor afirma: “SGBDRs são usados para
armazenar a informação requerida por aplicações construídas usando tecnologias
procedurais, tais como COBOL ou FORTRAN, tecnologias orientadas a objeto tais
como Java e C# e tecnologias baseadas em componentes como Visual Basic”.
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
Esses dados, são gerenciados segundo Arilo por um Sistema de
Gerenciamento de Banco de Dados Relacional (SGBDR), e possui como fonte de
registros
aplicações
tecnológicas
procedurais
de
diversas
linguagens
de
programação.
Por se tratar de uma tecnologia de armazenamento dominante e persistente,
é necessário entender, conforme Arilo(2014) descreve o conceito e funcionamento
de um SGBDRs, como um software responsável por armazenar dados, recuperá-los,
excluí-los e garantir a segurança e integridades dos dados. O autor ainda cita que o
modelo ER armazena os dados em tabelas, onde elas são organizadas por colunas,
que por sua vez armazena um tipo de dado (inteiro, string de caracteres, números
decimais, data, entre outros). Essas colunas formam as linhas de uma instância ou
tabela.
Dentro desse conceito de modelagem relacional DATE(2000) afirma: “o
modelo relacional pode ser considerado como tendo três partes principais,
relacionadas com a estrutura de dados, a integridade de dados e a manipulação de
dados, respectivamente”.
Em Aspecto Estrutural ou Estrutura de Dados, as informações de um banco
de dados são percebidas pelos usuários de sistemas de informação em forma de
tabela, onde essas tabelas satisfazem restrições de integridades e esses dados
após serem inseridos em tabelas e tendo a garantida integridade, podem ser
manipulados com o intuito de recuperar e buscar dados, conforme figura 1, onde é
apresentado um banco de dados relacional com três tabelas: cliente, título e
locações.
Figura 1 – Banco de Dados Relacional
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
Fonte: elaboração do autor.
“Um domínio D é um conjunto de valores atômicos. Por atômico
entendemos que cada valor no domínio é indivisível no que diz
respeito ao modelo relacional. Um método comum para a
especificação de um domínio é definir um tipo de dado do qual os
valores de dados que formam o domínio sejam retirados. Também é
útil especificar um nome para esse domínio, de modo a ajudar na
interpretação de seus valores.” (ELMASRI, 2004, p. 90)
Quanto ao conceito de Atributo Elmasri(2004) afirma como nome das funções
que mapeiam os valores de cada um dos elementos de cada relação ou
simplificando cada coluna da tabela. Quanto a Tupla, o autor conceitua como as
linhas de cada tabela existente no banco de dados. Quanto à Relação, o mesmo
autor define como um conjunto de tuplas, que são compostas por um cabeçalho e
um corpo, onde cabeçalho possui número fixo de atributos (grau de relação) e esses
atributos não são ambíguos. Já o Corpo de uma relação, segundo o autor, é o
número variável de tuplas ou linhas consideradas as cardinalidades da relação.
Como sugerido em sua denominação, um banco de dados relacional,
segundo Elmasri(2004) irá possuir um grande número de relações entre suas
tabelas, gerando assim novas tuplas de diversas maneiras diferentes, e a forma com
que esse relacionamento pode variar, está de acordo com o estado do banco de
dados.
Date(2000) afirma que grande parte dos bancos de dados possuem restrições
de integridades, que apresentam complementos aos dados. Dentre os diversos tipos
de restrições de integridade o autor apresenta um dos tipos mais simples onde são
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
especificados um tipo de dado para cada item, conforme Figura 2, onde o NOME é
uma cadeia de caracteres com 20 caracteres. Uma maneira mais complexa de
realizar a integridade, segundo este autor é definir o relacionamento entre as tabelas
existentes no banco de dados relacional, onde toda disciplina possui um curso
relacionado a ela. Outra maneira de manter os dados íntegros dentro de um banco
de dados é conforme Date(2000) cita, onde especificar que um determinado atributo
possui uma singularidade em seu valor, conceito parecido com de chave.
Figura 2 – Definição de tipo de dados para um item
Fonte: elaboração do autor
Essas restrições são divididas em categorias segundo Elmasri(2004), onde é
altamente necessário para o modelo de dados especificado. Já as restrições
baseadas em esquemas, são ligadas ao modelo de dados, e especificados pela
Data Denition Language (DDL), que segundo o mesmo, é usada por projetistas de
dados com o intuito de definir ambos os esquemas, onde o SGDBR irá compilar
DDL’s, onde seus comandos serão com intuito de identificar os construtores. Sendo
assim, determinou-se que na DDL é utilizada somente o modelo esquema e
conceitual.
