Modelagem de dados: por que ela importa?
Entenda o que é modelagem de dados, por que ela é essencial em projetos de tecnologia e como começar a aplicar seus princípios.
Você sabe escrever uma consulta SQL. Mas toda consulta precisa de tabelas para funcionar — e a forma como essas tabelas estão estruturadas determina o quão simples, confiável e fácil de manter sua análise vai ser.
Essa estrutura não aparece por acidente. Alguém decidiu quais colunas existem em cada tabela, como as tabelas se relacionam entre si e como os dados se organizam. Esse processo de decisão é o que chamamos de modelagem de dados.
Este artigo explica o que é modelagem, por que ela importa para análises e quais conceitos fundamentais uma pessoa que trabalha com dados precisa conhecer. O foco não é teoria formal de banco de dados — é entender como decisões de design afetam o trabalho de análise no dia a dia.
O que você vai aprender
- O que é modelagem de dados e o que ela resolve.
- A diferença entre dado bruto e dado modelado.
- Entidades, atributos e relacionamentos.
- Chaves primárias e estrangeiras.
- Normalização como intuição prática.
- Como uma boa modelagem facilita as queries SQL.
- Erros comuns de modelagem.
O que é modelagem de dados
Modelagem de dados é o processo de decidir como organizar informações em tabelas, colunas e relacionamentos dentro de um banco de dados.
É um trabalho de design — acontece antes de escrever SQL, antes de criar tabelas, antes de inserir qualquer dado. O modelador está respondendo perguntas como: quais entidades precisamos rastrear? Quais informações guardar sobre cada uma? Como essas entidades se relacionam? Como evitar inconsistências ao longo do tempo?
Em sistemas reais, a modelagem influencia tudo que vem depois: a facilidade de inserir novos dados, a confiabilidade das análises, a velocidade das queries e o custo de manutenção quando o negócio muda.
Qualquer pessoa que cria tabelas — mesmo que informalmente — está tomando decisões de modelagem. A diferença entre quem conhece os princípios e quem não conhece aparece nas consequências dessas decisões ao longo do tempo.
Por que a modelagem importa
Imagine que você recebeu um arquivo com o histórico de pedidos de uma loja. O arquivo tem estas colunas:
| id | cliente_nome | cliente_cidade | produto | valor | status |
|---|---|---|---|---|---|
| 1 | Ana | São Paulo | Notebook | 2800 | entregue |
| 2 | Bruno | Rio de Janeiro | Mouse | 80 | pendente |
| 3 | Ana | São Paulo | Teclado | 150 | entregue |
| 4 | ANA | são paulo | Monitor | 1200 | cancelado |
À primeira vista, parece funcional. Mas tente responder: qual o total de pedidos por cliente?
Você vai precisar usar GROUP BY cliente_nome. E aí percebe que “Ana” e “ANA” podem ser tratadas como clientes diferentes — em bancos como PostgreSQL, por padrão, comparações de texto são sensíveis a maiúsculas e minúsculas, então o GROUP BY gera grupos separados. A análise fica incorreta — não por falha na query, mas por falha na estrutura dos dados.
Isso é um problema de modelagem. E é exatamente o tipo de problema que decisões simples de design podem evitar.
Dado bruto vs dado modelado
Em projetos de dados, a distinção entre dado bruto e dado modelado é fundamental.
Dado bruto é o dado no estado em que chega: arquivos de log, CSVs exportados de sistemas, eventos de aplicação, respostas de APIs. É quase sempre sujo, inconsistente e difícil de analisar diretamente.
Dado modelado é o dado depois de ter sido organizado em estruturas — tabelas com colunas bem definidas, relacionamentos estabelecidos, inconsistências tratadas e regras de validação aplicadas.
No contexto deste artigo: um CSV exportado diretamente do sistema de pedidos seria o dado bruto — provavelmente com nomes de clientes repetidos e inconsistentes. As tabelas pedidos e clientes que usamos nos exemplos representam o dado modelado: estruturado, com relacionamentos definidos e pronto para análise.
A maioria dos analistas trabalha com dados já modelados: tabelas em um banco de dados ou data warehouse que passaram por algum processo de organização. Mas entender como essa modelagem foi feita é o que permite interpretar os dados corretamente, identificar limitações das análises e comunicar resultados com precisão.
