Star schema vs tabela única: por que o modelo estrela vence

A planilha gigante que funciona no Excel costuma quebrar dentro do Power BI#

Quem vem do Excel chega ao Power BI com um instinto natural: juntar tudo em uma tabela só, ampla, com todas as colunas de que precisa, e sair construindo os gráficos em cima dela. Faz sentido, é o que sempre funcionou na planilha. O problema é que o Power BI não é uma planilha, e essa tabela única, o famoso tabelão, cobra um preço que só aparece quando o modelo cresce: o arquivo incha, as medidas ficam confusas e a manutenção vira um pesadelo. A discussão star schema vs tabelão não é preciosismo de quem gosta de teoria. É a diferença entre um modelo que escala e um que trava. Vamos ver por que o modelo estrela vence, sem esconder os poucos casos em que a tabela única serve.

O modelo estrela separa o que acontece do que descreve#

O star schema, ou modelo estrela, é a forma clássica de modelagem dimensional. Ele separa os dados em dois tipos de tabela. As tabelas de fato guardam o que aconteceu: as vendas, os pedidos, os lançamentos, cada linha um evento com suas métricas numéricas e suas chaves. As tabelas de dimensão descrevem o contexto: quem é o cliente, qual o produto, qual a data, qual a região. As dimensões se ligam ao fato por relacionamentos de um para muitos, e o desenho lembra uma estrela, com o fato no centro e as dimensões em volta.

Essa separação não é estética. Ela reflete como o VertiPaq comprime e como o DAX filtra. Uma dimensão de produto tem poucas linhas e valores que se repetem pouco entre si, então comprime bem e é reaproveitada por vários fatos. Já repetir o nome do produto, a categoria e o fornecedor em cada uma das milhões de linhas do fato, como acontece no tabelão, joga a cardinalidade lá para cima e engorda o arquivo sem necessidade.

O tabelão parece simples, mas paga caro em compressão e clareza#

Na tabela única, tudo mora junto. Cada linha de venda carrega, repetido, o nome do cliente, o endereço, a categoria do produto, a descrição, a meta do mês. O VertiPaq comprime por coluna e por cardinalidade, e essa repetição maciça de texto degrada a compressão: o mesmo dado ocupa muito mais espaço do que ocuparia isolado em uma dimensão pequena. O modelo fica maior, ocupa mais memória e refresca mais devagar.

Além do tamanho, há o custo humano. Com tudo em uma tabela, escrever DAX correto fica mais difícil, porque não existe a propagação limpa de filtro que o modelo estrela oferece. Contar clientes distintos, comparar com período anterior ou aplicar uma regra por categoria vira uma ginástica. E quando o negócio muda, por exemplo um cliente troca de segmento, você precisa corrigir milhões de linhas em vez de uma linha na dimensão. A tabela única esconde a complexidade no começo e a devolve, com juros, na manutenção.

Uma comparação direta mostra onde cada abordagem dói ou ajuda#

Critério	Star schema (modelo estrela)	Tabela única (tabelão)
Tamanho do modelo	Menor, dimensões comprimem bem	Maior, texto repetido em cada linha
Performance de DAX	Filtro propaga limpo, medidas simples	Mais lento e mais difícil de escrever
Manutenção	Corrige um atributo em um lugar	Corrige o mesmo atributo em milhões de linhas
Reuso	Uma dimensão serve a vários fatos	Nada se reaproveita
Curva de entrada	Exige entender fato e dimensão	Parece fácil no início
Escala	Cresce bem	Degrada conforme o volume sobe

O motor do Power BI foi feito para o modelo estrela#

Vale ser explícito sobre um ponto técnico. O VertiPaq e a forma como o DAX avalia o contexto de filtro foram desenhados assumindo relacionamentos de um para muitos entre dimensões e fatos. Quando o modelo segue o padrão estrela, o filtro que você aplica em uma dimensão flui naturalmente para o fato, e as medidas ficam curtas e legíveis. Quando você foge disso, seja com tabela única, seja com relacionamentos muitos para muitos espalhados, você está remando contra o motor, e cada análise fica mais cara de fazer e de manter. Não é uma questão de gosto: é a arquitetura para a qual a ferramenta foi otimizada.

A tabela única tem lugar, mas é um lugar pequeno#

Ser honesto exige reconhecer os casos em que uma tabela única basta. Um relatório muito simples, com poucas linhas, sem necessidade de cruzar dimensões, uma prova de conceito rápida, um extrato pontual: nada disso merece a cerimônia de um modelo dimensional completo. Se o dado é pequeno e descartável, o tabelão resolve e você não perde tempo. O erro não é usar tabela única em um caso trivial. O erro é adotá-la como padrão para tudo e descobrir, meses depois, que o modelo que sustenta a diretoria não escala.

Como sair do tabelão sem parar a operação#

Migrar de uma tabela única para um modelo estrela não precisa ser um big bang. O caminho prático é identificar as dimensões escondidas dentro do tabelão (cliente, produto, tempo, região), extrair cada uma para a sua própria tabela com uma chave, e ligar de volta ao fato. Muitas vezes isso é feito na camada de transformação, no Power Query ou já na engenharia de dados, antes de o dado chegar ao modelo. O resultado costuma ser imediato: o arquivo encolhe, o refresh acelera e as medidas ficam mais simples de escrever e de confiar. Para aprofundar a prática, veja o guia completo de Power BI para empresas e conheça nossos serviços de Power BI e de engenharia de dados.

Perguntas frequentes#

O que é exatamente o tabelão? É a tabela única e larga que concentra fatos e atributos descritivos juntos, com muita informação repetida em cada linha. Funciona bem em planilhas pequenas, mas escala mal dentro do Power BI.

Por que o modelo estrela comprime melhor? Porque separa os atributos descritivos em dimensões pequenas, onde os valores se repetem pouco. O VertiPaq comprime por cardinalidade, então texto isolado em uma dimensão ocupa muito menos do que repetido em milhões de linhas do fato.

Star schema deixa o DAX mais fácil mesmo? Sim. Com o modelo estrela, o filtro aplicado em uma dimensão propaga de forma previsível para o fato, então as medidas ficam curtas e corretas. No tabelão, muitas análises exigem contornos que tornam o DAX frágil.

Preciso de uma tabela de datas separada? Na prática, sim, quase sempre. Uma dimensão de tempo dedicada é o que habilita inteligência de tempo confiável, como comparações ano contra ano e acumulados. Ela é uma das dimensões mais importantes do modelo estrela.

Snowflake é melhor que star schema? O snowflake normaliza as dimensões em vários níveis. Ele tem seu uso, mas para BI no Power BI o star schema costuma ser preferível pela simplicidade e pela performance, mantendo as dimensões o mais planas possível.

Vale a pena refazer um modelo tabelão já em produção? Se ele está crescendo, ficando lento ou difícil de manter, geralmente vale. A migração pode ser gradual, extraindo uma dimensão de cada vez, e o ganho em tamanho, velocidade e clareza costuma se pagar rápido.

Modele para escalar, não só para funcionar hoje#

O tabelão entrega um resultado rápido e uma dívida silenciosa. O modelo estrela pede um pouco mais de disciplina no início e devolve um modelo que cresce sem travar. Se você quer estruturar seu Power BI para durar, fale com a gente.