#17 – Relação entre tabelas e modelagem

Tabelas importadas para o Projeto

As tabelas importadas para o Projeto foram as que possuem relação entre tabelas e os dados necessários para o projeto, um exemplo foi a tabela Top 100 Streams da Twitch explicado no Post anterior.

No entanto, nem todas as tabelas criadas em Python foram utilizadas por conter informações repetidas. Portanto, resumidamente foram utilizadas as seguintes tabelas nas imagens abaixo.

Esquema de Dados

O esquema de dados utilizado nesse projeto foi o Snowflake, no qual possui uma estrutura mais complexa do que a Estrela.

As principais tabelas são o Database Twitch e Database IGDB, pois é a partir delas, ou melhor, do ID_Twitch e ID_IGDB que é possível acessar todas as outras informações como contagem de visualizações, gênero, desenvolvedora, etc.

Por isso a importância da relação entre ID_Twitch e ID_IGDB ser tão importante por tornar essa consulta possível.

Relação entre Tabelas

A partir das nossas duas bases de dados, que é possível relacionar as nossas tabelas nos dois tipos de relação principais:

1 : 1 → No qual relaciona 1 elemento de uma tabela a 1 outro elemento de outra tabela.

1 : N → No qual relaciona 1 elemento de uma tabela para outros N elementos de outra tabela.

Das tabelas utilizadas no projeto, foram construídas essas relações utilizando principalmente o ID_Twitch ou ID_IGDB.

Já para as tabelas base, relacional e dimensional com as informações do IGDB, como Coleção, Empresa, Gênero, e outros, foram utilizados os ID correspondentes de cada categoria (Collection_ID, Company_ID, Genre_ID, etc.).

Assim, é possível realizar a consulta no dashboard das informações coletadas por conta dessa relação entre tabelas. Por isso é importante verificar e entender na coleta de dados como as informações se relacionam para serem úteis para a criação do dashboard e insights importantes.

No próximo post irei detalhar sobre a montagem dos indicadores – Key Performance Indicators (KPIs) utilizando a linguagem DAX.

Até o próximo Post!