Dados confiáveis exigem boas práticas clássicas e IA: estudo mostra que modelo relacional segue indispensável

📅 Publicado em 14 de maio de 2026 – 11h27 (horário de Brasília)

📌 Em meio à ascensão da inteligência artificial e dos bancos NoSQL, a modelagem de dados relacional continua sendo o pilar da integridade e da governança em sistemas corporativos e científicos. Um novo estudo publicado na Revista Sociedade Científica analisou mais de mil artigos e sintetizou as boas práticas que garantem segurança, rastreabilidade e desempenho. Os resultados: normalização, automação com IA, governança e arquiteturas híbridas formam o núcleo da modelagem contemporânea.

A pesquisa conduzida por pesquisadores do Centro Universitário Mario Pontes Jucá (UMJ), Eugenio Lopes Fernandes Lima, Pedro Henrique de Meneses Bittencourt Lopes e Francisco Abud Nascimento, realizou uma revisão rápida de literatura abrangendo o período de 2015 a 2025 nas bases ACM Digital Library e IEEE Xplore. Foram triados 1.088 registros, resultando em 10 estudos de alta relevância. O artigo, intitulado “Boas práticas de modelagem de dados em bancos relacionais: uma revisão rápida de literatura”, demonstra que o modelo relacional não apenas sobreviveu à revolução NoSQL, mas se adaptou para continuar sendo referência.

Por que isso importa agora?

Com a explosão de dados gerados por aplicações em tempo real, IoT e Big Data, muitas organizações apostaram em soluções não relacionais para ganhar escalabilidade. Porém, a falta de consistência e a proliferação de anomalias trouxeram de volta a necessidade de estruturas sólidas. O estudo aponta que “a modelagem de dados ocupa um papel central no desenvolvimento de sistemas de informação, sendo responsável por definir a estrutura lógica que sustenta o armazenamento, a integridade e a organização”. Assim, mesmo em arquiteturas distribuídas e data meshes, o modelo relacional garante previsibilidade e suporte robusto a transações, aspectos que nenhuma moda tecnológica conseguiu substituir.

O núcleo clássico permanece inabalável

Princípios como normalização, dependências funcionais, eliminação de redundâncias e decomposições sem perda ainda são citados como indispensáveis. Pavkovic & Brdjanin, Kumar & Azad e DiScala & Abadi, autores dos artigos revisados, comprovam que esquemas mal normalizados amplificam custos, erros e dificuldades de evolução. De acordo com a análise, “mesmo em contextos contemporâneos, como integração de dados, pipelines analíticos e sistemas distribuídos, os autores reforçam que esquemas mal normalizados amplificam custos, erros e dificuldades de evolução”. Ou seja, o aprendizado das formas normais (1FN até BCNF/4FN) continua sendo uma competência essencial para arquitetos de dados.

Automação, inteligência artificial e governança: a nova camada

A pesquisa revela que as boas práticas evoluíram para incorporar assistentes inteligentes e automação. Storey, Lukyanenko e Castellanos (2023) apontam o uso de NLP (Processamento de Linguagem Natural) para gerar rótulos, identificar dependências e sugerir estruturas, agilizando o trabalho do modelador. Além disso, a arquitetura Mask-Mediator-Wrapper, proposta por Dončević et al., representa uma virada em direção a esquemas modulares, reconfiguráveis e com governança federada, elementos essenciais no contexto de data mesh (malha de dados).

Outro ponto de destaque é a segurança como parte da modelagem. Não basta tratar injeções SQL na aplicação: prepared statements, validação de entrada, privilégio mínimo e auditoria precisam estar refletidos no desenho do banco. “Markulin et al. (2025) e Rani et al. (2015) mostram que segurança e proveniência não são apenas responsabilidades da camada de aplicação, mas devem fazer parte das decisões de modelagem”, explica o artigo. A rastreabilidade via ZILD (Zero Information Loss Data) e grafos de proveniência também surgem como exigência para ambientes regulados.

Modelagem híbrida: relacional como ponto de partida

Com a proliferação de bancos de documentos e analytics, o estudo enfatiza a importância de desnormalizações controladas e decisões de particionamento baseadas nos padrões de consulta. Carey et al. (2025) e Anderson (2015) mostram que o esquema relacional é um trampolim para o desenho de coleções NoSQL, evitando anti-patterns como incorporação excessiva (embedding) ou ligações (linking) inadequadas. “O esquema relacional deixa de ser apenas um artefato estrutural e passa a servir como referência para decisões sobre desnormalização controlada, definição de chaves de partição e escolha entre embedding e linking”, afirmam os autores da revisão.