Entidades, atributos e relacionamentos
A linguagem básica da modelagem envolve três conceitos:
Entidade é qualquer “coisa” sobre a qual queremos guardar informações. Em uma loja: Pedido, Cliente, Produto. Em uma escola: Aluno, Turma, Disciplina. Em um banco de dados relacional, cada entidade vira uma tabela.
Atributo é uma propriedade de uma entidade. Para Cliente: nome, cidade, email. Para Pedido: data, valor, status. Atributos viram colunas dentro das tabelas.
Relacionamento é como as entidades se conectam. Um Pedido pertence a um Cliente. Um Pedido pode conter vários Produtos. Esses relacionamentos são o que permite combinar dados de diferentes tabelas em uma análise.
No exemplo que usamos no artigo de SQL, as tabelas clientes e pedidos implementam exatamente esses conceitos:
Tabela clientes — a entidade Cliente com seus atributos:
| id | nome | cidade |
|---|---|---|
| 1 | Ana | São Paulo |
| 2 | Bruno | Rio de Janeiro |
| 3 | Carlos | Belo Horizonte |
Tabela pedidos — a entidade Pedido, com o relacionamento registrado pela coluna cliente_id:
| id | cliente_id | produto | valor | status | data_pedido |
|---|---|---|---|---|---|
| 1 | 1 | Notebook | 2800 | entregue | 2026-01-10 |
| 2 | 2 | Mouse | 80 | pendente | 2026-01-12 |
| 3 | 1 | Teclado | 150 | entregue | 2026-01-15 |
Chaves primárias e estrangeiras
Duas colunas especiais aparecem em quase todo banco de dados relacional.
Chave primária (primary key) é o identificador único de cada linha em uma tabela. Em clientes, é a coluna id. Em pedidos, também é id. Ela não pode se repetir, não pode ser nula e garante que qualquer linha pode ser identificada de forma inequívoca.
Chave estrangeira (foreign key) é uma coluna que referencia a chave primária de outra tabela. Em pedidos, a coluna cliente_id é uma chave estrangeira que aponta para clientes.id. É ela que torna o JOIN possível e confiável:
SELECT c.nome, SUM(p.valor) AS total
FROM pedidos AS p
INNER JOIN clientes AS c ON p.cliente_id = c.id
GROUP BY c.id, c.nome;
O JOIN funciona corretamente porque cliente_id é um número exato que sempre identifica um único cliente — diferente de usar o nome, que pode variar na forma como foi digitado.
Normalização: o conceito fundamental
Normalização é o processo de organizar os dados para evitar repetição desnecessária e reduzir inconsistências.
A intuição é simples: cada informação deve viver em um único lugar. Se o nome do cliente está em clientes.nome, não precisa estar também em cada linha de pedidos. Se a cidade do cliente mudar, você atualiza em um lugar só — não em dezenas de registros espalhados.
Compare as duas abordagens:
Sem normalização — dado do cliente repetido em cada pedido:
| id | cliente_nome | cliente_cidade | produto | valor |
|---|---|---|---|---|
| 1 | Ana | São Paulo | Notebook | 2800 |
| 3 | Ana | São Paulo | Teclado | 150 |
Se Ana mudar de cidade, todos os pedidos dela precisam ser atualizados. Se um for esquecido, os dados ficam inconsistentes.
Com normalização — dados do cliente em tabela separada, referenciada por cliente_id:
Tabela clientes:
| id | nome | cidade |
|---|---|---|
| 1 | Ana | São Paulo |
Tabela pedidos:
| id | cliente_id | produto | valor |
|---|---|---|---|
| 1 | 1 | Notebook | 2800 |
| 3 | 1 | Teclado | 150 |
Agora “Ana” e “São Paulo” existem em um único lugar. Uma única alteração em clientes resolve qualquer atualização.
Vale notar: em alguns contextos analíticos — como data warehouses — uma certa quantidade de repetição é aceita intencionalmente para melhorar a performance de queries em grandes volumes. Mas o ponto de partida correto é sempre evitar repetição desnecessária, e só desnormalizar quando houver uma razão técnica clara.
Como a modelagem facilita as queries SQL
A diferença entre dados bem modelados e dados mal modelados aparece diretamente nas queries de análise.
Considere a pergunta: qual o total de vendas por cliente em pedidos entregues?
