Boas práticas de modelagem de dados em bancos relacionais: uma revisão rápida de literatura

Eugenio Lopes Fernandes Lima; Pedro Henrique de Meneses Bittencourt Lopes; Francisco Abud Nascimento

doi:10.61411/rsc2026136219

Autores

Eugenio Lopes Fernandes Lima Centro Universitário Mario Pontes Jucá-UMJ Autor
Pedro Henrique de Meneses Bittencourt Lopes Centro Universitário Mario Pontes Jucá-UMJ Autor
Francisco Abud Nascimento Centro Universitário Mario Pontes Jucá-UMJ Autor

DOI:

https://doi.org/10.61411/rsc2026136219

Palavras-chave:

Modelagem de dados. Bancos de dados relacionais. Normalização. Boas práticas. Governança de dados

Resumo

A modelagem de dados desempenha papel central no desenvolvimento de sistemas de informação robustos, eficientes e escaláveis. Esta revisão de literatura analisou estudos publicados entre 2015 e 2025 nas bases ACM Digital Library e IEEE Xplore, com o objetivo de identificar e sintetizar boas práticas de modelagem aplicadas a bancos de dados relacionais. Após triagem de 1.088 registros, 10 estudos foram incluídos e examinados em profundidade. Os resultados indicam que os fundamentos clássicos do modelo relacional, normalização, identificação de dependências funcionais, definição adequada de entidades e chaves e decomposições sem perda, permanecem essenciais para garantir integridade, consistência e clareza semântica. Ao mesmo tempo, a literatura evidencia a incorporação de novas diretrizes relacionadas a automação, inteligência artificial, governança, segurança, proveniência e integração com modelos não relacionais. Observou-se também que a modelagem contemporânea exige alinhamento às características de uso dos dados, contemplando desnormalização controlada, decisões de particionamento e estruturas orientadas a desempenho. Conclui-se que as boas práticas atuais combinam rigor formal, ferramentas inteligentes, modularidade arquitetural e mecanismos de segurança e rastreabilidade, reforçando que o modelo relacional permanece relevante e adaptável às demandas de ecossistemas de dados cada vez mais heterogêneos e distribuídos.

Referências

ANDERSON, Kenneth M. Embrace the challenges: software engineering in a big data world. In: BIGDSE ’15.IEEE Press, 2015. DOI: https://doi.org/10.1109/BIGDSE.2015.12

CAREY, Michael et al. Towards Principled, Practical Document Database Design. Proc. VLDB Endow., v. 18, n. 12, p. 4804-4816, ago. 2025. DOI: https://doi.org/10.14778/3750601.3750606

DE JONG, Michael; VAN DEURSEN, Arie; CLEVE, Anthony. Zero-downtime SQL database schema evolution for continuous deployment. In: ICSE-SEIP ’17.IEEE Press, 2017. DOI: https://doi.org/10.1109/ICSE-SEIP.2017.5. DOI: https://doi.org/10.1109/ICSE-SEIP.2017.5

DISCALA, Michael; ABADI, Daniel J. Automatic Generation of Normalized Relational Schemas from Nested Key-Value Data. In: SIGMOD ’16.New York, NY, USA: Association for Computing Machinery, 2016. DOI: https://doi.org/10.1145/2882903.2882924. DOI: https://doi.org/10.1145/2882903.2882924

DONČEVIĆ, J. et al. Mask–Mediator–Wrapper Architecture as a Data Mesh Driver. IEEE Transactions on Software Engineering, v. 50, n. 4, p. 900-910, 2024. DOI: https://doi.org/10.1109/TSE.2024.3367126

KUMAR, K.; AZAD, S. K. Database normalization design pattern. In: 2017. DOI: https://doi.org/10.1109/UPCON.2017.8251067

LI, Yuanxia; CURRIM, Faiz; RAM, Sudha. Data Completeness and Complex Semantics in Conceptual Modeling: The Need for a Disaggregation Construct. J. Data and Information Quality, v. 14, n. 4, nov. 2022. DOI: https://doi.org/10.1145/3532784

MARKULIN, H. et al. Using ChatGPT in Designing Web Applications Resistant to SQL Injection Attacks. In: 2025. DOI: https://doi.org/10.1109/MIPRO65660.2025.11131779

PAVKOVIC, Z. S.; BRDJANIN, D. A UML-based approach to forward engineering of SQLite database. In: 2016. DOI: https://doi.org/10.1109/ZINC.2016.7513660

RANI, Asma; GOYAL, Navneet; GADIA, Shashi K. Data Provenance for Historical Queries in Relational Database. In: Compute ’15.New York, NY, USA: Association for Computing Machinery, 2015. DOI: https://doi.org/10.1145/2835043.2835047. DOI: https://doi.org/10.1145/2835043.2835047

STOREY, Veda C.; LUKYANENKO, Roman; CASTELLANOS, Arturo. Conceptual Modeling: Topics, Themes, and Technology Trends. ACM Comput. Surv., v. 55, n. 14s, jul. 2023. DOI: https://doi.org/10.1145/3589338

WU, Wensheng. SQL2X: Learning SQL, NoSQL, and MapReduce via Translation. In: SIGCSE ’21. New York, NY, USA: Association for Computing Machinery, 2021. DOI: https://doi.org/10.1145/3408877.3432541. DOI: https://doi.org/10.1145/3408877.3432541