Restrições baseadas em aplicação, segundo o autor, são regras inseridas nos
programas ou aplicações que utilizam o banco de dados relacional e não podem ser
feitas nos esquemas de modelo de dados. Além desses tipos de restrições, ainda
segundo o autor, dentro de um modelo ER, existem as restrições de chave, onde em
uma relação, que foi definida como um conjunto de tuplas, onde esses conjuntos são
distintos. Por se tratar de conjuntos distintos, logo as linhas serão distintas dentro de
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
uma relação, dessa maneira, linhas não podem ter a mesma combinação de valores
para todos os seus atributos.
Em um modelo relacional de banco de dados, segundo Date(2000) cada
relação possui uma chave, que se define por um valor que identifica e diferencia
uma tupla de outras. Conforme figura 3 a relação Empregado possui como Chave o
atributo CodEmp, onde esse valor não se repete. Como o atributo chave primária é o
campo CodEmp, os outros atributos podem se repetir, como por exemplo o Nome
Maria que aparece para o registro 3 e 7.
Assim conforme o autor que, considera como chave primária uma coluna ou a
combinação delas, de forma que sejam capazes de diferenciar uma linha das
demais de uma relação através de valores distintos, onde essas restrições podem
ser por chaves únicas ou chaves compostas, conforme figura 4 e 5.
Date(2000) ainda afirma que para uma chave primária de uma relação seja
válida, seu valor não pode ser nulo, pois caso essa integridade de entidade não
existisse, as linhas das tabelas não se diferenciariam, violando dessa maneira o
conceito básico de chave primaria.
Figura 3 – Tabela com exemplo de chave primária
Fonte: elaboração do autor
Figura 4 – Restrição por chave única
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
Fonte: elaboração do autor
Figura 5 – Restrição por chave composta
Fonte: elaboração do autor
4 Modelo Multidimensional
Segundo
o
site CanalTech(2014), a
modelagem
multidimensional,
ou
dimensional como às vezes é chamada, é a técnica de modelagem de banco de
dados para o auxílio às consultas do Data Warehouse nas mais diferentes
perspectivas. A visão multidimensional permite o uso mais intuitivo para o
processamento analítico pelas ferramentas OLAP (On-line Analytical Processing). 
Toda modelagem dimensional possui dois elementos imprescindíveis: as
Tabelas Fatos e as Tabelas Dimensões. Ambas são obrigatórias e possuem
característica
complementares
dentro
de
um
Data
Warehouse. O
modelo
multidimensional é formado basicamente por três elementos, Fato, Dimensões e
medidas também conhecidas como métricas.
Um Fato é uma coleção de itens de dados, composto de dados, de medidas e
de contexto. Cada fato representa em um banco de dados dimensional um item,
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
uma transação ou um evento de negócio e é utilizado para analisar o processo de
negócio de uma empresa. A característica básica de um fato, segundo Felipe
Nery(2013), é que ele é representado por valores numéricos e implementados em
tabelas denominadas tabelas de fato.
Conforme Nery(2013), Dimensão são os elementos que fazem parte de uma
tabela fato. As dimensões determinam o contexto de um assunto de negócios,
normalmente não possuem atributos numéricos, pois são somente descritivas e
classificatórias dos elementos que participam de um fato.
Uma dimensão pode conter muitos membros. Um membro ainda segundo
Nery(2013), é um nome diferente utilizado para terminar a posição de um item de
dado, um exemplo seria todas as ocorrências de ano, trimestre e mês fazem a
dimensão que representa o Tempo.
Hierarquia de uma dimensão é uma classificação de doados dentro de uma
dimensão, com isso conseguimos organizar os membros de uma dimensão em uma
ou mais hierarquia, conforme é representada na Figura 6.
Figura 6 – Hierarquia de Dimensões.
Fonte: elaboração do autor
Nery afirma que “Medidas são os atributos numéricos que representam um
fato, a performance de um indicador de negócios relativo às dimensões que
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
participam desse fato. Uma medida é determinada pela combinação das dimensões
que participam de um fato, e estão localizadas como atributos de um fato. “
Ainda segundo Nery, o modelo multidimensional visa armazenar uma imensa
quantidade de dados. É um modelo que vai permitir uma análise histórica dos dados,
desempenho nas consultas e facilidade no desenvolvimento das mesmas. Essas
são algumas das finalidades de um modelo de dados dimensional e para isso
existem alguns tipos de modelos, que são: Star Schema e Snowflake. Apesar de a
maioria das literaturas ser dirigida a modelos físicos de dados, o modelo estrela tem
forte base conceitual, essa base conceitual é de fundamental importância para que o
projeto Data Warehouse resulte em um armazém de dados organizado e acessível,
com as informações necessárias à gestão de negócios, e não, ressalto novamente,
ao controle do negócio. O star schema (modelo estrela) é modelo de dados padrão
para uma modelagem de dados dimensional onde temos uma(s) fato(s) e várias
dimensões. É um modelo simples e eficiente, caracterizado por possuir uma única
tabela de fatos e chaves simples nas tabelas de dimensões. Cada dimensão é
representada por uma única tabela.
