AlfaCon--banco-de-dados

Prévia do material em texto

Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
1 
Sumário 
Banco de Dados................................................................ 2 
Introdução ........................................................................ 2 
Banco de Dados................................................................ 2 
Modelos de Dados ....................................................... 2 
Arquiteturas de Banco de Dados ................................. 3 
Sistemas Centralizados ............................................ 3 
Local ......................................................................... 3 
Cliente/Servidor ....................................................... 3 
Distribuídos .............................................................. 3 
Paralelos ................................................................... 4 
Arquitetura de Três-Esquemas .................................... 4 
Independência de Dados ......................................... 4 
Propriedades das Transações em Bancos de Dados .... 4 
Sistema Gerenciador de Banco de Dados (SGBD) ............ 5 
Características de um SGBD ......................................... 5 
Linguagens dos SGBDs ................................................. 6 
Interfaces do SGBD ...................................................... 6 
Arquiteturas de Banco de Dados ..................................... 7 
Exercícios .......................................................................... 8 
Gabarito ....................................................................... 8 
Conceitos Banco de Dados ............................................... 8 
Esquema ....................................................................... 8 
Instância ....................................................................... 8 
Entidade ....................................................................... 8 
Relacionamento ........................................................... 8 
Atributos ...................................................................... 9 
Tupla............................................................................. 9 
Chaves .......................................................................... 9 
Dependências Funcionais............................................. 9 
Modelagem dos dados ................................................. 9 
Modelo Conceitual (DER) ....................................... 10 
Modelo Lógico (Esquema do BD) ........................... 10 
Modelo Físico (Script do BD em SQL) ..................... 10 
Etapas da Modelagem do BD ................................. 11 
Exercícios ........................................................................ 11 
Gabarito ..................................................................... 12 
Banco de Dados Relacional ............................................ 12 
Modelo Entidade Relacionamento ............................ 12 
DER............................................................................. 13 
Notação CrowsFoot ................................................... 14 
Grau do Relacionamento ........................................... 15 
SQL ............................................................................. 15 
Normalização ................................................................. 16 
Álgebra Relacional ......................................................... 16 
Exercícios ....................................................................... 16 
Gabarito ..................................................................... 16 
Data Mining ................................................................... 16 
Descoberta de Conhecimento ................................... 17 
Exercícios ....................................................................... 18 
Gabarito ..................................................................... 19 
Data warehouse ............................................................. 19 
Características dos armazéns de dados ..................... 19 
Exercícios ....................................................................... 20 
Gabarito ..................................................................... 20 
BIG DATA ....................................................................... 20 
O que é? ..................................................................... 20 
5 Vs ................................................................................ 21 
1. Volume ................................................................... 21 
2. Velocidade ............................................................. 21 
3. Variedade ............................................................... 21 
4. Veracidade ............................................................. 22 
5. Valor ....................................................................... 22 
Como se diferencia o Big Data da Mineração de 
Dados? ....................................................................... 22 
Mais segurança na tomada de decisões ................ 22 
Maior eficiência operacional ................................. 22 
Melhor gestão financeira ....................................... 22 
Maior controle logístico e produtivo ..................... 23 
Qualificação e controle de storage e warehouse .. 23 
Questão comentada ...................................................... 23 
Exercícios ....................................................................... 23 
Gabarito ..................................................................... 25 
Bibliografia ..................................................................... 25 
 
 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
2 
BANCO DE DADOS 
INTRODUÇÃO 
Os primeiros métodos de armazenamento 
de dados utilizavam sistemas de arquivos, ou seja, 
estruturas de pastas e arquivos em que os 
programas (aplicativos) tinham a 
responsabilidade de operar. 
Contudo tal forma de acesso começou a 
apresentar-se ineficiente diante da necessidade 
de compartilhamento junto ao aumento da 
demanda por acesso aos mesmos arquivos. 
Com isso se fez necessária à utilização de 
ferramentas de controle e gerenciamento dos 
dados, assim surgiram os Sistemas Gerenciadores 
de Banco de Dados (SGBDs). 
Hoje existem diferentes SGBDs dentre eles 
se destacam: Access, Oracle, MS SQL Server, 
MySQL, PostgreSQL, Firebird, Db4o e DB2. Com as 
pesquisas várias formas foram desenvolvidas 
para representar e armazenar os dados, com o 
intuito de obter melhor desempenho, essas 
formas de representação são chamadas de 
Modelos de Dados. 
BANCO DE DADOS 
Um banco de dados é um conjunto de dados 
que podem ser relacionados e que representam 
características do mundo real com associação 
lógica e coerente. 
Cayres (2015) define Banco de dados como: 
“coleção de dados relacionados que podem ser 
inseridos, atualizados, e recuperados e que 
possuem um significado implícito”. 
Para Caiut (2015) um Banco de dados é: “um 
conjunto de dados relacionados, representando 
um pedaço ou interpretação do mundo real, que 
possui uma estrutura lógica com significado 
inerente e comumente possui uma finalidade e 
usuários específicos”. 
Um BD utópico é uma base de dados 
universal que armazena todo tipo de dado e 
relação que possa ter. 
Outros conceitos importantes são os 
conceitos de Dados e Informações. 
Dados são fatos brutos, em sua forma 
primária. E muitas vezes os dados podem não 
fazer sentido sozinhos. 
Dados são fatos que podem ser 
armazenados. Exemplo: cor dos olhos, idade, sexo 
etc. 
Informações consiste no agrupamento de 
dados de forma organizada para fazer sentido, 
gerar conhecimento. A informação é obtida pela 
realidade observada sobre os dados. Exemplo: 
quantidade de pessoas com cor dos olhos 
castanho, a médiade idade das pessoas do sexo 
masculino. 
 Um Banco de dados se diferencia de uma 
estrutura de arquivos por oferecer: 
➢ Natureza auto descritiva do sistema de 
banco de dados. 
➢ Isolamento entre os programas e os 
dados, e a abstração de dados; 
➢ Suporte para as múltiplas visões de 
dados. 
➢ Compartilhamento de dados e 
processamento de transações.de 
multiusuários. 
MODELOS DE DADOS 
Um modelo de dados é uma forma de 
representar a estrutura de como os dados são 
armazenados, ou seja, como se dá a ligação entre 
eles. 
Os principais modelos de dados são: 
➢ Hierárquico: neste modelo os dados são 
organizados similarmente a organização 
de pastas do computador, pois foi a 
primeira construção de uma base de 
dados em substituição ao sistema de 
arquivos, por isso a semelhança. Assim 
neste quando um dado esta ligado ao 
outro significa que se trata de uma 
informação associada a ele. Pode-se dizer 
que este modelo trabalha com a forma de 
uma árvore. Também é característica do 
modelo de que cada registro é uma 
coleção de atributos, sendo que cada um 
contém apenas um valor; 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
3 
➢ Em Redes: o modelo de rede é 
constituído de vários registros 
conectados uns aos outros por meio de 
ligações (ponteiros). As ligações 
consistem em relações entre os registros, 
esse modelo oferece maior segurança do 
que o modelo hierárquico uma vez que o 
acesso não passa por um nó raiz. 
➢ Relacional: também chamado de MR esse 
é o modelo atualmente mais utilizado. Ele 
oferece maior independência entre os 
dados, o modelo é baseado em tabelas ao 
contrário dos modelos anteriormente 
citados que se baseiam nos registros. Sua 
teoria baseia-se na teoria dos conjuntos e 
álgebra relacional, tanto para armazenar 
como recuperar os dados. 
➢ Orientado a Objetos: são bancos criados 
baseados no modo de programação 
orientada a objetos, em que são criadas 
classes que descrevem o objeto, ou seja, 
uma classe é um conjunto de informações, 
características, relações, ações e atributos 
que definem o objeto. Apesar da grande 
praticidade esse modelo deixa algumas 
incógnitas que favorecem ao emprego e 
uso do modelo relacional. 
ARQUITETURAS DE BANCO DE 
DADOS 
A arquitetura de um banco de dados 
depende da arquitetura computacional usada, se 
baseada em mainframes, modelo cliente/servidor 
ou paralela. 
O sistema pode ainda ser dividido em duas 
categorias principais: 
➢ Front-end: (interface de usuário) uma 
interface gráfica familiar mais 
simplificada para o usuário como 
formulários, tabelas, geradores de 
relatórios, por uso de linguagens de 
consulta SQL. 
➢ Back-end: (servidor) responsável por 
interpretar a linguagem SQL e executar a 
consulta, bem como gerenciar o acesso e 
controle de recuperação e execução 
simultânea (concorrência). 
Deve-se avaliar o desempenho do sistema de 
banco de dados por meio de: 
➢ Throughput: que descreve a quantidade 
de tarefas por período de tempo; 
➢ Tempo de resposta: ou tempo de 
execução de cada tarefa. 
Os principais sistemas são descritos a seguir. 
SISTEMAS CENTRALIZADOS 
Baseada no uso de mainframes, o que gera 
custo elevado para a manutenção do 
supercomputador. Nesse modelo o mainframe 
concentra os dados que são acessados pelos 
terminais. 
LOCAL 
O modelo local é empregado no próprio 
computador de uso pessoal. Geralmente é usado 
para aplicações que funcionam isoladamente de 
modo que o PC funciona como hospedeiro do 
banco como terminal de acesso. Esse modelo é 
mais simples, pois isenta-se da necessidade de 
sincronização e controle de acesso simultâneo. 
CLIENTE/SERVIDOR 
Formato popularmente usado e que usa 
amplamente o formato front-end e back-end. 
Apresenta a necessidade de confirmações de 
gravação após a realização correta das ações 
(commit), possibilidade de retroceder em caso de 
erros (rollback), funções de consulta (store 
procedures) e execução automatizada de tarefas 
de acordo com gatilhos (triggers). Neste modelo 
ao invés de terminais usa-se como clientes os 
computadores pessoais. 
DISTRIBUÍDOS 
As informações (banco de dados) são 
armazenadas em computadores diferentes que 
interagem por meio da rede. A exemplo de sites 
que quando um servidor apresenta problema 
demais mantem-se em funcionamento, até mesmo 
podendo substituir o servidor com problema 
(nesse caso necessita-se da replicação dos dados). 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
4 
A desvantagem desse formato é a dificuldade em 
desenvolver e sistemas que mantenham a simetria 
e precisão das informações. 
PARALELOS 
Os sistemas paralelos são usados em 
limitadas situações, pois é necessário que o 
conjunto de dados possa ser dividido em partes 
para que sejam processadas simultaneamente por 
computadores diferentes, ou seja, cada 
computador executa uma parte da informação. 
Nesse método pode haver compartilhamento da 
memória ou disco ou mesmo sem realizar o 
compartilhamento do hardware. 
ARQUITETURA DE TRÊS-ESQUEMAS 
arquitetura dos três-esquemas, conforme 
Figura 1, é empregada, ela apresenta 3 níveis: 
Interno, Conceitual e Externo. 
O nível interno descreve como os dados 
estão armazenados fisicamente no banco de 
dados, assim utiliza o modelo físico de descrição 
que é bastante detalhado. 
O nível conceitual neste nível utiliza-se o 
modelo conceitual, nesse cenário o objetivo são 
as descrições de forma mais próximas ao 
entendimento dos usuários, por isso ele se 
concentra em descrever as entidades, tipos de 
dados, conexões (relações), operações de usuários 
e restrições. 
já o nível externo se preocupa com a parte 
que cada usuário precisa, ou tem a necessidade, de 
ver, ocultando deste o resto das informações 
(dados) que não precisa ou que não deve acessar. 
Neste nível temos as Views (visões) de um banco 
de dados. 
 
