Modelo Gold¶
A camada Gold foi planejada com foco analitico, seguindo os principios da modelagem dimensional de Ralph Kimball.
Objetivo¶
Transformar os dados tratados da Silver em tabelas de facil consumo para analises sobre o mercado de trabalho em inteligencia artificial.
Exemplos de perguntas que a Gold pode responder:
- Quais cargos possuem maior media salarial?
- Quais setores concentram mais oportunidades?
- Como o risco de automacao varia por cargo ou industria?
- Quais habilidades aparecem com maior frequencia?
- Quais localidades possuem mais oportunidades remotas?
- Como a projecao de crescimento se distribui por cargo, setor e porte da empresa?
Dimensoes¶
As dimensoes armazenam atributos descritivos da base.
gold.dim_cargo¶
Representa os cargos analisados.
Campos esperados:
- chave substituta do cargo;
- titulo do cargo;
- habilidade exigida;
- risco de automacao;
- projecao de crescimento.
gold.dim_empresa¶
Representa o contexto empresarial da oportunidade.
Campos esperados:
- chave substituta da empresa;
- industria;
- porte da empresa;
- nivel de adocao de IA.
gold.dim_localidade¶
Representa a localizacao da oportunidade.
Campos esperados:
- chave substituta da localidade;
- localizacao;
- indicador de trabalho remoto.
Fato¶
gold.fato_mercado_ia¶
Tabela voltada para analise das oportunidades do mercado de IA.
Possiveis medidas:
- salario em dolares;
- quantidade de registros;
- quantidade de oportunidades por cargo;
- quantidade de oportunidades por industria;
- quantidade de oportunidades remotas.
Possiveis chaves:
- cargo;
- empresa;
- localidade.
Granularidade¶
A granularidade recomendada para a fato e uma linha por registro original da base ai_job_market_insights.csv, preservando o campo id_linha como referencia tecnica.
Beneficio da Modelagem¶
Separar dimensoes e fatos facilita consultas analiticas, reduz repeticao de atributos e aproxima a camada Gold de um modelo preparado para BI, dashboards e indicadores.