Banco de dados analíticas como data warehouse permitem consultas a informações agregadas e sumarizadas, sendo voltadas para as necessidades do negócio e tomadas de decisão. Tais bancos são construídos a partir de modelos multidimensionais, representados por modelos conceituais como o de Entidade- Relacionamento e facilmente mapeado para um modelo de implementação, como o Relacional, com bom desempenho para as operações de consulta. Por outro lado, as atuais necessidades demandam por maior velocidade de processamento com enormes e cada vez maiores volumes de dados. Neste contexto, sistemas distribuídos de persistência de dados como banco de dados NoSQL e ferramentas de Big Data são alternativas importantes para desenvolvimento de bases analíticas. Entretanto, ainda é um desafio encontrar uma forma de mapeamento de modelos multidimensionais que se adeque a diferentes tipos de NoSQL e outros sistemas de persistência não relacional e que seja flexível para atender a diferentes tipos ou necessidades de negócio. Desta forma, essa pesquisa propõe a Startable, uma forma de mapeamento para NoSQL orientado a documentos, NoSQL orientado a colunas, e para um sistema de Big Data, que apresenta desempenho aceitável de leitura e que pode ser adotado por diferentes aplicações analíticas com diferentes necessidades de negócio. Para validar a proposta, utilizou-se um benchmark padrão, cujos testes de desempenho mostraram resultados superiores quando comparados com tradicionais implementações de sistemas analíticos com base em modelo multidimensional.

Analytical databases such as data warehouses allow queries of aggregated and summarised information focused on business needs and decision-making. Such databases are built from multidimensional models, represented by conceptual models such as Entity-Relationship and easily mapped to an implementation model, such as Relational, with good performance for query operations. On the other hand, current needs demand greater processing speed with huge and ever-increasing volumes of data. In this context, distributed data persistence systems such as NoSQL Databases and Big Data tools are essential alternatives for developing analytical bases. However, it is still a challenge to find a way to map multidimensional models that suit different types of NoSQL and other non-relational persistence systems and are flexible to meet various business needs. Thus, this research proposes Startable, a form of mapping for document-oriented NoSQL, column-oriented NoSQL, and a Big Data system, which presents acceptable reading performance and can be adopted by different analytical applications with varying needs of business. A standard benchmark was used to validate the proposal, whose performance tests showed superior results compared to traditional implementations of analytical systems based on a multidimensional model.