Figura 1: A arquitetura de três-esquemas [1] 
INDEPENDÊNCIA DE DADOS 
➢ Independência de dados lógica: “é a 
capacidade de alterar o esquema 
conceitual sem mudar o esquema externo 
ou os programas” [2]. 
➢ Independência física de dados: “é a 
capacidade de mudar o esquema interno 
sem ter de alterar o esquema conceitual” 
[2]. 
PROPRIEDADES DAS TRANSAÇÕES 
EM BANCOS DE DADOS 
Existem algumas propriedades que 
garantem que transações em um Banco de Dados 
são processadas de forma correta; portanto, 
garantindo a confiabilidade: 
➢ Atomicidade: indivisível (todas as 
operações são executadas ou nada 
acontece); 
➢ Consistência: transações não podem 
quebrar as regras do BD (manter 
consistência); 
➢ Isolamento: transações simultâneas não 
sofrem interferências umas das outras; 
➢ Durabilidade: efeitos de uma transação 
de sucesso são persistidos no BD (mesmo 
em presença de falhas). 
mecanismos para controlar transações no 
banco de dados. No exemplo a seguir veremos 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
5 
como os comandos COMMIT e ROLLBACK são 
utilizados. 
Exemplo: transferir R$ 500,00 da conta 
corrente para conta poupança. Durante a 
transferência, expirou bloqueio ou o servidor 
desligou. 
Etapas: 
1. Inicia 
2. Invoca instruções SQL 
3. Se algo errado, ROLLBACK (desfaz os 
comandos, abortando a operação como um todo). 
Se não, COMMIT (efetiva a transação – 
operações executadas no banco de dados). 
Veja a imagem a seguir que ilustra como a 
transação do exemplo acima é implementada com 
comandos SQL. 
 
SISTEMA GERENCIADOR DE 
BANCO DE DADOS (SGBD) 
Um SGBD é um conjunto de programas que 
possibilita ao usuário manipular e gerenciar uma 
base de dados, ou seja, uma coleção de dados que 
estão relacionados entre si. 
Um SGBD pode ser definido como “um pacote de 
software, um sistema de finalidade genérica para 
gerenciaros Bancos de Dados” (Caiut, 2015) 
Em via de regra um SGBD deve permitir 
definir um banco de dados, construir o banco e 
manipular as informações. 
Um Sistema de Gerenciamento de banco de 
dados (SGBD) é um software que incorpora e 
facilita as funções de definição, recuperação 
e alteração de dados em um Banco de Dados. 
“Tem a função de proteção (contra falhas de 
hardware e software) e de segurança (acessos não 
autorizados ou maliciosos) dos dados nele 
armazenados, ao mesmo tempo em que permite o 
compartilhamento desses dados entre vários 
usuários e aplicações” (Cayres, 2015). 
Organização Lógica do Banco de Dados (instâncias) 
SGBD 
Camada Física de armazenamento dos dados (discos, 
storage, métodos de acesso, clustering de dados etc.) 
 
Exemplos: PostgreSQL, MySQL, OracleDB, 
MS SQLServer, MS Access, FireBird, etc. 
CARACTERÍSTICAS DE UM SGBD 
Controle de Redundância: um SGBD deve 
ser capaz de gerenciar os arquivos de modo a 
evitar a duplicação de dados que leva a 
desperdício de espaço de armazenamento como 
também a possível inconsistência uma vez que 
apenas um dos arquivos possa ser alterado 
enquanto o outro não. 
Compartilhamento de Dados: também é 
responsabilidade do gerenciador controla o 
acesso simultâneo aos dados de modo que as 
alterações sejam devidamente salvas sem que haja 
duplicidade. Normalmente um arquivo pode ser 
lido por vários usuários ao mesmo tempo, porém 
somente um pode salvar por vez. 
Restrições de Acesso Multiusuário: os 
SGBDs devem ter a capacidade de controlar o 
acesso de forma hierárquica aos dados, de modo 
que impeça o acesso por pessoas sem a devida 
autorização. 
Fornecimentos de Múltiplas Interfaces: 
os programas atendem as necessidades dos 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
6 
usuários, logo alguns precisam de interfaces mais 
simples como a de um formulário, outros tem 
conhecimento mais aprofundado e desenvolvem 
programas, como também oferecem interfaces 
para consultas diretas. 
Representação de Relacionamento 
Complexo entre os Dados: as bases de dados 
muitas vezes possuem sentido por meio de seus 
inter-relacionamento de dados, logo os SGBDs 
devem oferecem estruturas que permitam 
organizar os dados relacionando-os da maneira 
mais eficiente. 
Reforçar Restrições de Integridade: a 
integridade preza por manter os dados fidedignos 
as suas definições, como definir um atributo do 
tipo numérico, nesse caso o SGBD deve viabilizar 
a restrição para não possa ser inserido um texto 
nesse campo. 
Fazer Backup e Restauração: é comum a 
ocorrência de falhas nos processos de 
comunicação e armazenamento, logo as 
ferramentas devem oferecem o mínimo de 
recursos para regredir ao último estado estável 
dos dados. 
LINGUAGENS DOS SGBDS 
A linguagem SQL é uma só, porém ela é 
dividida em tipos de acordo com a funcionalidade 
dos comandos. Os tipos da linguagem SQL são: 
➢ DDL - Data Definition Language - 
Linguagem de Definição de Dados. São os 
comandos que interagem com os objetos 
do banco. 
➢ São comandos DDL: CREATE, ALTER e 
DROP 
➢ DML - Data Manipulation Language - 
Linguagem de Manipulação de Dados. 
São os comandos que interagem com os 
dados dentro das tabelas. 
➢ São comandos DML: INSERT, DELETE e 
UPDATE 
➢ DQL - Data Query Language - Linguagem 
de Consulta de dados. São os comandos 
de consulta. 
➢ São comandos DQL: SELECT (é o comando 
de consulta) 
Aqui cabe um parêntese. Em algumas 
bibliografias o SELECT fica na DML em outros tem 
esse grupo próprio. 
• DTL - Data Transaction Language - 
Linguagem de Transação de Dados. São os 
comandos para controle de transação. 
o São comandos DTL: BEGIN 
TRANSACTION, COMMIT E 
ROLLBACK 
• DCL - Data Control Language - Linguagem 
de Controle de Dados. São os comandos 
para controlar a parte de segurança do 
banco de dados. 
o São comandos DCL: GRANT, 
REVOKE E DENY. 
• SDL Linguagem de Definição de 
Armazenamento (storage) é usada para 
especificar o esquema interno. 
• VDL Linguagem de Definição de Visões, 
embora na maioria dos SGBDs a linguagem 
DDL acaba sendo usada para definir o 
conceitual e o externo; 
INTERFACES DO SGBD 
➢ Baseadas em Menus para os Clientes Web 
ou Navegação: uso de menus de seleção 
de opções, com isso o usuário isenta-se de 
conhecer comandos específicos de 
consulta; 
➢ Baseadas em Formulários: utilização de 
formulários a serem preenchidos pelo 
usuário de modo que o SGBD complete os 
campos ou dados faltantes, para a 
pesquisa; 
➢ Gráficas para Usuários: apresenta 
diagramas para usuário realizar a busca; 
➢ Linguagem Natural: uso de expressões 
idiomáticas para realizar a pesquisa no 
banco de dados; 
➢ Usuários Parametrizáveis: utilizado em 
ambientes limitados, em que o usuário se 
utiliza de poucos comandos com 
frequência para realizar pesquisa no 
banco de dados, como fixar comandos de 
pesquisa a combinações de atalhos de 
teclado; 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
7 
➢ Para o DBA: é a interface de uso específico 
para a criação e gerenciamento de um 
banco de dados. 
ARQUITETURAS DE BANCO DE 
DADOS 
A arquitetura de um banco de dados 
depende da arquitetura computacional usada, se 
baseada em mainframes, modelo cliente/servidor 
ou paralela. 
O sistema pode ainda ser dividido em duas 
categorias principais: 
➢ Front-end: (interface de usuário) uma 
interface gráfica familiar mais 
simplificada para o usuário como 
formulários, tabelas, geradores de 
relatórios, por uso de linguagens de 
consulta SQL. 
➢ Back-end: (servidor) responsável por 
interpretar a linguagem SQL e executar a 
consulta, bem como gerenciar o acesso e 
controle de recuperação e execução 
simultânea (concorrência). 
➢ Deve-se avaliar o desempenho do sistema 
de banco de dados por meio de: 
➢ Throughput: que descreve a quantidade 
de tarefas por período de tempo; 
➢ Tempo de resposta: ou tempo de 
execução de cada tarefa. 
Os principais sistemas são descritos a seguir. 
1.1 Sistemas Centralizados 
Baseada no uso de mainframes, o que gera 
custo elevado para a manutenção do 
supercomputador. Nesse modelo o mainframe 
concentra os dados que são acessados pelos 
terminais. 
Vantagens: 
➢ Um único host fornece alto grau de 
segurança, concorrência e controle de 
cópias de segurança e recuperação. 
➢ Não há necessidade de um diretório 
distribuído, já que todos os dados estão 
localizados em um único host. 
➢ Não existe a necessidade de junções 
distribuídas, já que todos os dados estão 
em um único host. 
Desvantagens: 
➢ Todos os acessos aos dados realizados 
por outro que não seja o host onde o 
banco de dados está, gera alto custo de 
comunicação. 
➢ O host em que o banco de dados está 
localizado pode criar um “gargalo”, 
dependendo da quantidade de acessos 
simultâneos. 
➢ Podem acontecer problemas de 
disponibilidade dos dados, se o host onde 
os dados estão armazenados sair do ar. 
 
