Recursos

Biblioteca de competências

Competência de modelagem de dados por nível de carreira

Modelagem de dados define conceitos, granularidade e relações duráveis para que diferentes pessoas interpretem a informação do mesmo modo ao longo do tempo.

Peasy HRPublicado em 18 de agosto de 2026Atualizado em 18 de agosto de 2026

Resposta curta

Modelagem de dados define conceitos, granularidade e relações duráveis para que diferentes pessoas interpretem a informação do mesmo modo ao longo do tempo.

Sobre Modelagem de dados

Modelagem de dados organiza conceitos e relações para preservar a exatidão e a utilidade da informação. A competência explicita granularidade, chaves, definições e dependências para permitir reúso seguro.

Use esta competência para

  • Funções que desenham esquemas, modelos semânticos ou entidades analíticas compartilhadas.
  • Trabalhos em que relatórios e sistemas dependem de definições e relações estáveis.

Não use esta competência para

  • Use engenharia analítica quando o foco estiver em implementar, testar e operar transformações, e não em definir o modelo conceitual.

Diferenças importantes

Engenharia analítica

Engenharia analítica implementa transformações confiáveis; modelagem de dados define conceitos, granularidade e relações.

Governança de dados

Governança define regras e responsáveis; modelagem descreve como a informação se estrutura.

Expectativas por nível

IC1

IC1: Modelos definidos

Implementa pequenas alterações de modelo com orientação. Preserva a granularidade e as relações declaradas e verifica se a saída corresponde ao conceito acordado.

Comportamentos observáveis

  • Declara a granularidade de cada modelo antes de incluir campos ou junções.
  • Usa as chaves documentadas e verifica se a junção duplica registros.
  • Atualiza a definição dos campos alterados.

Exemplos

  • Inclui o status em um modelo de pedidos e confirma que cada linha continua representando um pedido.
  • Monta uma dimensão simples de clientes e documenta o tratamento de identificadores repetidos.

IC2

IC2: Modelos de domínio

Desenha de forma independente modelos para um domínio da equipe com várias fontes e requisitos mutáveis. Resolve definições ambíguas e protege usos dependentes.

Comportamentos observáveis

  • Traduz conceitos de negócio em entidades, relações, chaves e regras de histórico.
  • Compara alternativas de desenho com casos reais de uso analítico e operacional.
  • Planeja migrações compatíveis quando muda a granularidade ou a definição.

Exemplos

  • Redesenha o histórico de assinaturas para medir mudanças de plano sem apagar estados anteriores.
  • Concilia identificadores de produto e cobrança em um modelo compartilhado de contas.

IC3

IC3: Padrões compartilhados

Define a direção de modelagem para domínios conectados e usados por várias equipes. Resolve conflitos conceituais e revisa a evolução segura dos modelos.

Comportamentos observáveis

  • Estabelece convenções de granularidade, nomes, histórico e entidades comuns.
  • Media definições conflitantes entre domínios e registra a fronteira escolhida.
  • Revisa mudanças de alto impacto considerando migração e interpretação posterior.

Exemplos

  • Cria um modelo comum que separa conta, contrato e usuário para produto e finanças.
  • Lidera uma migração de receita por evento para entidades de reconhecimento com validação paralela.

Crie seu framework de competências

Inclua esta competência em uma Function e ajuste as expectativas ao escopo e às evidências que sua equipe precisa.

Abrir o criador de frameworks

Dúvidas comuns

O que modelagem de dados avalia?

Avalia como a pessoa define conceitos, granularidade, chaves, relações e regras de mudança para reúso confiável.

Como reunir evidências justas?

Examine propostas de esquema, definições de entidades, testes de relação, planos de migração e efeitos nos consumidores.

Modelagem de dados é igual a desenho de banco?

Não. O desenho de banco também pode tratar de armazenamento e desempenho; aqui o foco é o significado dos dados.

Recursos relacionados

Biblioteca de competências

Competência de análise de dados por nível de carreira

Análise de dados transforma uma pergunta delimitada em uma conclusão defensável, com escolhas explícitas de dados, comparações e limites para orientar uma decisão.

Ver competência

Biblioteca de competências

Competência de raciocínio estatístico por nível de carreira

Raciocínio estatístico ajuda a escolher métodos compatíveis com a pergunta e os dados, quantificar incerteza e limitar a conclusão ao que a evidência sustenta.

Ver competência

Guia

Como escrever expectativas de nível

A expectativa de nível descreve o trabalho esperado de uma pessoa em determinada trilha e etapa. Escreva no presente, deixe claros o escopo, a autonomia e a complexidade, e diferencie níveis vizinhos por evidências. Comportamentos curtos e exemplos realistas ajudam gestores a aplicar o critério de forma consistente.

Ler guia
Competência de modelagem de dados | Peasy HR