ARQUITETURA DE DATA WAREHOUSE E DATA MARTS 2

Prévia do material em texto

1a
          Questão
	Acerto: 0,0  / 1,0
	
	Fundatec - 2014 - Sefaz-RS - Auditor Fiscal da Receita Estadual - Bloco 1
Há uma tecnologia que é empregada sobre grandes volumes de dados para descobrir novas informações em função de regras e padrões neles existentes. Normalmente, tais informações não são obtidas simplesmente consultando-se os dados armazenados em bancos de dados. Por exemplo: uma das maiores redes de varejo dos Estados Unidos descobriu, em seu enorme banco de dados, por meio do uso dessa tecnologia, que o aumento das vendas de fraldas descartáveis, nas sextas-feiras, estava relacionado às vendas de cerveja, sendo que, geralmente, os compradores eram homens. Como oportunidade de negócio, a rede varejista colocou os produtos lado a lado, resultando em um aumento expressivo nas vendas de ambos. Para ob ter tais descobertas, essa tecnologia usa diversas técnicas, como associação, classificação e predição, entre outras. Nesse caso, essa tecnologia é chamada de:
 
		
	 
	Business Intelligence.
	 
	Data mining.
	
	Data Mart.
	
	 Data Warehouse.
	
	OLAP.
	Respondido em 29/07/2022 09:16:42
	
	Explicação:
Data mining.
	
		2a
          Questão
	Acerto: 1,0  / 1,0
	
	O levantamento de requisito produz artefatos que apoiam o desenvolvimento do projeto de Data Warehouse. São eles:
		
	
	Especificação das necessidades do Negócio, documento das Perspectivas de Análises (Visões), documento das medidas que serão analisadas (Indicadores), documento de consultas predefinidas e a relação dos analistas de Bi que irão atuar no projeto.
	
	Especificação das necessidades do Negócio, documento das Perspectivas de Análises (Visões), documento das medidas que serão analisadas (Indicadores), documento de consultas predefinidas e o documento do usuário.
	
	Especificação das necessidades do Negócio, documento final de Metadados, documento das medidas que serão analisadas (Indicadores), documento de consultas predefinidas e o documento de apontamento das origens dos dados.
 
	 
	Especificação das necessidades do Negócio, documento das Perspectivas de Análises (Visões), documento das medidas que serão analisadas (Indicadores), documento de consultas predefinidas e o documento de apontamento das origens dos dados.
	
	Especificação das necessidades do Negócio, documento das Perspectivas de Análises (Visões), atas de reunião, documento de consultas predefinidas e o documento de apontamento das origens dos dados.
	Respondido em 29/07/2022 09:18:02
	
	Explicação:
Especificação das necessidades do Negócio, documento das Perspectivas de Análises (Visões), documento das medidas que serão analisadas (Indicadores), documento de consultas predefinidas e o documento de apontamento das origens dos dados.
	
		3a
          Questão
	Acerto: 1,0  / 1,0
	
	CESGRANRIO - 2012 - Petrobras - Analista de Sistemas Júnior - Processos de Negócios-2012.
O modelo Estrela (star schema) é a denominação comum para um modelo de dados dimensional. Nesse tipo de modelo:
		
	 
	Cada dimensão é representada por uma tabela.
	
	As dimensões podem ser decompostas em várias medidas, originando o modelo conhecido como Floco-de-Neve (snowflake).
	
	As dimensões são um conjunto de fatos.
	
	A entidade central é a transação.
	
	O relacionamento entre o fato e as dimensões é de um para um, formando um cubo ou hipercubo.
 
	Respondido em 29/07/2022 09:19:36
	
	Explicação:
Cada dimensão é representada por uma tabela.
	
		4a
          Questão
	Acerto: 0,0  / 1,0
	
	CESPE - 2012 - TJ-RO - Analista Judiciário - Análise de Sistemas ¿ Desenvolvimento.
Assinale a opção correta acerca de elementos básicos de data warehouse (presentation area, staging area, data source e data access) e de extract transformation load (ETL).
 
		
	
	As ferramentas ad hoc de consulta de dados, presentes na área de acesso aos dados, possibilitam, se necessário, o acesso aos dados diretamente da staging area ou mesmo na fonte de dados.
	 
	A limpeza e a combinação de dados devem ser realizadas na área de apresentação (presentation area), antes da área de acesso a dados (data access).
 