1.2 Local 
O modelo local é empregado no próprio 
computador de uso pessoal. Geralmente é usado 
para aplicações que funcionam isoladamente de 
modo que o PC funciona como hospedeiro do 
banco como terminal de acesso. Esse modelo é 
mais simples, pois isenta-se da necessidade de 
sincronização e controle de acesso simultâneo. 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
8 
1.3 Cliente/Servidor 
Formato popularmente usado e que usa 
amplamente o formato front-end e back-end. 
Apresenta a necessidade de confirmações de 
gravação após a realização correta das ações 
(commit), possibilidade de retroceder em caso de 
erros (rollback), funções de consulta (store 
procedures) e execução automatizada de tarefas 
de acordo com gatilhos (triggers). Neste modelo 
ao invés de terminais usa-se como clientes os 
computadores pessoais. 
1.4Distribuídos 
As informações (banco de dados) são 
armazenadas em computadores diferentes que 
interagem por meio da rede. A exemplo de sites 
que quando um servidor apresenta problema 
demais mantem-se em funcionamento, até mesmo 
podendo substituir o servidor com problema 
(nesse caso necessita-se da replicação dos dados). 
A desvantagem desse formato é a dificuldade em 
desenvolver e sistemas que mantenham a simetria 
e precisão das informações. 
 
 
1.5 Paralelos 
Os sistemas paralelos são usados em 
limitadas situações, pois é necessário que o 
conjunto de dados possa ser dividido em partes 
para que sejam processadas simultaneamente por 
computadores diferentes, ou seja, cada 
computador executa uma parte da informação. 
Nesse método pode haver compartilhamento da 
memória ou disco ou mesmo sem realizar o 
compartilhamento do hardware. 
 
EXERCÍCIOS 
1) Quanto aos níveis de abstração de bancos de 
dados, é correto afirmar que: 
(A) no nível lógico os usuários do computador 
vêem um conjunto de programas de aplicação 
que ocultam detalhes dos tipos de dados. 
(B) no nível view os usuários do computador vêem 
um conjunto de programas de aplicação e os 
detalhes dos tipos de dados. 
(C) no nível lógico, não há descrição de cada tipo de 
registro. 
(D) no nível view, cada tipo de registro é descrito 
por um tipo de informação, como um segmento 
de código anterior e a relação desses tipos de 
registro também é definida. 
(E) no nível view os usuários do computador vêem 
um conjunto de programas de aplicação que 
ocultam detalhes dos tipos de dados. 
GABARITO 
1) E. 
CONCEITOS BANCO DE DADOS 
Nesta seção vamos conhecer os termos 
usados em bancos de dados e alguns conceitos de 
projeto. 
ESQUEMA 
Um esquema é o projeto do banco de dados, 
composto por suas entidades e relacionamentos, 
indicando a organização dos dados, um esquema 
consiste na descrição de um banco de dados. 
INSTÂNCIA 
É um esquema populado com dados visto em 
determinado instante. 
ENTIDADE 
Também muito citada como tabela é uma 
estrutura composta por colunas chamadas 
atributos, e linhas chamadas tuplas. Ela é a 
representação de uma variedade de objetos com 
suas caraterísticas. 
RELACIONAMENTO 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
9 
É uma associação entre entidades que 
aponta sua interligação, exemplo: uma pessoa 
trabalha em um departamento, são entidades 
departamento e pessoa, a definição trabalha em 
é um relacionamento entre as entidades. 
Grau de relacionamento é o número de 
entidades que participam do relacionamento. 
ATRIBUTOS 
Os atributos são os dados armazenados 
acerca de uma informação e que são definidos com 
domínios específicos, ou seja, os atributos são 
definidos com uma descrição (o que ele armazena) 
e com o domínio (tipo de informação: valor 
inteiro, real, texto, palavra, caractere, booleano - 
aqui citados a fim de entendimento na aplicação 
prática recebem outros nomes). 
Os atributos podem ser classificados em: 
Simples ou compostos: Os atributos 
simples são aqueles que são únicos e não possuem 
subdivisão. Já os compostos podem ser divididos 
como, endereço, pode ser estruturado em 
logradouro, número, bairro, CEP e complemento. 
Monovalorados ou multivalorados: Um 
exemplo de um atributo monovalorado poderia 
ser o atributo CPF, o qual teria associado apenas 
um número de CPF. Pode acontecer, no entanto, 
que uma determinada instância possua um 
conjunto de valores para uma única entidade. Por 
exemplo, o atributo filho, da entidade pessoa, que 
pode ter um, nenhum ou vários filhos cadastrados. 
Nulo: um atributo é nulo quando pode ser 
vazio, como o nome do filho caso a pessoa não 
possua filhos, ao contrário do campo CPF que por 
ser chave jamais poderá ser nulo. 
Derivado: ou calculado, é o atributo que 
pode ser obtido por intermédio de consultas como 
a idade de uma pessoa, que por decisões de 
projeto pode vir a ser guardada, sendo que 
poderia ser calculada com base na data de 
nascimento. 
Ao definir um relacionamento entre duas 
entidades é necessário definir qual é essa relação 
bem como a sua cardinalidade. A cardinalidade 
define se uma entidade pode ter apenas uma 
instancia de outra entidade atrelada a ela (um pra 
um) ou se ela pode ter várias instâncias (um pra 
muitos), também é possível que várias instâncias 
de uma entidade sejam relacionadas com uma 
instância de outra entidade, que por sua vez pode 
ser ligada a várias outras instâncias da primeira 
entidade (muitos pra muitos). 
Exemplos: 
Um pra muitos: um departamento de uma 
empresa pode ter vários empregados, mas um 
empregado só pode estar em um departamento da 
empresa. 
Muitos pra muitos: podemos pegar o exemplo similar ao 
anterior, mas dessa vez um empregado pode trabalhar 
em dois departamentos diferentes ao mesmo tempo. 
TUPLA 
Uma tupla é uma linha de uma tabela, ou 
seja, são os dados de uma instância de uma 
entidade que possui atributos. 
CHAVES 
Uma chave é um valor usado para 
identificar/selecionar uma tupla dentre as 
demais. 
DEPENDÊNCIAS FUNCIONAIS 
Notação: 
X → Y 
Significa que há um atributo X que leva 
diretamente para um atributo Y. Deste modo, 
podemos identificar X como uma chave candidata. 
Regras [2] : 
➢ IR1 (Regra Reflexiva): Se X  Y, então X→ 
Y. 
➢ IR2 (Regra aumentativa): {X→Y} |= XZ→ 
YZ. 
➢ IR3 (Regra transitiva): {X→ Y, Y → Z} |= 
X→Z. 
➢ IR4 (Regra de decomposição ou 
projetiva): {X→ YZ} |= X→ Y. 
➢ IR5 (Regra de união ou aditiva): {X→ Y, 
X→ Z} |= X→ YZ. 
➢ IR6 (Regra pseudotransitiva): {X → Y, WY 
→ Z} |= WX → Z. 
MODELAGEM DOS DADOS 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
10 
Um modelo de dados é forma mais visual de 
se compreender a organização e vinculação dos 
dados armazenados em um banco de dados, 
chamado na área como modelo de abstração. 
Na informática são amplamente utilizados 
os termos Alto Nível e Baixo Nível, em que Alto 
Nível relaciona ao entendimento da estrutura de 
modo mais visual e não muito concreto, enquanto 
baixo nível descreve como a coisa é realmente, 
como é definida e feita. À exemplo, a maioria das 
linguagens de programação são conhecidas como 
sendo de alto nível, mas quando se usa Assembly, 
que é uma linguagem de máquina cita-se uma 
linguagem mais próxima a representação que o 
computador efetivamente entende, mas que não é 
tão trivial para nós humanos. Já quando citamos os 
bits estamos falando do mais baixo nível na 
informática, pois se trata daquilo que é 
intimamente ligado ao hardware. 
Logo na descrição de modelos de dados há 
aqueles de mais alto nível, ou seja, mais próximos 
ao nosso entendimento e aqueles de baixo nível 
que descrevem efetivamente a estrutura da base 
de dados. 
Um esquema de alto nível é importante para 
conhecer os dados armazenados e suas relações, 
sem efetivamente ver os dados. De modo geral são 
definidos três níveis de abstração: 
Modelo Físico: é o nível de menor abstração 
ele descreve como os dados estão efetivamente 
armazenados. Composto principalmente pelo 
Script do BD em SQL, em alguns casos ser 
representado pelo Modelo Relacional, caso o 
SGBD consiga gerar o script a partir desta 
estrutura. 
Modelo Lógico: este é o nível intermediário, 
ele descreve quais são os dados armazenados e 
seus relacionamentos um com o outro. Nesse 
modelo são tomadas as decisões de projeto como 
o que pôr e onde por. De um modo é o Esquema 
geral do banco, tradicionalmente representado 
pelo seu Modelo Relacional (MR). 
Modelo Conceitual: é o passo inicial no 
projeto de um banco de dados, no qual são 
definidas as organizações dos dados antes mesmo 
de defini-los detalhadamente. Esse é o nível de 
maior abstração. Normalmente representado pelo 
Diagrama Entidade Relacionamento (DER) 
MODELO CONCEITUAL (DER) 
Tambémconhecido como Diagrama 
Entidade-Relacionamento, é um modelo de dados 
abstrato que descreve a estrutura de um banco de 
dados independe de sua implementação; 
 
