(+351) 21 24 10006  ·  info@bconcepts.pt
Carnaxide, Lisboa

Como criar uma Fact table tipo 'Snapshot por Período' em Modelação de Dados (Kimball)

João Barros 20 de November de 2026 4 min de leitura

Este tutorial mostra como construir uma Fact table do tipo "Snapshot por Período" em Modelação de Dados (Kimball) para capturar saldos ou estados agregados em intervalos regulares. É útil quando precisa de comparar posições em datas fixas (dia, fim de mês) sem recalcular toda a lógica a cada consulta.

Pré-requisitos

  • Conceitos básicos de Modelação de Dados (Kimball): Fact table, Dimension, granularidade.
  • Acesso a uma base de dados SQL (por exemplo SQL Server ou PostgreSQL) para criar tabelas e executar queries.
  • Dados transaccionais com timestamps (ex.: movimentos financeiros, inventário ou eventos com quantidades).

Passo 1: Definir a granularidade e a frequência do snapshot

Escolha a granularidade da Fact table: por conta/cliente/produto e a frequência temporal (diária, semanal, mensal). A granularidade determina as chaves da fact e os atributos que vão compor a dimensão temporal.

Passo 2: Criar ou verificar as dimensões necessárias

Crie as dimensões conformed que a Fact vai referenciar: DimensionDate (uma linha por dia), DimensionAccount (ou DimensionProduct/DimensionCustomer). DimensionDate deve ter colunas úteis como calendar_date, month_key, is_month_end.

-- Exemplo simplificado para DimensionDate (PostgreSQL/SQL Server compatível) CREATE TABLE DimensionDate (   date_key INT PRIMARY KEY,        -- formato YYYYMMDD   calendar_date DATE,   year INT,   month INT,   day INT,   is_month_end BIT ); 

Passo 3: Determinar a regra de agregação do snapshot

Decida como calcular o valor do snapshot na data de referência: saldo até à meia-noite, posição após todos os movimentos do dia, ou último estado conhecido. Esta regra deve ser consistente e documentada.

Passo 4: Extrair e preparar os dados transaccionais

Filtre e sume os movimentos até à data de snapshot por cada chave de granularidade. Normalmente usa-se uma query que agrega por conta e por date_key.

-- Exemplo: sumarizar movimentos até à data de snapshot (fim do dia) SELECT   account_id,   CAST(to_char(movement_date,'YYYYMMDD') AS INT) AS date_key,   SUM(amount) AS movement_sum FROM Transactions WHERE movement_date <= :snapshot_date    -- parâmetro para cada data do calendário GROUP BY account_id, CAST(to_char(movement_date,'YYYYMMDD') AS INT); 

Passo 5: Gerar snapshots para cada data do período

Para criar snapshots periódicos, repita a agregação para cada date_key desejada. Em ambientes ETL usa-se um loop de datas ou um join com DimensionDate para calcular cumulativos até cada date_key.

-- Exemplo: criar snapshot cumulativo por cada date_key usando join com DimensionDate SELECT   d.date_key,   t.account_id,   SUM(t.amount) OVER (PARTITION BY t.account_id ORDER BY t.movement_date                       ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS balance_to_date FROM Transactions t JOIN DimensionDate d ON t.movement_date <= d.calendar_date -- Depois agrega por date_key e account_id GROUP BY d.date_key, t.account_id; 

Passo 6: Carregar a Fact table Snapshot

Crie a Fact table com as chaves e medidas: date_key, account_key, balance, load_timestamp e, opcionalmente, status. Defina a granularidade como (account_key, date_key).

CREATE TABLE FactSnapshot (   date_key INT,   account_key INT,   balance DECIMAL(18,2),   load_timestamp TIMESTAMP DEFAULT CURRENT_TIMESTAMP,   PRIMARY KEY (date_key, account_key) ); -- Inserção típica (exemplo simplificado) INSERT INTO FactSnapshot (date_key, account_key, balance) SELECT date_key, account_id, SUM(amount) FROM AggregatedSnapshots GROUP BY date_key, account_id; 

Passo 7: Planeamento de carga incremental e manutenção

Defina um processo ETL/ELT que atualize apenas as datas novas ou alteradas. Para reduzir custos, carregue apenas date_keys novas (ex.: fim do mês corrente) e, se necessário, reprocessar intervalos recentes quando há retroativos.

-- Pseudocódigo para carga incremental -- 1) Determinar date_keys a carregar (novos ou alterados) -- 2) Recalcular agregação até esses date_keys -- 3) UPsert para FactSnapshot (INSERT ou UPDATE) MERGE INTO FactSnapshot AS target USING (SELECT ...) AS src ON target.date_key = src.date_key AND target.account_key = src.account_key WHEN MATCHED THEN UPDATE SET balance = src.balance, load_timestamp = CURRENT_TIMESTAMP WHEN NOT MATCHED THEN INSERT (...); 

Verificar o resultado

Confirme que a Fact table tem uma linha por combinação (date_key, account_key) na granularidade escolhida e que os saldos correspondem a somas cumulativas até à data. Verifique amostras comparando com cálculos a partir da tabela Transactions e valide datas finais (ex.: is_month_end).

Conclusão

Uma Fact table Snapshot por Período simplifica análises temporais e reporting com consultas mais rápidas e previsíveis. Próximos passos: adicionar métricas derivadas (variações mês a mês), criar índices para consultas frequentes e implementar políticas de reprocessamento. Dica: registe a lógica de agregação e a janela temporal para evitar discrepâncias futuras.