	 
	Define-se staging area como tudo o que existe entre a fonte de dados (data source) e a área de apresentação (presentation area).
	
	Para maior confiabilidade em ETL, a importação de dados para o data ware house deve ser limitada a apenas uma fonte de dados (data source).
	
	Os dados são efetivamente organizados e armazenados em staging area, sendo disponibilizados para consulta pelas ferramentas da área de acesso a dados (data access).
	Respondido em 29/07/2022 09:20:50
	
	Explicação:
Define-se staging area como tudo o que existe entre a fonte de dados (data source) e a área de apresentação (presentation area).
	
		5a
          Questão
	Acerto: 0,0  / 1,0
	
	Petrobras Transporte S.A (TRANSPETRO) 2018 (2ª edição), Cargo: Analista de Sistemas Júnior (SAP)
Seja o modelo dimensional de dados a seguir representado, em que a tabela Venda é a tabela de Fatos, e as demais tabelas representam dimensões. Nesse esquema, os atributos das tabelas foram omitidos.
Nesse caso, qual o modelo multidimensional adotado?
 
		
	
	Estrela, pela conjugação da dimensão Tempo com as demais dimensões, que a princípio deveriam ser modeladas em separado.
	 
	Floco de Neve, otimizando o desempenho do acesso aos dados pela decomposição de dimensões indexadas.
	 
	Floco de Neve, especializando tabelas de Dimensão por decomposição hierárquica.
	
	Estrela, com uma tabela de Fatos central e tabelas de Relacionamento ligadas a ela, mesmo que indiretamente.
	
	Estrela, com a aplicação da terceira forma normal em tabelas de Dimensão de primeiro nível, eleitas por um critério de desempenho.
	Respondido em 29/07/2022 09:22:51
	
	Explicação:
Conceito sobre os esquemas Estrela e Floco de Neve destacando o uso das hierarquias.
	
		6a
          Questão
	Acerto: 1,0  / 1,0
	
	(CESGRANRIO - 2010 - Petrobrás - Analista de Sistemas Júnior - Processos de Negócios.)
No contexto de Data Warehouses, o processo de Extração, Transformação e Carga (ETC):
 
		
	
	Produz, ao seu término, uma série de tabelas (chamadas Fatos) que caracterizam-se por possuírem dados normalizados até a 3ª forma normal.
	 
	Apresenta, como algumas de suas tarefas, filtragem, integração, conversão, condensação e derivação dos dados de entrada, que podem ser originários de diversas fontes, inclusive externas aos sistemas OLTP da organização.
	
	Leva em consideração o modelo conceitual de dados das fontes de dados, que é geralmente expresso como modelo entidade-relacionamento.
	
	Considera somente os dados provenientes de sistemas OLTP como válidos para o processo e, caso exista a necessidade de consideração de dados externos, estes devem ser importados para os sistemas legados.
	
	Revela-se como uma das etapas importantes do processo de criação do Data Warehouse, já que sua função é obter automaticamente os conhecimentos necessários para a padronização dos dados em modelos multidimensionais.
	Respondido em 29/07/2022 09:24:27
	
		7a
          Questão
	Acerto: 0,0  / 1,0
	
	Considere o fluxo de transformação do Pentaho Data Integration apresentado a seguir:
Os Passos S1, S2 e S3 realizam, respectivamente, operações de:
		
	
	Leitura de Arquivo JSON, Split de Colunas e Saída em Formato de Tabela.
	 
	Leitura de Banco de Dados, Split de Colunas e Leitura de Arquivo JSON.
	 
	Leitura de Arquivo CSV, Split de Colunas e Calculadora de Valores.
	
	Leitura de Banco de Dados, Join de Colunas e Log.
	
	Leitura de Arquivo de Propriedades, Seleção de Linhas Únicas e Calculadora de Valores.
	Respondido em 29/07/2022 09:24:46
	
	Explicação:
Leitura de Arquivo CSV, Split de Colunas e Calculadora de Valores.
	