MODELO LÓGICO (ESQUEMA DO BD) 
Tem como objetivo transformar o modelo 
conceitual em um modelo que define como o 
banco de dados será implementado em um SGBD 
específico. Deve representar relações e restrições 
do modelo de dados que representa a estrutura de 
um BD e o Esquema do Banco de Dados; 
 
MODELO FÍSICO (SCRIPT DO BD EM SQL) 
Nessa fase, o modelo do banco de dados é 
enriquecido com detalhes que influenciam no 
desempenho do banco de dados, mas não 
interferem na sua funcionalidade. Script do banco 
de dados em SQL representa os detalhes dos 
dados internamente ao BD (campo, tipo/domínio, 
restrições). 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
11 
 
ETAPAS DA MODELAGEM DO BD 
 
 
PRIMEIRA ETAPA – ANÁLISE DE 
REQUISITOS 
Levantamento/Estudo de Viabilidade: 
➢ Identificar usuários responsáveis e 
definir escopo. 
➢ Identificar as deficiências no sistema 
atual (justificativa). 
➢ Estabelecer metas e objetivos para o novo 
sistema. 
➢ Determinar se é possível “informatizar” 
(viabilidade). 
➢ Fazer estimativas (cálculo de 
Custo/Benefício). 
➢ Preparar um cronograma. 
SEGUNDA ETAPA – ANÁLISE E PROJETO 
Projeto do BD 
➢ Modelo Conceitual (DER). 
➢ Modelo Lógico (Esquema do 
BD/Relações). 
➢ Modelo Físico (Script do BD/Tabelas-
Restrições 
EXERCÍCIOS 
1) Um sistema de banco de dados é uma coleção 
de dados que estão inter-relacionados e 
também de um conjunto de programas que 
tem como função a permissão aos usuários 
para acessar e modificar tais dados. Um dos 
modelos de dados, o relacional, tem como base 
uma coleção de tabelas. Acerca do modelo 
relacional, é correto afirmar que “______________ 
de uma relação refere-se ao seu projeto lógico; 
e, ______________ da relação refere-se ao seu 
conteúdo em um ponto no tempo”. Assinale a 
alternativa que complementa correta e 
sequencialmente a afirmativa anterior. 
(A) esquema / instância 
(B) integridade / esquema 
(C) instância / atomicidade 
(D) atomicidade / integridade 
2) Um banco de dados é uma ferramenta para a 
coleta e a organização de informações. Os 
bancos de dados podem armazenar 
informações sobre pessoas, produtos, pedidos 
ou qualquer outro aspecto. Vários bancos de 
dados começam como uma lista em um 
programa de processamento de texto ou em 
uma planilha. São partes de um banco de dados 
típico: tabelas, formulários, relatórios, 
consultas, macros e módulos. Quanto às 
tabelas, considere as afirmativas seguintes. 
I. Uma tabela de banco de dados tem uma 
aparência semelhante à de uma planilha, já que os 
dados são armazenados em linhas e colunas. Como 
resultado, normalmente é bem fácil importar uma 
planilha para uma tabela de banco de dados. A 
principal diferença entre armazenar seus dados 
em uma planilha e armazená-los em um banco de 
dados é a forma como os dados são organizados. 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
12 
II. Para obter o máximo de flexibilidade de 
um banco de dados, os dados precisam estar 
organizados em tabelas para que não ocorram 
redundâncias. Por exemplo, se você estiver 
armazenando informações sobre funcionários do 
CRO-PR, cada funcionário só precisará ser 
inserido uma vez em uma tabela configurada 
somente para armazenar dados desses 
funcionários. Os dados sobre produtos serão 
armazenados em sua própria tabela, e os dados 
sobre filiais serão armazenados em outra tabela. 
III. Cada linha de uma tabela é conhecida 
como registro. Os registros são o local onde as 
informações individuais são armazenadas. Cada 
registro consiste em um ou mais campos. Os 
campos correspondem às colunas da tabela. Por 
exemplo, você poderia ter uma tabela chamada 
"Funcionários", onde cada registro (linha) contém 
informações sobre um funcionário diferente, e 
cada campo (coluna) contém um tipo de 
informação diferente, como nome, sobrenome, 
endereço e assim por diante. Os campos devem ser 
designados como um determinado tipo de dados, 
seja ele texto, data ou hora, número ou outro tipo. 
Pode-se afirmar que: 
(A) somente I está correta. 
(B) somente II está correta. 
(C) somente III está correta. 
(D) há apenas duas afirmativas corretas. 
(E) todas estão corretas. 
GABARITO 
1) A. 
2) E. 
 
