Modelagem Lógica de Dados: do Minimundo ao Esquema Físico
Entenda as três camadas da modelagem de dados — conceitual, lógica e física — e por que essa progressão é essencial para projetar bancos de dados robustos.
13/06/2026 Bancos de Dados
Antes de qualquer tabela ser criada, qualquer CREATE TABLE ser executado ou qualquer SGBD ser escolhido, existe um processo de pensamento que transforma a realidade em dados estruturados.
Esse processo tem nome, tem etapas bem definidas e é a base de tudo que vem depois — inclusive de esquemas mais avançados como o Star Schema e o Snowflake Schema.
Neste artigo, vou explicar as três camadas da modelagem de dados e por que entender essa progressão facilita (e muito) o trabalho de quem está aprendendo a projetar bancos de dados.
O ponto de partida: o Minimundo
Todo projeto de banco de dados começa com o que chamamos de minimundo: o recorte da realidade que o sistema precisa representar.
Pode ser:
- Uma escola
- Uma clínica
- Um e-commerce
- Um estoque
O minimundo ainda não é dado. É a matéria-prima. O trabalho da modelagem é justamente traduzir esse pedaço do mundo real em algo que um sistema computacional consiga armazenar e manipular.
As três etapas da modelagem
1. Modelagem de Dados → Esquema Conceitual
Aqui é onde tudo começa a ganhar forma. O esquema conceitual representa as entidades, atributos e relacionamentos do minimundo em um nível alto e abstrato, sem nenhuma preocupação com tecnologia.
Nessa etapa, a ferramenta mais usada é o MER (Modelo Entidade-Relacionamento). Você define, por exemplo, que existem as entidades Cliente, Pedido e Produto, e como elas se relacionam entre si — mas ainda não pensa em tabelas, colunas, tipos de dados ou chaves.
Pergunta que essa etapa responde: o que existe no meu sistema e como essas coisas se relacionam?
2. Mapeamento de Modelo de Dados → Esquema Lógico
Com o modelo conceitual pronto, é hora de traduzi-lo para um modelo de dados lógico — geralmente o modelo relacional.
É aqui que as entidades viram tabelas, os atributos viram colunas, e surgem conceitos como:
- Chave primária
- Chave estrangeira
- Normalização
A etapa lógica ainda é independente de SGBD. Você projeta a estrutura sem se prender à sintaxe específica de MySQL, PostgreSQL, SQL Server ou qualquer outro banco.
É exatamente nessa camada que vivem esquemas de modelagem dimensional como o Star Schema e o Snowflake Schema, usados principalmente em Data Warehouses.
Pergunta que essa etapa responde: como organizo essas entidades em uma estrutura de tabelas, colunas e relacionamentos?
3. Projeto Físico → Esquema Físico
Por fim, chegamos à implementação real. O esquema físico é onde o modelo lógico vira código de fato dentro de um SGBD específico:
- Tipos de dados exatos
- Índices
- Particionamento
- Constraints
- Configurações de performance
Diferente das etapas anteriores, o esquema físico é dependente de SGBD — o que você escreve para PostgreSQL não é necessariamente igual ao que escreveria para Oracle ou SQL Server.
Pergunta que essa etapa responde: como essa estrutura vai ser implementada e otimizada no banco de dados escolhido?
Esquema Conceitual
- Nível de abstração: Alto
- Depende de SGBD? Não
- Artefato: Diagrama MER
Esquema Lógico
- Nível de abstração: Médio
- Depende de SGBD? Não
- Artefato: Modelo relacional, Star Schema
Esquema Físico
- Nível de abstração: Baixo
- Depende de SGBD? Sim
- Artefato: Script SQL específico
Por que essa divisão importa na prática
Separar a modelagem em camadas não é só formalidade acadêmica — é o que garante flexibilidade em um projeto real.
Portabilidade: um esquema conceitual e lógico bem feito pode ser implementado em qualquer SGBD, sem precisar refazer todo o raciocínio do zero.
Comunicação: o esquema conceitual é entendido até por quem não é técnico, o que facilita a validação com stakeholders antes de qualquer linha de código.
Manutenção: se um dia a empresa decidir migrar de um SGBD para outro, o trabalho fica concentrado na camada física — o raciocínio lógico continua valendo.
Base para modelagem dimensional: entender bem o esquema lógico é o que permite avançar para estruturas como Star Schema e Snowflake Schema com mais segurança.
Resumindo o fluxo da modelagem
Minimundo → Esquema Conceitual (MER) → Esquema Lógico (Relacional) → Esquema Físico (SQL)
O esquema conceitual é o retrato abstrato da realidade.
O esquema lógico é a ponte que organiza essa realidade em tabelas e relacionamentos.
O esquema físico é a implementação concreta no banco de dados.
Juntos, eles formam a base de qualquer sistema de dados bem projetado — desde uma aplicação simples até um Data Warehouse corporativo.
Mais do que sintaxe SQL, estamos falando de estrutura, clareza e capacidade de evoluir.
E você?
Já aplicou essas etapas em algum projeto de banco de dados?
Saiba mais:
Modelo Entidade-Relacionamento: https://pt.wikipedia.org/wiki/Modelo_entidade-relacionamento
Star Schema: https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/star-schema/
Teste seu conhecimento
Responda às perguntas abaixo para revisar os principais pontos deste artigo.
1. Segundo o artigo, o que é o "minimundo" em um projeto de banco de dados?
Resposta correta: B) O recorte da realidade que o sistema precisa representar, como uma escola ou um e-commerce.
O artigo define o minimundo como a matéria-prima ainda não estruturada, que a modelagem transforma em algo que um sistema consegue armazenar e manipular.
2. Uma empresa decide migrar seu banco de dados de um SGBD para outro. Segundo o artigo, em qual camada da modelagem esse trabalho fica concentrado, permitindo que o raciocínio lógico continue valendo?
Resposta correta: C) Na camada física.
O artigo explica que o esquema físico é dependente de SGBD, então uma migração concentra o trabalho ali, enquanto os esquemas conceitual e lógico permanecem válidos.
3. Qual é a diferença entre o esquema conceitual e o esquema lógico, segundo o artigo?
Resposta correta: B) O esquema conceitual representa entidades e relacionamentos de forma abstrata (via MER), enquanto o esquema lógico já organiza isso em tabelas, colunas e chaves, geralmente no modelo relacional.
O artigo mostra que o conceitual responde "o que existe e como se relaciona", enquanto o lógico responde "como organizo isso em tabelas e relacionamentos".
4. Onde vivem esquemas de modelagem dimensional como Star Schema e Snowflake Schema, segundo o artigo?
Resposta correta: B) No esquema lógico.
O artigo afirma que é exatamente na camada lógica que vivem esquemas de modelagem dimensional como Star Schema e Snowflake Schema, usados principalmente em Data Warehouses.