Nery(2013), ainda afirma que um star schema (modelo estrela) não é
simplesmente um formato de diagrama, e sim a representação de processos de
negócio e do relacionamento dos participantes desse processo ao longo do tempo.
Os pontos positivos deste modelo são a eficiência, dada pelo reduzido
número de junções nas pesquisas e pelas chaves simples, e a facilidade de definir
hierarquias.
Os pontos negativos são o tamanho e a “desnormalização” das tabelas de
dimensões. Cada dimensão se liga com o(s) fato(s) e dessa forma se forma um
desenho semelhante a uma estrela conforme pode ser visualizado na Figura 7.
Figura 7 – Modelo Star Schema (Modelo Estrela)
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
-
Fonte: elaboração do autor
Já o modelo Snowflake é parecido com o star schema exceto que por uma
determinada particularidade no negócio ou nos dados, tem de se fazer duas
dimensões ou mais interligadas. Desta forma realmente se parece com um desenho
de um floco de neve (Figura 8).
Figura 8 – Modelo Snowflake (Floco de Neve)
Fonte: elaboração do autor
O modelo estrela hoje é considerado por muitos autores entre eles Nery(2013
p.144), como modelo de utilização mais vantajoso, pois ainda segundo o autor, os
modelos apresentam diferença de 30% no tempo de acesso, do star schema, para o
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
snowflake. Em compensação o modelo snowflake é esteticamente mais semântico
para visualização das hierarquias.
5 Banco de dados Multidimensional
Segundo Nery:
“Os bancos de dados multidimensional ou dimensional dá suporte
e otimiza manipulações matemáticas, financeiras, estatísticas e de
tempo, assim como somatório de valores referentes a níveis de
uma hierarquia de dados. Um banco de dados multidimensional
oferece um ambiente muito simples, de fácil operacionalidade e
entendimento, para usuários que necessitem da capacidade de
analisar “pedaços” dos dados em um único local. “
Diferente dos outros modelos onde as informações eram divididas em muitas
tabelas para melhor representação do mundo físico, o foco no modelo dimensional é
agrupamento de informação. Onde nos seus predecessores redundância de dados
era visto como um defeito, aqui se torna uma vantagem competitiva. Esse conceito
busca a coletânea de informação para alimentar sistemas necessariamente ágeis.
Aqui o cliente está interessado em ver os números finais de sua consulta, as vezes
gráficos ou tabelas, que tenham potencial para influenciar nas suas decisões de
negócio. (Nery, 2013), onde esse tipo de banco é muito utilizado em Data
Warehouse.
6 Data Warehouse
Data Warehouse (DW) pode ser definido com as duas palavras que compõe
seu nome, em uma tradução livre do inglês seria Armazém de Dados, local para
estocar seus bens. Segundo Kimball(2013 p.22):
“A missão do Data Warehouse é a publicação de ativos de dados
da organização para ser mais eficaz apoiar a tomada de decisão
(...) Um Data Warehouse é um sistema que extrai, limpa e fornece
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
dados em um armazenamento de dados dimensional e, em
seguida, apoia e implementos consulta e análise para fins de
tomada de decisões. ”
Data WareHouse (DW) busca prover aos usuários finais fácil acesso a dados
íntegros e consistentes para tomadas de decisões nos negócios, conforme figura 9.
Figura 9 – Entrada de Dados para o DW
Fonte: adaptado de SunExpert Magazine, Outubro 1998.
Repare que na Imagem 3 o DW apenas recebe as informações de diversos
sistemas. Os Data Warehouse não têm como função gerar dados operacionais, mas
tratar esses dados junto com os dados de integração para gerar dados de controle e
melhoria corporativa.
7 Discursão sobre a diferença entre as modelagens de dados apresentada
nesse artigo.