BANCO DE DADOS RELACIONAL 
Um banco de dados relacional é descrito por 
tabelas conhecidas como entidades, que 
armazenam dados com várias características 
chamadas atributos, dispostas em colunas. O 
conjunto de atributos de um dado em uma tabela 
é chamado de tupla, que pode ser entendido como 
uma linha de uma tabela. 
MODELO ENTIDADE 
RELACIONAMENTO 
Também conhecido como MER, é a forma 
mais abstrata de compreender os dados de um 
banco de dados, é usado etapa inicial da descrição 
de um banco de dados. 
Esse modelo apresenta basicamente as 
entidades, que são definições de estruturas 
independentes como pessoa, carro, empregado. 
Cada entidade possui atributos, ou seja, 
características que o definem, por exemplo, a 
entidade pessoa contém dados do tipo nome, RG, 
CPF, nascimento, idade, endereço. A essa coleção 
de dados de cada pessoa dá-se o nome de tupla. 
A priori em uma construção de um banco de 
dados consistente deve utilizar atributos 
atômicos, ou seja, que não possam ser divididos. O 
atributo endereço pode ser divido em logradouro, 
número, bairro, CEP e complemento, logo 
endereço não é atômico, já o atributo número de 
um endereço é, assim como, o CPF. 
No caso do CPF ainda pode-se notar uma 
outra característica da descrição de atributos de 
uma entidade, uma vez que o número de CPF de 
uma pessoa é único essa informação pode ser 
utilizada para identificar esse dado (pessoa) no 
conjunto de dados armazenados, logo CPF é o que 
se chama de chave candidata, que passa a ser 
uma chave primária a partir do momento em que 
efetivamente é definida para identificar a tupla de 
uma entidade. 
Exemplo: 
Uf(UF_Código, UF_Sigla, UF_Nome) 
Cidade(Cdd_Codigo, UF_Codigo, Cdd_Nome, 
Cdd_DDD) 
PssFisica(PssFsc_Codigo, PssFsc_Nome, 
PssFsc_CPF, PssFsc_RG, PssFsc_Rua, 
PssFsc_Numero, PssFsc_Bairro, 
PssFsc_Complemento, PssFsc_Tel1, 
PssFsc_Tel2, PssFsc_Cel, Cdd_Codigo) 
Docente(Dcn_Codigo,PssFsc_Codigo) 
DcnCnt(Cnt_Codigo, Dcn_Codigo) 
Centro(Cnt_Codigo, Cnt_Nome, Dcn_Codigo) 
Curso(Crs_Codigo, Crs_Nome, Cnt_Codigo) 
Academico(RA, PssFsc_Codigo, Acd_Satus) 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
13 
AcdCrs(RA, Crs_Codigo, Ano) 
Projeto(Prj_Codigo, Prj_Descricao) 
AcdPrj(RA, Prj_Codigo, AcdPrj_CrgHoraria) 
Disciplina(Dsc_Codigo,Dsc_Nome) 
AcdDsc(RA, Dsc_Codigo, Ano, AcdDsc_Faltas, 
AcdDsc_Situacao, AcdDsc_Nota) 
DcnDsc(Dsc_Codigo, Ano, Dcn_Codigo) 
O nome no início descreve o nome da 
entidade, normalmente no singular, os dados 
entre parênteses descrevem os atributos, sendo os 
sublinhados identificados como chaves, quando 
há dois atributos marcados como chave são 
conhecidas como chaves compostas. 
Mas um MER precisa de regras para ser 
construído e essas regras são as dependências 
funcionais entre os dados. 
Exemplo: o número do RA deve levar a 
conseguir informações do tipo Nome do 
acadêmico e seu Status. 
RA → Acd_Nome, Acd_Status 
RA, Prj_Codigo → Prj_CrgHoraria 
Dcn_Codigo → Dcn_Nome 
Dsc_Codigo → Dsc_Nome 
Dsc_Codigo, Ano → Dcn_Nome 
RA, Dsc_Codigo, Ano → AcdDsc_Nota, 
AcdDsc_Faltas, AcdDsc_Situacao, 
Dsc_Nome 
Crs_Codigo→ Crs_Nome, Crs_Coordenador, 
Cnt_Codigo 
Cnt_Codigo → Cnt_Nome, Cnt_Diretor 
Uf_Codigo → Uf_nome, Uf_Sigla 
RA, Crs_Codigo → Crs_Nome 
Prj_Codigo → Prj_Descricao 
DER 
O Diagrama Entidade Relacionamento é o 
detalhamento de um MER, ou seja, é uma 
estrutura mais visual das ligações entreas 
entidades. A figura a seguir ilustra os símbolos 
usados na descrição desse modelo. 
 
Figura 2: Resumo da notação para diagramas ER fonte: Navathe, 
2005 
 
 
 
 
 
 
 
 
 
 
 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
14 
 
NOTAÇÃO CROWSFOOT 
Nos exemplos apresentados até o momento, temos privilegiado o uso da notação original 
empregada quando o DER começou a ser difundido. Com o passar do tempo, outras notações foram 
sendo sugeridas, sempre buscando aprimorar o processo de análise/confecção dos Diagramas. Uma 
notação bastante utilizada e que representa a cardinalidade de relacionamentos de forma diferente é a 
notação CrowsFoot. Na figura a seguir, apresentamos uma tabela com essa notação. 
 
A notação CrowsFoot foi proposta por James Martin sob a ótica de engenharia de informação, 
sendo também conhecida como “pé-de-galinha”, onde os relacionamentos são representados apenas 
por uma linha. 
Nesta notação, podemos representar apenas relacionamentos binários e a representação de 
cardinalidade máxima e mínima são gráficas. Sendo assim, o símbolo mais próximo da entidade 
(retângulo) é a representação da cardinalidade máxima e o mais distante da cardinalidade mínima. 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
15 
 
GRAU DO RELACIONAMENTO 
➢ Unário (grau 1): relacionamento com a própria entidade, também chamado de relacionamento 
recursivo ou autorrelacionamento. 
➢ Binário (grau 2): mais comum. 
➢ Ternário (grau 3): maior complexidade. 
➢ Ou mais... 
 
