SIMULADO 1

Prévia do material em texto

05/04/22, 16:17 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/4
 
Simulado AV
 avalie seus conhecimentos
Quest.: 1
Metadados são dados de mais alto nível, que descrevem dados de um nível inferior.
Eles expressam significado sobre os dados. Devido à sua importância para um projeto
de DW/DM o Metadados deve:
Quest.: 2
O levantamento de requisito produz artefatos que apoiam o desenvolvimento do projeto de
Data Warehouse. São eles:
Quest.: 3
(CESPE - 2018 - TCM-BA - Auditor Estadual de Controle Externo.)
Acerca de modelagem dimensional assinale a opção correta.
Lupa Calc.
 
 
Aluno: JOÃO VITOR SANTOS MENDES Matr.: 202109056638
Disciplina: CCT1016 - ARQUITETURA DE DATA WAREHOUSE E DATA MARTS Período: 2022.1 EAD (GT) / SM
 
1.
Ser criado ao longo do projeto de forma incremental.
Ser criado somente para a abordagem utilizada no desenvolvimento for a Top-Down.
Ser criado no final do projeto para não impactar no desenvolvimento das atividades arquiteturais.
Ser criado somente se o Data Warehouse buscar dados de vários sistemas fontes e deve ser atualizado
sempre que um novo sistema for utilizado como fonte.
Ser definido e criado no início do projeto, não havendo necessidade de atualizá-lo.
 
2.
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 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.
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 final de Metadados, documento das medidas
que serão analisadas (Indicadores), documento de consultas predefinidas e o documento de
apontamento das origens dos dados.
 
 
3.
javascript:voltar();
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114188276.')
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114188280.')
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114030656.')
javascript:diminui();
javascript:aumenta();
javascript:calculadora_on();
05/04/22, 16:17 Estácio: Alunos
https://simulado.estacio.br/alunos/ 2/4
Quest.: 4
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).
 
Quest.: 5
FCC - 2014 - TCE-RS - Auditor Público Externo - Técnico em Processamento
de Dados - Conhecimentos Específicos.
A granularidade de dados é uma questão crí�ca no projeto de um Data Warehouse (DW), pois
afeta o volume de dados que reside no DW e, ao mesmo tempo, afeta o �po de consulta que
pode ser atendida. Considere:
I. Quanto mais detalhes exis�rem, mais baixo será o nível de granularidade. Quanto menos
detalhe exis�rem, mais alto será o nível de granularidade.
II. Quando há um nível de granularidade muito alto, o espaço em disco e o número de índices
necessários se tornam bem menores, mas há uma correspondente diminuição da possibilidade
de u�lização dos dados para atender a consultas detalhadas.
É correto afirmar que a afirma�va I:
Quest.: 6
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.
No modelo Estrela, as dimensões são normalizadas para tornar mais ágeis as consultas analíticas.
As granularidades fundamentais para classificar todas as tabelas Fato de um modelo dimensional são:
transacional, snapshot periódico e snapshot acumulado.
Os Fatos e Dimensões não são tabelas do banco de dados, pois, no modelo dimensional, são
componentes do cubo de um Data Warehouse.
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.
 
4.
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).
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).
 
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.
 
5.
Está incorreta. A afirmativa II está correta, pois é coerente em relação ao nível de granularidade,
espaço em disco e tipos de consultas em um DW.
 
É equivalente a: quanto menos detalhes há nos dados, menor é a granularidade; consequentemente,
quanto mais detalhes existem, maior é a granularidade.
E a afirmativa II estão incorretas. Ambas apresentam incoerência em relação ao nível de granularidade,
espaço em disco e tipos de consultas em um DW.
E a afirmativa II estão corretas e coerentes em relação ao nível de granularidade, espaço em disco e
tipos de consultas em um DW.
Está correta. A afirmativa II está incorreta, pois apresenta incoerência em relação ao nível de
granularidade, espaço em disco e tipos de consultas em um DW.
 
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114196701.')
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114196706.')
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114045628.')
05/04/22, 16:17 Estácio: Alunos
https://simulado.estacio.br/alunos/ 3/4
(FCC - 2019 - SANASA Campinas - Analista de Tecnologia da Informação - Análise e Desenvolvimento.)
Atenção: Para responder à questão, considere a imagem a seguir.
O Processo, representado na imagem por um retângulo vertical, é um método de alimentação do Data
Warehouse a partir de diversos dados da organização. Trata-se de
Quest.: 7
(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:
 
Quest.: 8
Sobre ETL (Extract, TransformandLoad), é correto afirmar que:
 
Quest.: 9
6.
ERP
ETL
CRM
ODS
EIS
 
7.
A fase de carga de dados consiste em inserir os dados transformados nos bancos de dados
transacionais da empresa.
A fase de carga de dados visa eliminar valores nulos contidos nos bancos de dados transacionais da
empresa.
A fase de extração de dados consiste em obter os dados do servidor do Data Warehouse.
As fases de extração e carga de dados são realizadas de forma simultânea.
A fase de transformação consiste em realizar modificações nos dados carregados, adequando seus
valores ao modelo definido para o Data Warehouse.
 
8.
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.
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.
Concentra a menor parte do esforço exigido no desenvolvimento de um Data Warehouse.
A extração e a carga sãoopcionais no processo, porém a transformação é obrigatória.
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.
 
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114042632.')
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114022715.')
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114015981.')
05/04/22, 16:17 Estácio: Alunos
https://simulado.estacio.br/alunos/ 4/4
(2013 DNIT Analista Administrativo - Tecnologia da Informação Disciplina)
São regras de avaliação de produtos OLAP:
Quest.: 10
(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.
 
9.
Visão conceitual multidimensional para restringir consultas. Transparência ao usuário. Dimensionalidade
genérica. Manipulação dedutiva dos dados.
Transferência ao usuário. Desempenho consistente na geração de relatórios. Dimensionalidade
cumulativa. Operações irrestritas com dimensões cruzadas.
Extensão conceitual dos dados. Transparência ao dispositivo de acesso. Manipulação intuitiva dos
dados. Operações irrestritas com indicações 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.
 
10.
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 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.
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 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.
 
 
 
 
 Não Respondida Não Gravada Gravada
 
 
 
 
 
javascript:alert('Quest%C3%A3o com o c%C3%B3digo de refer%C3%AAncia 202114015983.')