ARQUITETURA DE DATA WAREHOUSE E DATA MARTS

Prévia do material em texto

1a
          Questão
	Acerto: 1,0  / 1,0
	
	(AOCP - 2018 - SUSIPE-PA - Técnico em Gestão de Infraestrutura - Técnico em Gestão de Informática)
No contexto de Data Warehouse, uma outra possibilidade de suporte a dados é o Data Mart. Assinale a alternativa que apresenta uma definição de Data Mart.
		
	
	Data Mart é uma versão atualizada do Data Warehouse para suportar pesquisa e alterações dos dados.
	
	Data Mart é uma versão do Data Warehouse carregada no computador do cliente, visando agilizar suas buscas.
	
	Data Mart é um subconjunto de dados referentes a uma área específica, escolhidos de forma aleatória no Data Warehouse.
	
	Data Mart é uma cópia de um Data Warehouse para realizar buscas e alterações dos dados.
	 
	Data Mart é um subconjunto de dados referentes a uma área específica, não normalizados e indexados para suportar pesquisas.
	Respondido em 13/06/2022 22:38:50
	
		2a
          Questão
	Acerto: 1,0  / 1,0
	
	Kimball afirma que um bom planejamento e definição bem elaborada dos requisitos aumentam a probabilidade de sucesso de um projeto de Data Warehouse, pois:
		
	
	O levantamento de requisitos identifica as consultas que serão apresentadas no ambiente analítico.
	
	Após a conclusão do projeto do DW/DM não é possível fazer manutenções ou adicionar novos módulos ao ambiente.
	
	Seu desenvolvimento é baseado nos sistemas transacionais de onde os dados serão extraídos.
	
	Seu desenvolvimento é baseado em experiências empíricas e nas necessidades que podem surgir no futuro.
	 
	Seu desenvolvimento é baseado nas necessidades dos usuários do negócio.
	Respondido em 13/06/2022 22:39:06
	
		3a
          Questão
	Acerto: 1,0  / 1,0
	
	(CESPE - 2018 - TCM-BA - Auditor Estadual de Controle Externo.)
Acerca de modelagem dimensional assinale a opção correta.
		
	
	No modelo Estrela, as dimensões são normalizadas para tornar mais ágeis as consultas analíticas.
	
	Os Fatos e Dimensões não são tabelas do banco de dados, pois, no modelo dimensional, são componentes do cubo de um Data Warehouse.
	
	Os códigos e as descrições associadas, usadas como nomes de colunas em relatórios e como filtros em consultas, não devem ser gravados em tabelas dimensionais.
	 
	As granularidades fundamentais para classificar todas as tabelas Fato de um modelo dimensional são: transacional, snapshot periódico e snapshot acumulado.
	
	O modelo Floco-de-Neve (SnowFlake) aumenta o espaço de armazenamento dos dados dimensionais, pois acrescenta várias tabelas ao modelo, todavia torna mais simples a navegação por softwares que utilizarão o banco de dados.
	Respondido em 13/06/2022 22:40:17
	
	Explicação:
As granularidades fundamentais para classificar todas as tabelas Fato de um modelo dimensional são: transacional, snapshot periódico e snapshot acumulado.
	
		4a
          Questão
	Acerto: 0,0  / 1,0
	
	(Tribunal de Justiça do Estado do Rio Grande do Norte (TJ-RN) - Analista de Suporte Pleno - Banco de Dados - COMPERVE - 2020)
A modelagem dimensional é amplamente aceita como uma técnica para expor dados analíticos, pois apresenta dados de maneira compreensível para usuários de negócio, bem como tem um desempenho rápido nas consultas. Nesse contexto, uma tabela de Dimensão:
		
	
	Também é chamada de tabela de medidas.
	
	Deve ser normalizada.
	 
	Tem apenas uma coluna chave primária.
	
	Pode ser categorizada como: aditiva, semiaditiva e não aditiva.
	 