 
SQL 
A linguagem padrão para criação, 
manipulação e consulta a banco de dados é 
Standard Query Location, ou simplesmente 
SQL. Trata-se de uma linguagem estruturada 
que se baseia nas operações da Álgebra 
Relacional para seleção de linhas e colunas de 
dados das tabelas ou de junções destas em um 
Banco de Dados. 
As principais cláusulas (comandos) SQL 
são SELECT, FROM, WHERE, que podemos ler: 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
16 
selecionar (o que se deseja selecionar) de 
(entidade ou relação de entidade de onde será 
obtida a informação) que (regras que limitam 
o resultado de dados para os que se deseja). 
NORMALIZAÇÃO 
O processo de normalização consiste em 
dizer se o esquema de relacionamento é bom 
ou ruim, e se garante realmente a integridade 
e não redundância dos dados. 
Para apontar se esquema é ou não 
aceitável foram desenvolvidas etapas de um 
processo de padronização, chamadas de 
Formas Normais do processo de 
Normalização. São cinco as formas normais 
mais a Forma Normal de Boyce Codd (BCNF 
ou FNBC). 
A regra é sequencial, ou seja, o modelo 
só pode estar na segunda forma normal se 
estiver na primeira, e assim sucessivamente. A 
BCNF é inserida entre a terceira forma normal 
e a quarta. 
A 1NF elimina atributos 
multivalorados, atributos compostos e sua 
combinação, ou seja, só aceita que os atributos 
sejam atômicos. 
A 2NF elimina as dependências 
parciais. 
Já a 3NF remove as dependências 
transitivas. 
Enquanto a BCNF depende de estar na 
3NF e elimina dependências entre atributos 
não chave. 
A 4NF elimina dependências 
multivaloradas. 
Por fim a 5NF elimina dependências de 
junções. 
ÁLGEBRA RELACIONAL 
A álgebra relacional é o modo formal 
(matemática) de descrever consultas em 
banco de dados, usada também para otimizar 
o desempenho das consultas. 
EXERCÍCIOS 
1) Assinale a opção correta. 
(A) Um banco de dados relacional é composto 
de roteamentos. 
(B) O projeto de um banco de dados é realizado 
segundo as fases Modelagem Procedural, 
Projeto Lógico, Projeto Operacional. 
(C) O projeto de um banco de dados é realizado 
segundo as fases Modelagem Conceitual, 
Projeto Lógico, Projeto Físico. 
(D) O projeto de um banco de dados é realizado 
por meio das fases Modelagem Lógica e 
Modelagem Física. 
(E) Um banco de dados relacional é composto 
de configurações. 
2) No Modelo Relacional de banco de dados, 
(A) o cabeçalho de uma tabela contém os 
atributos. 
(B) o modelo do atributo é o conjunto de 
valores permitidos. 
(C) o cabeçalho de uma tabela contém 
instâncias. 
(D) o domínio do atributo é a sua descrição. 
(E) o corpo da tabela contém relacionamentos 
qualitativos 
GABARITO 
1) C. 
2) A. 
DATA MINING 
Em tradução literal Mineração de Dados 
o data mining nada mais é do que um conjunto 
de ferramentas e técnicas utilizadas para se 
extrair conhecimento de base dados, em 
destaque de wharehouse. 
Mineração de dados se refere à extração 
ou descoberta de novas informações de 
grandes quantidades de dados. 
Dentre os aspectos da técnica destaca-se 
o reconhecimento de padrões por meio de 
comparação e análise dos dados, um dos 
principais exemplos de aplicação da técnica 
foi pelo Walmart. A empresa buscava 
conhecer o seu cenário de vendas, como que 
tipo de produto era mais vendido em 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
17 
determinado dia da semana, a ferramenta de 
data mining usada apontou que nas sextas 
feiras os produtos mais vendidos eram 
cerveja e fralda. 
Percebe-se a importância de se saber 
extrair o conhecimento da informação, pois 
a princípio se pergunta qual a relação entre 
cerveja e fralda. Seriam crianças bebendo 
cerveja? Logo o dado intrigante levou a uma 
investigação que revelou que os pais 
passavam ao final do expediente para 
comprar fraldas para os filhos e aproveitavam 
pra repor o estoque de cerveja. 
O que isso trouxe de benefícios para a 
empresa? Simples a gondola de fraldas passou 
a ficar ao lado da de cerveja, o que levou a um 
aumento de 30% na venda de cerveja. 
De forma geral as técnicas de mineração 
são hoje aplicadas principalmente no 
mercado financeiro, que o diga a receita 
federal que é uma das pioneiras a utilizar tais 
técnicas para encontrar inconsistências nas 
declarações de IR. Contudo não se limita 
apenas a esse nicho, podendo ser usada 
também na medicina, apesar de pouco usadas 
nesse seguimento possuem potencial para 
chegar até ao auto atendimento médico. 
As técnicas consistem em três etapas: 
➢ Preparação: nesta etapa são 
definidos quais e que tipo de dados 
são importante, nota-se a 
necessidade da participação de um 
especialista no assunto para fazer os 
apontamentos; 
➢ Data Mining: é a etapa da coleta dos 
dados e transformação para que seja 
mais fácil identificar as relações como 
a explanação dos dados na forma de 
gráficos; 
➢ Análise de Dados: os dados são 
comparados e busca-se entender o 
que eles podem representar e como 
podem ser usados. 
Nestas etapas nota-se a utilização de 
algumas tecnologias como: 
➢ IA e sistemas especialistas; 
➢ Redes neurais e seus paradigmas de 
aprendizado supervisionado e não 
supervisionado; 
➢ Data Wharehouse na organização dos 
dados. 
Assim o maior desafio é entender as 
relações entre os dados obtidos pela técnica. 
DESCOBERTA DE 
CONHECIMENTO 
A mineração de dados é apenas parte do 
processo de descoberta do conhecimento. A 
descoberta de conhecimento em banco de 
dados é também chamada de KDD 
(Knowledge Discovery in Databases). Por sua 
vez o processo de descoberta em si é dividido 
em seis fases: 
1º Seleção de dados; 
2º Limpeza de dados; 
3º Enriquecimento; 
4º Transformação ou codificação de 
dados; 
5º Mineração de dados; 
6º Relatório e exibição da informação 
descoberta. 
A limpeza faz parte do pré-
processamento dos dados para a aplicação 
devida das técnicas de mineração e para a 
criação de data warehouse. 
Como resultado a mineração pode 
fornecer diferentes tipos de informações 
novas: 
➢ Regras de associação: 
comportamentos que se relacionam 
como comprar uma vara de pescar e 
uma lanterna; 
➢ Padrões sequenciais: 
comportamentos que se levama 
outro no futuro, como comprar um 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
18 
smartphone e futuramente algum 
gadget para ele; 
➢ Árvores de classificação: repetições 
que podem ser tipificadas. 
Os resultados podem ser apresentados 
na forma de listas, tabelas, descritiva ou 
mesmo na forma de gráficos, esta última mais 
frequentemente utilizada. 
A mineração é normalmente aplicada 
com o intuito de obter informações que 
possibilitem prever situações futuras, 
identificar padrões de 
comportamento/evento, classificar dados ou 
itens como um mercado classificar quais 
produtos são comprados para fins de 
merenda escolar, e também, as informações 
são utilizadas para otimização, por exemplo, 
aumentar as vendas de determinado produto 
que esteja associado a outro. 
O conhecimento obtido pela mineração é 
comumente descrito em: 
➢ Regras de associação: busca a 
relação entre dados do tipo o que um 
produto comprado tem haver com 
outro; 
➢ Hierarquias de classificação: 
objetiva descrever de forma 
hierarquizada as informações como 
classes sociais e o que cada uma 
compra; 
➢ Padrões sequenciais: exemplo de 
um paciente que apresenta um 
resfriado, mas volta após um período 
com uma gripe e que mais adiante 
apresenta sintomas de pneumonia; 
➢ Padrões dentre de série temporal: 
quando o padrão é o espaço de tempo, 
ou seja, a frequência com que um 
cliente compra o mesmo produto; 
➢ Agrupamento: definição de grupos 
de dados ou indivíduos que estejam 
propensos a determinada ação ou 
situação. 
As dificuldades da Mineração de dados 
são atreladas a vários fatores, como a 
cardinalidade, ou seja, a um vasto volume de 
dados relacionados entre si a serem 
analisados; a variabilidade dos dados que na 
maioria dos casos precisa ser refinada; o 
grande quantidade de classificações 
diferentes bem como a qualidade dos dados 
armazenados. 
O uso bem-sucedido das aplicações de 
data mining depende da construção de um 
data warehouse. 
 
EXERCÍCIOS 
Acerca de DataMining e de 
DataWarehouse, julgue o item subsecutivo. 
1) Os principais processos de DataMining são 
a identificação de variações embasado em 
normas, a detecção e análise de 
relacionamentos, a paginação de memória 
e o controle de periféricos. 
Acerca de datawarehouse e datamining, 
julgue o item subsequente. 
2) Os objetivos do datamining incluem 
identificar os tipos de relacionamentos 
que se estabelecem entre informações 
armazenadas em um grande repositório. 
3) Qual o tipo de descoberta de conhecimento 
através de mineração de dados (do inglês 
“data mining”), em que se relaciona a 
presença de conjuntos de itens diversos, 
como por exemplo: “Quando uma mulher 
compra uma bolsa em uma loja, ela está 
propensa a comprar sapatos”? 
(A) Hierarquias de classificação. 
(B) Padrões sequenciais. 
(C) Regras de associação. 
(D) Séries temporais. 
(E) Agrupamentos por similaridade. 
4) Processo de explorar grandes quantidades 
de dados à procura de padrões 
consistentes, como regras de associação ou 
sequências temporais, para detectar 
relacionamentos sistemáticos entre 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
19 
variáveis, detectando assim novos 
subconjuntos de dados é conhecido como 
(A) datawarehouse. 
(B) SGBD. 
(C) mineração de dados (data mining). 
(D) modelagem relacional de dados. 
(E) mineração de textos (text mining). 
5) A Mineração de Dados é 
(A) o processo de desenvolvimento de soluções 
automáticas de acesso a informações úteis 
em depósitos de dados. 
(B) a transformação automática de dados 
existentes em grandes depósitos de dados 
em informações quantificáveis. 
(C) a automação da recuperação de 
informações caracterizadas por registros 
com grande quantidade de atributos. 
(D) a descoberta de relações significativas 
entre dados e informações passíveis de 
atualização automática. 
(E) o processo de descoberta automática de 
informações úteis em grandes depósitos de 
dados. 
 
GABARITO 
1) Errado. 
2) Certo. 
3) C. 
4) C. 
5) E. 
 