		8a
          Questão
	Acerto: 1,0  / 1,0
	
	(FCC - 2011 - TRT - 1ª REGIÃO (RJ) - Analista Judiciário - Tecnologia da Informação)
Ao nível de sumarização dos elementos e de detalhes disponíveis nos dados em um DW dá-se o nomede:
 
		
	 
	Granularidade
	
	Capacidade
	
	Relacionamento
	
	Integridade
	
	Arquitetura
	Respondido em 29/07/2022 09:25:10
	
		9a
          Questão
	Acerto: 0,0  / 1,0
	
	(2013 DNIT Analista Administrativo - Tecnologia da Informação Disciplina)
São regras de avaliação de produtos OLAP:
		
	
	Visão conceitual multidimensional para restringir consultas. Transparência ao usuário. Dimensionalidade genérica. Manipulação dedutiva dos dados.
	
	Extensão conceitual dos dados. Transparência ao dispositivo de acesso. Manipulação intuitiva dos dados. Operações irrestritas com indicações cruzadas.
	 
	Transferência ao usuário. Desempenho consistente na geração de relatórios. Dimensionalidade cumulativa. Operações irrestritas com dimensões cruzadas.
	
	Visão conceitual multidimensional para formular consultas. Dimensionalidade genérica. Manipulação segmentada dos dados. Operações irrestritas com dimensões alternadas.
	 
	Visão conceitual multidimensional para formular consultas. Desempenho consistente na geração de relatórios. Dimensionalidade genérica. Manipulação intuitiva dos dados.
	Respondido em 29/07/2022 09:25:16
	
		10a
          Questão
	Acerto: 0,0  / 1,0
	
	(PUC-PR - 2017 - TJ-MS - Técnico de Nível Superior - Analista de Banco de Dados.)
O Microsoft Power BI é um pacote de ferramentas de análise de negócios que proporciona variadas visualizações de indicadores, criados a partir de processos que simplificam a preparação dos dados provenientes de diferentes fontes de dados. A apresentação de relatórios e dashboards é personalizada e preparada para publicação, compartilhamento e análise por integrantes de uma empresa, por meio de navegador Web ou dispositivos móveis. É uma forma rápida para disponibilização de diferentes exibições, exclusivas e completas dos negócios da empresa, com garantia de escalabilidade, governança e segurança.
Com relação aos recursos e ferramentas disponíveis no Power BI, assinale a afirmativa CORRETA.
 
		
	
	Após a conexão com mais de uma fonte de dados, é possível transformar e combinar os dados coletados no Power BI, conforme a necessidade, em uma consulta útil. Há duas formas de combinar consultas: mesclando e acrescentando. Quando se tem uma ou mais colunas para adicionar a outra consulta, é preciso acrescentar a consulta. Quando se tem linhas adicionais de dados para serem adicionadas a uma consulta existente, é preciso mesclar as consultas.
	 
	Quando um conjunto de dados no Power BI é obtido a partir de um arquivo salvo em um computador local, .CSV ou .XLSX por exemplo, é preciso que a conta usada para acessar o equipamento seja a mesma usada para o logon do Power BI. Dessa forma, o conjunto de dados criados no site do Power BI terá não apenas a referência dessa conta de logon no Power BI, mas também a referência ao arquivo fonte, permitindo a sincronização desse conjunto de dados com sua fonte sempre que houver alterações, e mantendo as visualizações que exploram esses dados atualizadas.
	 
	Quando duas ou mais tabelas são consultadas e carregadas ao mesmo tempo, o Power BI Desktop tenta localizar e criar relações, em que a cardinalidade, a direção e as propriedades de relação são definidas automaticamente. O Power BI Desktop procura por nomes de colunas que possam ser correspondentes, o que indica uma potencial relação. Se possível e desde que haja alto nível de confiança na existência da relação, essa é criada automaticamente. Caso contrário, a caixa de diálogo Gerenciar Relações ainda pode ser usada para criar ou editar relações.
	
	No Power BI, os dashboards costumam ser confundidos com relatórios, pois ambos são telas com visualizações. Entre as diferenças importantes, podemos citar que, no dashboard, não é possível filtrar ou fatiar as visualizações, enquanto nos relatórios existem diferentes maneiras de filtrar, realçar e fatiar. Da mesma forma, no dashboard não é possível criar alertas para envio por e-mail quando determinadas condições são atendidas, mas nos relatórios isso é possível.
	
	Quando existem dashboards ou relatórios que precisam ser acessados com mais frequência, é possível adicioná-los ao Favoritos, o que permite o acesso rápido e facilitado tanto ao dashboard quanto ao relatório a partir de todos os espaços de trabalho.