Pode-se perceber durante a pesquisa que, apesar de serem dois tipos de
modelagem de dados muito utilizada nos tempos atuais graças aos avanços da
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
Tecnologia da informação nos últimos anos, que a modelagem ER e a modelagem
dimensional diferem muito entre si.
A modelagem relacional, é um tipo de modelagem mais voltada para os
sistemas de informação, onde dele são armazenados dados de acordo com a regra
de negócio da organização, substituindo anotações em folhas de papel ou arquivos.
Através da utilização correta dessa modelagem, é possível garantir através dos
conceitos sobre Chave primária, integridade dentre outros apresentados aqui que os
dados armazenados estão corretos e são de extrema importância ao negócio onde
essa modelagem foi aplicada.
A modelagem dimensional, é utilizada para apoiar as tomadas de decisões de
uma empresa. O fato de armazenar grande quantidade de dados, quando utilizado
junto ao DW, proporciona agilidade nas consultas uma análise histórica de dado e
um fácil desenvolvimento das consultas utilizadas, mantendo a integridade dos
dados.
8 Conclusão
Para a compreensão do tema estudado, diferença entre banco de dados
relacional e banco de dados dimensional, buscou-se primeiramente identificar a
base conceitual e também o fundamento teórico sobre esse questionamento.
Assim, a fundamentação teórica permitiu verificar que as duas formas de
modelagem de dados apresentadas nesse estudo são bem divergentes. Onde a
modelagem de dados relacional, é uma forma de armazenamento de dados oriundos
de sistemas de informação das organizações conforme Arilo, que por sua vez, esses
dados são armazenados em tabelas, linhas e colunas que conforme definido por
Elmasri, que relacionam entre si formando novas linhas entre as relações (tabelas).
Por sua vez a modelagem Dimensional, busca o armazenamento de dados e
informações para auxilio nas consultas de um Data Warehouse ferramenta que
conforme Kimball, dividindo os dados em tabelas fatos e dimensões, conforme Nery.
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
Esses dados são coletados para auxiliar a tomada de decisão da empresa utilizando
um Data Warehouse que serve para extrair limpar e auxiliar na tomada de decisão
da organização.
Desta forma, pode-se concluir que Banco de dados Relacional e Banco de
dados multidimensional são formas de diferentes de armazenamentos de dados e
informações, oriundas de sistemas de informação utilizado em organizações
independentemente de seu porte. Onde um banco de dados Relacional armazena
esses dados em tabelas, que fazem relacionamento com outras tabelas, gerando
novas linhas como resultado, capaz de definir um sentido a essas informações. Em
contrapartida, quanto ao banco de dados dimensional auxilia rotinas como Data
Warehouse, nas tomadas de decisões de uma empresa, coletando dados
importantes para a tomada de decisão, limpando e garimpando todos os tipos de
dados, separando em tabelas fatos e dimensões para poder tornar essa pesquisa
mais rápida e eficaz para a empresa.
Diante do exposto, pode-se afirmar que a pergunta norteadora dessa
pesquisa foi respondida e todos os objetivos propostos foram alcançados com êxito.
Revista Pensar Tecnologia, v.4, n.2, jul. 2015
REFERÊNCIAS
ELIAS, Diego. Reportagem Entendendo a modelagem multidimensional.
<http://corporate.canaltech.com.br/materia/business-intelligence/Entendendo-amodelagem-multidimensional/CanalTech>. Acesso em: 03 nov. 2014.
ELMASRI RAMEZ. Sistemas de Banco de Dados, 4ª. Edição, São Paulo, SP,
2011. cap 5.
KIMBALL, Ralph & ROSS Margy. The Data Warehouse Toolkit. 2ª edição.New
York, NY, EUA: John Wiley and Sons, 2002. cap 2.
NETO, Arilo Cláudio Dias. Bancos de Dados Relacionais - Artigo Revista SQL
Magazine 86. Disponível em: <http://www.devmedia.com.br/bancos-de-dadosrelacionais-artigo-revista-sql-magazine-86/20401>. Acesso em: 24 out. 2014.
NERY, Felipe Rodrigues Machado. Tecnologia e Projeto de Data Warehouse. 6ª
Edição, São Paulo, SP, 2013. cap 6,7,8,9,10,11.
PETER, Robert e CORONEL, Carlos. Sistema de banco de dados – Projeto,
Implementação e Gerenciamento 8º Edição, São Paulo, SP, 2011, Cap. 1,2,3.
TEOREY, Toby e LIGHTSTONE, Sam. Projeto e modelagem de banco de dados
2º Edição, São Paulo, SP, 2011. cap 2.
Revista Pensar Tecnologia, v.4, n.2, jul. 2015