DATA WAREHOUSE 
Em tradução livre Armazém/celeiro de 
dados consiste nos dados armazenados ao 
longo da história de uso de um sistema, 
utilizados para se obter respostas como 
quantidade de itens vendidos por 
determinado vendedor. O objetivo de um data 
warehouse é dar sustentação a tomada de 
decisão com base nos dados. 
O acesso ao armazém pode ser feito por 
meio de um servidor OLAP cujo papel é 
interpretar as consultas realizadas pelos 
usuários convertendo nas consultas 
adequadas para o acesso, análise e geração de 
relatórios como também para ferramentas de 
Data Mining. 
“OLAP (processamento analítico on-
line) é um termo usado para descrever a 
análise de dados complexos do data 
warehouse” (Navathe, 2011) 
CARACTERÍSTICAS DOS 
ARMAZÉNS DE DADOS 
Um data warehouse é um armazém de 
dados integrados provenientes de várias 
fontes que são processados para serem 
armazenados em um modelo 
multidimensional. O data warehouse consiste 
em uma base de dados a parte do banco de 
dados principal, pois não sofre alterações e 
interações com a mesma intensidade, logo são 
chamadas de estruturas não voláteis, por 
manterem suas características por um maior 
período de tempo que os Banco de Dados. 
Antes de atualizar o preencher o 
armazém com os dados é necessário realizar a 
limpeza dos dados, ou seja, efetuar um pré-
processamento, principalmente para eliminar 
dados inconsistentes, ou falhas como dados 
vazios. Também faz parte do pré-
processamento a reformatação dos dados 
como padronizar códigos e outros atributos. 
Os data warehouses também são 
diferenciados pelas seguintes características: 
➢ Visão conceitual em múltiplas 
dimensões; 
➢ Dimensões variáveis; 
➢ Dimensões e níveis de agregação 
ilimitados; 
➢ Operacionalização sem restrição 
entre as dimensões; 
➢ Tratamento dinâmico de matriz 
esparsa; 
➢ Arquitetura Cliente-Servidor; 
➢ Multiusuário; 
➢ Oferecer acessibilidade; 
➢ Ser Transparente; 
➢ Intuitivos; 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
20 
Um armazém deve aceitar consultas 
ocasionais que solicitem qualquer 
combinação. 
Para preencher um warehouse é 
necessário realizar 5 etapas: 
1º Extração dos dados das fontes; 
2º Formatação dos dados de forma a 
possibilitar relacionamentos; 
3º Limpeza dos dados; 
4º Ajustar ao modelo multidimensional; 
5º Carregar os dados no armazém. 
EXERCÍCIOS 
1) Considere a seguinte definição: "Uma 
coleção de dados não-voláteis, integrados, 
orientados a um determinado tema e 
utilizados no apoio de processos de 
tomada de decisão. Geralmente contém 
componentes complementares como 
facilidades de extração, mineração e 
transformação de informação e 
ferramentas analíticas." Essa é a definição 
de 
(A) Planilha. 
(B) Middleware. 
(C) Data Warehouse. 
(D) DBMS (Data Base Management System). 
(E) Groupware. 
2) A arquitetura de data warehouse de três 
camadas contém as seguintes camadas: 
(A) Primeira camada: sistema operacional com 
os dados e o software para aquisição. 
Segunda camada: especificação de dados. 
Terceira camada: servidor de 
monitoramento e cliente. 
(B) Primeira camada: sistema aplicativo. 
Segunda camada: data warehouse. Terceira 
camada: clientes preferenciais. 
(C) Primeira camada: sistema operacional com 
arquiteturas diferenciadas. Segunda 
camada: data center. Terceira camada: 
servidor de aplicação e cliente. 
(D) Primeira camada: sistema operacional com 
os dados e o software para aquisição. 
Segunda camada: data warehouse. Terceira 
camada: servidor de aplicação e cliente. 
(E) Primeira camada: sistema aplicativo com 
os dados e o software para aquisição. 
Segunda camada: data warehouse. Terceira 
camada: relatórios e telas de operação. 
Julgue os itens a seguir, a respeito de 
soluçõesde suporte à decisão. 
3) Uma característica distinta dos data 
warehouses é o seu direcionamento para 
aplicações de apoio às decisões. Eles são 
otimizados para a recuperação de dados, 
não para o processamento rotineiro de 
transações. 
4) OLAP (online analytical processing) é um 
termo utilizado para descrever a análise de 
dados complexos a partir do data 
warehouse. As ferramentas OLAP 
empregam as capacidades de computação 
distribuída para análises que requerem 
mais armazenamento e poder de 
processamento que as disponibilizadas 
por um desktop. 
Acerca de conceitos básicos, 
arquiteturas e aplicações de data warehouse e 
datamining e técnicas de modelagem e 
otimização de bases de dados 
multidimensionais, julgue os itens que se 
seguem. 
5) Um cubo de dados é a representação 
multidimensional dos dados não 
agregados na qual é necessário que as 
dimensões tenham o mesmo tamanho. 
GABARITO 
1) C. 
2) D. 
3) Certo. 
4) Certo. 
5) Errado. 
6) E 
BIG DATA 
O QUE É? 
O Big Data é a análise de um grande 
número de informações que estão presentes 
hoje no planeta na forma de dados. 
Não existe uma definição singular sobre 
a terminologia Big Data, existindo várias 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
21 
definições traçadas por estudos e publicações 
recentes. Sendo o conceito da temática parte 
fundamental para compreensão do trabalho, a 
seguir temos alguns conceitos observados: 
Por Oxford English Dictionary: “...dado 
de grande tamanho, tipicamente ao nível que 
sua manipulação e gerenciamento apresenta 
desafios significativos a logística.”; 
Por Dumbill, Edd, 2012 (O'Reilly): “Big 
Data é o dado que excede a capacidade de 
processamento convencional dos sistemas de 
bancos de dados.”; 
Por International Data Corporation: 
“...Big Data descrevem uma nova geração de 
tecnologias e arquiteturas, projetadas 
economicamente para extrair valor de 
volumes muito grandes e vasto de dados, 
permitindo alta velocidade de captura, 
descoberta e análise.”; 
Por McKinsey Global Institute, 2011: 
“Big Data é um termo utilizado para descrever 
um grande volume de dados, em grande
 velocidade e grande variedade; que 
requer novas tecnologias e técnicas para 
capturar, armazenar e analisar seu conteúdo; 
e é utilizado para abrilhantar a tomada de 
decisão, fornecendo introspecção e 
descobertas, e suportando e otimizando 
processos.”; 
Por Viktor Mayer-Schönberger e 
Kenneth Cukier’s, 2014: "A habilidade da 
sociedade de aproveitar a informação por 
novas maneiras para produzir introspecção 
úteis ou bens e serviços de valor significante." 
Podemos assim então definir, o Big Data 
como sendo a análise de um grande número 
de informações que estão presentes hoje no 
planeta na forma de dados. A análise desses 
dados não é algo tão simples de ser feito 
quanto parece, pois pelo grande volume, esses 
dados necessitam de um conjunto de 
ferramentas adequadas para serem 
manipulados. 
5 VS 
1. VOLUME 
Big Data é uma grande 
quantidade de dados gerada a 
cada segundo. Pense em todos os 
e-mails, mensagens de Twitter, 
fotos e vídeos que circulam na rede a cada 
instante. Não são terabytes e sim zetabytes e 
brontobytes. Só no Facebook são 10 bilhões de 
mensagens, 4,5 bilhões de curtidas e 350 
milhões de fotos compartilhadas todos os 
dias. A tecnologia do Big Data serve 
exatamente para lidar com esse volume de 
dados, guardando-os em diferentes 
localidades e juntando-os através de software. 
 
2. VELOCIDADE 
Se refere à velocidade com 
que os dados são criados. São 
mensagens de redes sociais se 
viralizando em segundos, transações de 
cartão de crédito sendo verificadas a cada 
instante ou os milissegundos necessários para 
calcular o valor de compra e venda de ações. O 
Big Data serve para analisar os dados no 
instante em que são criados, sem ter de 
armazená-los em bancos de dados. 
3. VARIEDADE 
No passado, a maior parte 
dos dados era estruturada e 
podia ser colocada em tabelas e 
relações. Hoje, 80% dos dados do 
mundo não se comportam dessa forma. Com o 
Big Data, mensagens, fotos, vídeos e sons, que 
são dados não-estruturados, podem ser 
administrados juntamente com dados 
tradicionais. 
Dados estruturados: são armazenados em bancos 
de dados, sequenciados em tabelas; 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
22 
Dados semi-estruturados: 
acompanham padrões heterogêneos, são mais 
difíceis de serem identificados pois podem 
seguir diversos padrões; 
Dados não estruturados: são uma 
mistura de dados com fontes diversificadas 
como imagens, áudios e documentos online. 
 
4. VERACIDADE 
Um dos pontos mais 
importantes de qualquer 
informação é que ela seja 
verdadeira. Com o Big Data não 
é possível controlar cada hashtag do Twitter 
ou notícia falsa na internet, mas com análises 
e estatísticas de grandes volumes de dados é 
possível compensar as informações 
incorretas. 
 