	Fica no centro do modelo dimensional e as demais tabelas ao redor.
	Respondido em 13/06/2022 22:43:50
	
		5a
          Questão
	Acerto: 1,0  / 1,0
	
	(CESGRANRIO - 2012 - LIQUIGÁS - Profissional Júnior - Administração de Banco de Dados)
Considere o sistema de Data Warehouse para responder à questão.
Definições do sistema Data Warehouse:
. Tempo (hierarquia dada por semana, mês e ano).
. Item (hierarquia dada por produto, família de produtos, marca).
. Local (hierarquia dada por loja, cidade, estado, região).
Sejam as seguintes consultas OLAP pedidas pelo cliente:
I - Vendas semestrais de dois tipos de produtos específicos por região.
II - Vendas diárias de uma marca em uma cidade.
III - Vendas mensais por família de produtos por bairro.
IV - Vendas trimestrais por família de produtos de duas regiões diferentes.
De acordo com a hierarquia definida no sistema, são possíveis APENAS as consultas pedidas em:
		
	
	III e IV
	
	I, III e IV
	 
	I e IV
	
	I e II
	
	II e IV
	Respondido em 13/06/2022 22:46:09
	
		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):
 
		
	
	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.
	 
	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.
	
	Produz, ao seu término, uma série de tabelas (chamadas Fatos) que caracterizam-se por possuírem dados normalizados até a 3ª forma normal.
	
	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 13/06/2022 22:48:22
	
		7a
          Questão
	Acerto: 0,0  / 1,0
	
	(FCC - 2018 - DPE-AM - Analista em Gestão Especializado de Defensoria - Analista de Banco de Dados)
Sobre o processo de ETL aplicado a Data Warehouse é correto afirmar que:
 
		
	
	A fase de extração de dados consiste em obter os dados do servidor do Data Warehouse.
	 
	A fase de transformação consiste em realizar modificações nos dados carregados, adequando seus valores ao modelo definido para o Data Warehouse.
	
	A fase de carga de dados visa eliminar valores nulos contidos nos bancos de dados transacionais da empresa.
	 
	A fase de carga de dados consiste em inserir os dados transformados nos bancos de dados transacionais da empresa.
	
	As fases de extração e carga de dados são realizadas de forma simultânea.
	Respondido em 13/06/2022 22:49:00
	
		8a
          Questão
	Acerto: 1,0  / 1,0
	
	Sobre ETL (Extract, TransformandLoad), é correto afirmar que:
 
		
	 
	É o processo para tratamento dos dados de uma ou mais bases de dados de origem, para uma ou mais bases de dados de destino.
	
	Concentra a menor parte do esforço exigido no desenvolvimento de um Data Warehouse.
	
	Na fase de transformação dos dados não devem ser corrigidos erros de digitação ou descoberta de violações de integridade, por exemplo, para os dados serem mantidos como os originais.
	
	A extração e a carga são opcionais no processo, porém a transformação é obrigatória.
	
	Não necessariamente os dados necessitam ficar homogêneos para serem carregados no Data Warehouse, pois uma das funções deste último é resolver os conflitos que não foram resolvidos pela ETL.
	Respondido em 13/06/2022 22:49:10
	
		9a
          Questão
	Acerto: 1,0  / 1,0
	
	(2019 COSEAC - 2019 - UFF - Técnico de Tecnologia da Informação)
No Data Warehouse, a administração, a análise e a geração de relatórios sobre dados multidimensionais são realizadas por meio do modo de processamento:
		
	
	Batch.
	
	Data Marts.
	
	Data Mining.
	 
	OLAP.
	
	CORBA.
	Respondido em 13/06/2022 22:50:04
	
		10a
          Questão
	Acerto: 1,0  / 1,0
	
	(FCC - 2014 - TCE-GO - Analista de Controle Externo - Tecnologia da Informação.)
As ferramentas OLAP permitem efetuar a exploração dos dados de um Data Warehouse (DW). Em relação a este tema é correto afirmar que:Combinando as dimensões, o usuário tem uma visão dos dados de um DW, podendo efetuar operações básicas como slice and dice, drill down e roll up.
	
	A análise multidimensional representa os dados como tabelas, de forma semelhante aos bancos de dados relacionais.
	
	O resultado das operações OLAP não permite a descoberta de tendências e cenários; isso é possível por meio de sistemas ERP, capazes de transformar dados do DW em informações estratégicas.
	
	As operações slice and dice realizam a alteração nos dados do DW modificando o nível de granularidade da consulta.
	
	Para navegar nas dimensões do DW são utilizadas as operações drill, que não afetam o nível de granularidade da consulta.