Com dados desnormalizados — nome do cliente como texto:
SELECT cliente_nome, SUM(valor) AS total
FROM pedidos_raw
WHERE status = 'entregue'
GROUP BY cliente_nome;
Esta query parece correta. Mas se o mesmo cliente aparecer registrado como “Ana”, “ANA” ou “ana” em diferentes linhas, o resultado vai dividir um único cliente em múltiplos grupos. O erro não aparece como erro — aparece como dado incorreto.
Com dados normalizados — cliente identificado por chave numérica:
SELECT c.nome, SUM(p.valor) AS total
FROM pedidos AS p
INNER JOIN clientes AS c ON p.cliente_id = c.id
WHERE p.status = 'entregue'
GROUP BY c.id, c.nome;
Aqui o agrupamento é feito por c.id, um número inteiro sem variação possível. O resultado é confiável independentemente de como o nome foi digitado, porque o vínculo entre pedido e cliente não depende de texto — depende de um identificador numérico único.
A modelagem não elimina a complexidade. Ela a coloca no lugar certo: no momento do design, onde pode ser resolvida uma vez — e não na análise, onde erros silenciosos produzem conclusões incorretas.
Tipos de modelo: uma visão geral
Em projetos formais, o trabalho de modelagem costuma ser dividido em três fases:
- Conceitual: define entidades e relacionamentos em alto nível, sem detalhar colunas ou tipos de dados. É uma conversa sobre o negócio — quais objetos existem e como se conectam.
- Lógico: descreve tabelas, colunas e relacionamentos com mais precisão, ainda sem detalhar a implementação técnica específica.
- Físico: define como o modelo é implementado em um banco de dados específico — tipos de dados, índices, particionamento.
Na prática, profissionais de dados raramente percorrem as três fases de forma rígida. Mas saber que essas distinções existem ajuda a entender documentações e conversas técnicas sobre arquitetura de dados.
Erros comuns de modelagem
Colocar tudo em uma tabela só. A tentação de criar uma “tabela mestre” com todas as informações produz repetição massiva, inconsistências e queries complicadas — exatamente o oposto do que a modelagem deveria entregar.
Nomes de colunas ambíguos. Usar data quando existem várias datas relevantes — data_pedido, data_entrega, data_cancelamento — é uma fonte constante de confusão em análises.
Não usar chave primária. Tabelas sem identificador único criam problemas de duplicação que são difíceis de detectar e corrigir depois da carga de dados.
Armazenar valores calculados em vez de valores brutos. Guardar total_com_desconto em vez de valor e percentual_desconto separados cria dependências frágeis. Se a lógica de desconto mudar, os dados históricos ficam incorretos ou impossíveis de recalcular.
Modelar sem entender as perguntas. Um modelo de dados construído sem pensar nas análises que serão feitas vai exigir transformações complexas para chegar nas respostas. O ponto de partida deve sempre ser: quais perguntas precisamos responder com esses dados?
Próximos passos
Uma forma prática de aplicar o que você aprendeu: olhe para os dados que você já usa com a lente da modelagem. As entidades estão claras? Os relacionamentos fazem sentido? Há repetição que poderia ser evitada?
Em contextos de data warehouse e analytics engineering, a modelagem segue padrões específicos — como o modelo dimensional (star schema), que organiza dados em tabelas de fatos e dimensões para otimizar performance de análise em grandes volumes. Esse é um tema para explorar quando a base estiver sólida.
O que você aprendeu aqui — entidades, chaves, normalização e impacto nas queries SQL — é o vocabulário necessário para entender qualquer modelo de dados que você encontrar, seja em um banco relacional de produção ou em um data warehouse analítico.
Conclusão
Modelagem de dados não é um tema apenas para arquitetos ou engenheiros avançados. É uma forma de pensar sobre estrutura e organização que qualquer pessoa que trabalha com dados precisa entender.
Boas decisões de modelagem produzem dados mais confiáveis, queries mais simples e análises mais fáceis de explicar. Decisões ruins produzem o oposto — silenciosamente, porque o erro aparece nos resultados, não na query.
Ao ler um schema de banco de dados, ao construir uma query ou ao interpretar um resultado, pergunte-se como a estrutura dos dados está influenciando o que você está vendo. Essa pergunta é o começo do pensamento de modelagem.