5. VALOR 
O último V é o que torna Big 
Data relevante: tudo bem ter 
acesso a uma quantidade massiva 
de informação a cada segundo, 
mas isso não adianta nada se não puder gerar 
valor. É importante que empresas entrem no 
negócio do Big Data, mas é sempre importante 
lembrar dos custos e benefícios e tentar 
agregar valor ao que se está fazendo. 
COMO SE DIFERENCIA O BIG 
DATA DA MINERAÇÃO DE 
DADOS? 
A Mineração de Dados é um processo de 
aquisição de conhecimento através do que o 
Big Data entrega como informação. Essa 
tecnologia deve procurar estruturar e formar 
o conhecimento através do processo chamado 
DCBD - Descoberta de Conhecimento em 
Banco de Dados. Em suma, é investigar dentro 
do Big Data os dados relevantes que se 
procura. 
o Big Data pode ajudar a empresa a 
entender melhor o perfil do cliente e, assim, a 
empresa pode adequar-se às necessidades do 
consumidor 
Dentre outros benefícios que o BI pode 
agregar à manufatura, Fleck elenca alguns 
principais: 
MAIS SEGURANÇA NA TOMADA DE 
DECISÕES 
Com a ajuda do BI e sua capacidade 
analítica dos dados gerados pela empresa, 
gestores de negócio podem ter um 
conhecimento mais assertivo da organização, 
compilando dados de diferentes setores em 
interfaces simplificadas, com indicadores de 
performance (KPIs) e resultados. Isso 
contribui para uma tomada mais segura e 
informada das decisões, reduzindo o risco 
estratégico para o negócio. 
 MAIOR EFICIÊNCIA OPERACIONAL 
O uso do BI acelera o ritmo de melhoria 
nos processos internos, por meio da análise 
rápida de grandes volumes de dados gerados 
em diversos departamentos. Assim, gestores 
podem analisar diversos fatores, como 
performance das equipes, custos , qualidade 
de produtos, e, a partir disso, melhorar os 
ambientes e métodos com a alocação 
apropriada de recursos. 
Praticamente qualquer processo interno 
de uma empresa, da gestão da matéria-prima 
até a entrega do produto final, pode ser 
simplificado com o BI. 
 MELHOR GESTÃO FINANCEIRA 
As ferramentas de BI podem ser 
empregadas para analisar lucros e perdas na 
operação, otimizando recursos e melhorando 
o retorno sobre o investimento (ROI) 
realizado. Com estas soluções, é possível 
identificar novos caminhos para rentabilizar 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
23 
as capacidades produtivas do negócio, assim 
como reavaliar o custo-benefício de 
estratégias que estão com rendimento abaixo 
do esperado. 
 MAIOR CONTROLE LOGÍSTICO E 
PRODUTIVO 
Gerenciar e avaliar a performance de sua 
logística pode ser muito aprimorada com o 
uso do BI. Com a análise rápida dos dados, 
empresas podem ter a agilidade necessária 
para garantir entregas com a precisão e 
qualidade adequada. Além disso, diminui-se 
os riscos de falha nestes processos, resultando 
também na redução de custosem logística. 
Novos indicadores de qualidade também 
podem ser adicionados, como o feedback de 
clientes. 
QUALIFICAÇÃO E CONTROLE DE 
STORAGE E WAREHOUSE 
As empresas também podem qualificar o 
controle de seus estoques com o BI, 
analisando informações para rastrear e 
controlar melhor as matérias-primas e lotes 
de produtos. Estas soluções também podem 
ser usadas nos testes de novos produtos, 
colaborando na melhoria de processos e 
soluções de possíveis problemas na hora de 
mandá-los para a linha de produção. 
QUESTÃO COMENTADA 
1) Banco de dados é: 
(A) uma relação de dependência entre dados 
que tem por objetivo atender a uma 
comunidade de usuários. 
(B) um conjunto de dados integrados que tem 
por objetivo impedir acessos indevidos a 
dados armazenados. 
(C) um conjunto de dados integrados que tem 
por objetivo atender a requisitos do 
sistema operacional. 
(D) um conjunto de dados integrados que tem 
por objetivo atender a uma comunidade de 
usuários. 
(E) uma estrutura de máquina virtual que tem 
por objetivo atender a necessidades do 
software de acesso. 
Comentário: um Banco de Dados 
é uma coleção de dados 
relacionados para atender as 
necessidades do usuário. 
EXERCÍCIOS 
1) Em se tratando de mineração de dados, a 
técnica de agrupamento (clustering) 
permite a descoberta de dados por faixa de 
valores, por meio do exame de alguns 
atributos das entidades envolvidas. 
2) Qual o tipo de descoberta de conhecimento 
através de mineração de dados (do inglês 
“data mining”), em que se relaciona a 
presença de conjuntos de itens diversos, 
como por exemplo: “Quando uma mulher 
compra uma bolsa em uma loja, ela está 
propensa a comprar sapatos”? 
(A) Hierarquias de classificação. 
(B) Padrões sequenciais. 
(C) Regras de associação. 
(D) Séries temporais. 
(E) Agrupamentos por similaridade. 
3) Processo de explorar grandes quantidades 
de dados à procura de padrões 
consistentes, como regras de associação ou 
sequências temporais, para detectar 
relacionamentos sistemáticos entre 
variáveis, detectando assim novos 
subconjuntos de dados é conhecido como 
(A) datawarehouse. 
(B) SGBD. 
(C) mineração de dados (data mining). 
(D) modelagem relacional de dados. 
(E) mineração de textos (text mining). 
4) A Mineração de Dados é 
(A) o processo de desenvolvimento de soluções 
automáticas de acesso a informações úteis 
em depósitos de dados. 
(B) a transformação automática de dados 
existentes em grandes depósitos de dados 
em informações quantificáveis. 
(C) a automação da recuperação de 
informações caracterizadas por registros 
com grande quantidade de atributos. 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
24 
(D) a descoberta de relações significativas 
entre dados e informações passíveis de 
atualização automática. 
(E) o processo de descoberta automática de 
informações úteis em grandes depósitos de 
dados. 
Acerca de conceitos básicos, 
arquiteturas e aplicações de data warehouse e 
datamining e técnicas de modelagem e 
otimização de bases de dados 
multidimensionais, julgue os itens que se 
seguem. 
5) Um cubo de dados é a representação 
multidimensional dos dados não 
agregados na qual é necessário que as 
dimensões tenham o mesmo tamanho. 
6) Mineração de dados consiste em 
(A) explorar um conjunto de dados visando a 
extrair ou a ajudar a evidenciar padrões, 
como regras de associação ou sequências 
temporais, para detectar relacionamentos 
entre estes. 
(B) acessar um banco de dados para realizar 
consultas de forma genérica, buscando 
recuperar informações (registros) que 
atendam um mesmo critério de pesquisa. 
(C) recuperar informações de um banco de 
dados específico, voltado a representar e 
armazenar dados relacionados com 
companhias de exploração petrolífera e de 
recursos mineralógicos. 
(D) um banco de dados específico voltado à 
gestão de negócios usando tecnologia de 
informação (TI) como, por exemplo, a área 
de BI (Business Inteligence). 
(E) representar informações de um banco de 
dados mediante vários modelos 
hierárquicos como, por exemplo, o de 
entidade-relacionamento (ER). 
7) Qual das assertivas a seguir melhor 
corresponde aos conceitos ou técnicas de 
mineração de dados? 
(A) A mineração de dados só pode ser utilizada 
em banco de dados centralizados. 
(B) Mineração de Dados é parte de um 
processo maior de pesquisa chamado de 
Busca de Conhecimento em Banco de 
Dados (KDD). 
(C) A análise descritiva utiliza o processo 
estimação para analisar a base de dados 
quanto a sua qualidade. 
(D) A limpeza e integração dos dados no banco 
de dados são os passos iniciais do processo 
de mineração. 
(E) Agregação e representação por gráficos 
diversos não correspondem a uma técnica 
de mineração de dados 
8) Assinale a opção correta. 
(A) Um banco de dados relacional é composto 
de roteamentos. 
(B) O projeto de um banco de dados é realizado 
segundo as fases Modelagem Procedural, 
Projeto Lógico, Projeto Operacional. 
(C) O projeto de um banco de dados é realizado 
segundo as fases Modelagem Conceitual, 
Projeto Lógico, Projeto Físico. 
(D) O projeto de um banco de dados é realizado 
por meio das fases Modelagem Lógica e 
Modelagem Física. 
(E) Um banco de dados relacional é composto 
de configurações. 
9) Assinale a assertiva correta. 
(A) Uma supertupla é um conjunto de um ou 
mais atributos que, tomados 
coletivamente, permite identificar 
unicamente uma tupla na relação 
(B) Uma linguagem de consulta é uma 
linguagem em que o usuário requisita 
informações do banco de dados. 
(C) Uma chave de atributos é um conjunto de 
um ou mais entidades que permite 
identificar unicamente um atributo na 
relação. 
(D) Uma linguagem de registro é uma 
linguagem em que o usuário registra 
informações do banco de dados. 
(E) Uma superchave é um algoritmo que 
permite identificar unicamente uma 
redundância na relação. 
10) A arquitetura de data warehouse de três 
camadas contém as seguintes camadas: 
(A) Primeira camada: sistema operacional com 
os dados e o software para aquisição. 
Segunda camada: especificação de dados. 
Terceira camada: servidor de 
monitoramento e cliente. 
(B) Primeira camada: sistema aplicativo. 
Segunda camada: data warehouse. 
Terceira camada: clientes preferenciais. 
Professor: João Paulo Colet Orso 
Turma: Carreiras Policiais 
Data: 06/05/2020 
MUDE SUA VIDA! 
25 
(C) Primeira camada: sistema operacional com 
arquiteturas diferenciadas. 
Segunda camada: data center. 
Terceira camada: servidor de aplicação e 
cliente. 
(D) Primeira camada: sistema operacional com 
os dados e o software para aquisição. 
Segunda camada: data warehouse. 
Terceira camada: servidor de aplicação e 
cliente. 
(E) Primeira camada: sistema aplicativo com 
os dados e o software para aquisição. 
Segunda camada: data warehouse. 
Terceira camada: relatórios e telas de 
operação. 
GABARITO 
1) Certo. 
2) C. 
3) C. 
4) E. 
5) Errado. 
6) A. 
7) B. 
8) C. 
9) B. 
10) D. 
 
BIBLIOGRAFIA 
 
[1] S. B. N. Ramez Elmasri, Sistemas de Banco de 
dados, 6ª ed., São Paulo: Pearson Addison 
Wesley, 2011. 
[2] O. K. Takai, I. C. Italiano e J. E. Ferreira., 
Introdução a Banco de Dados (Apostila), DCC-
IME-USP, 2005. 
[3] A. Silberchatz, H. F. Korth e S. Sudarshan, 
Sistemas de Banco de Dados, 3ª ed., Makron 
Books, 1999. 
[4] R. Elmasri e S. B. Navathe, Sistemas de banco de 
dados, São Paulo: Person Addison Wesley, 2005.