A pesquisa ainda conclui que a modelagem atual deve equilibrar seis dimensões: 1) rigor teórico; 2) automação e ferramentas inteligentes; 3) governança e rastreabilidade; 4) segurança; 5) integração entre modelos relacionais e não relacionais; 6) arquiteturas modulares e evolutivas. Essa combinação garante que o banco de dados suporte tanto operações transacionais (OLTP) quanto analíticas (OLAP) sem perder clareza semântica.

👥 Sobre os autores
▪ Eugenio Lopes Fernandes Lima – Centro Universitário Mario Pontes Jucá (UMJ), Maceió-AL, Brasil.
▪ Pedro Henrique de Meneses Bittencourt Lopes – Centro Universitário Mario Pontes Jucá (UMJ), Maceió-AL, Brasil.
▪ Francisco Abud Nascimento – Centro Universitário Mario Pontes Jucá (UMJ), Maceió-AL, Brasil.
O estudo foi desenvolvido no âmbito da Ciência da Computação e Sistemas de Informação, com ênfase em bancos de dados e governança.

O que fica para profissionais e empresas

Os pesquisadores sintetizam que, apesar das transformações tecnológicas, “a modelagem relacional, quando fundamentada em princípios sólidos e atualizada com necessidades contemporâneas, permanece essencial para o desenvolvimento de sistemas de dados confiáveis, eficientes e duráveis”. A recomendação é que as organizações invistam tanto no treinamento em fundamentos (dependências funcionais, formas normais) quanto na adoção de ferramentas CASE com suporte a IA, além de implementar políticas de proveniência e segurança desde a fase conceitual.

A publicação ainda reforça que as boas práticas não são estáticas: precisam acompanhar arquiteturas de dados modernas, como data fabric e data mesh, e o uso crescente de SQL em motores de Big Data (Spark, Hive, Presto). Assim, dominar a modelagem relacional é mais atual do que nunca.

📖 Sobre a publicação
O artigo foi publicado na Revista Sociedade Científica (ISSN: 2595-8402), periódico multidisciplinar com foco em ciências exatas, da terra, saúde e engenharias. A revista está indexada e segue rigorosa revisão por pares.➡️ Edição atual (2026): Acesse o volume 9, n.1
➡️ Mostra da Revista: Conheça o portal scientificsociety.net
➡️ Edições recentes: Edição 2025 | Edição 2024
➡️ Pesquisar na Revista: show.scientificsociety.net

🎓 Deseja submeter seu artigo científico?

A Revista Sociedade Científica incentiva pesquisadores, mestres, doutores e profissionais de todas as áreas a publicarem seus trabalhos. A revista cobre temas como Ciência da Computação, Engenharias, Saúde, Educação e muito mais. Conheça as áreas de publicação nas edições 2024, 2025 e a edição atual de 2026.

📘 Tutorial de 4 passos para submissão: Clique aqui e saiba como publicar
⭐ Vantagens de publicar na Revista: visibilidade, indexação e rapidez – confira.

📚 Publicação de Capítulos de Livros e Resumos Científicos
A Revista Sociedade Científica criou uma seção exclusiva para Capítulos de Livros Científicos e Resumos Expandidos, perfeita para autores que já possuem artigos publicados e desejam consolidar sua referência na área. Os capítulos seguem padrão ISBN e ampliam ainda mais o impacto acadêmico.
➡️ Acesse a nova seção: Livros Científicos – RSC
➡️ Notícia oficial: Publicação de livros científicos: nova seção na Revista
➡️ Vantagens estratégicas: Capítulos de Livros Científicos: impulsionando a carreira e o conhecimento

📄 Acesso à obra original (PDF/DOI)
LIMA, Eugenio Lopes Fernandes; LOPES, Pedro Henrique de Meneses Bittencourt; NASCIMENTO, Francisco Abud. Boas práticas de modelagem de dados em bancos relacionais: uma revisão rápida de literatura. Revista Sociedade Científica, vol. 9, n. 1, p. 1188-1202, 2026.
🔗 DOI: 10.61411/rsc2026136219
🌐 Link direto na plataforma: https://www.scientificsociety.net/2026/05/boas-praticas-de-modelagem-de-dados-em-bancos-relacionais-uma-revisao-rapida-de-literatura/
📍 Site map — Explore todo o conteúdo da revista: Mapa do site scientificsociety.net

🔍 Veja os Artigos recentes noticiados pela Revista:

Pesquisa analisa aplicação do artigo 28 da LINDB pelo TCE-AM na responsabilização de gestores públicos

Editora Chefe 08/02/2026

Pesquisa analisa aplicação do artigo 28 da LINDB pelo TCE-AM na responsabilização de gestores públicos Publicado em: 8 de fevereiro de 2026, às 18:50…