Prévia do material em texto
<p>Disc.: NPG6565 - FUND.BIG.DAT</p><p>Período: 2024.3 EAD ML (POS)</p><p>Aluno: WILSON GONÇALVES SOARES</p><p>Matr.: 202408019564</p><p>Prof.: REGINA LUCIA NAPOLITANO FELICIO FELIX BATISTA</p><p>Turma: 9001</p><p>Lupa</p><p>VERIFICAR E ENCAMINHAR</p><p>Olá,</p><p>Responda todas as questões com atenção. Somente clique no botão VERIFICAR E ENCAMINHAR quando tiver certeza que respondeu todas as questões.</p><p>A seguir, confira suas respostas e clique no botão FINALIZAR..</p><p>Para questões objetivas, marque a única opção correta.</p><p>Valor da prova: 10 pontos.</p><p>1 ponto</p><p>1.</p><p>O mapeamento da fonte dos dados é uma verificação mais detalhada da origem dos dados mapeados durante o levantamento de requisitos. Sobre o mapeamento da fonte de dados, é correto afirmar que:</p><p>(Ref.: 202415695802)</p><p>Será realizado somente se os usuários não souberem informar quais são os sistemas de origem para o Data Warehouse.</p><p>Não é necessário realizar esse mapeamento, pois não há risco de ausência ou indisponibilidade dos dados no sistema origem.</p><p>É realizada a localização dos dados no sistema origem e são identificados o nome da tabela que será acessada, o nome, o tamanho e o tipo de dado do campo.</p><p>Não é necessário em projetos de Data Warehouse.</p><p>Será realizado somente se os dados forem extraídos de mais de uma fonte de dados.</p><p>1 ponto</p><p>2.</p><p>Os metadados são dados de mais alto nível que descrevem dados de um nível inferior. Eles expressam significado sobre os dados. Devido a sua importância para um projeto de DW/DM, os metadados devem:</p><p>(Ref.: 202415695805)</p><p>Ser criados somente se a abordagem utilizada no desenvolvimento for a top-down.</p><p>Ser criados ao longo do projeto de forma incremental.</p><p>Ser definidos e criados no início do projeto, não havendo necessidade de atualizá-los.</p><p>Ser criados somente se o Data Warehouse buscar dados de vários sistemas fontes e atualizados sempre que um novo sistema for utilizado como fonte.</p><p>Ser criados no final do projeto para não impactar no desenvolvimento das atividades arquiteturais.</p><p>1 ponto</p><p>3.</p><p>(Adaptado de: AOCP - SUSIPE-PA - Técnico em Gestão de Infraestrutura - Técnico em Gestão de Informática - 2018)</p><p>No contexto de Data Warehouse, outra possibilidade de suporte aos dados é o Data Mart. Assinale a alternativa que apresenta uma definição de Data Mart:</p><p>(Ref.: 202415696097)</p><p>Subconjunto de dados referentes a uma área específica, não normalizados e indexados para suportar pesquisas.</p><p>Cópia de um Data Warehouse para realizar buscas e alterações dos dados.</p><p>Subconjunto de dados referentes a uma área específica, escolhidos de forma aleatória no Data Warehouse.</p><p>Versão atualizada do Data Warehouse para suportar pesquisa e alterações dos dados.</p><p>Versão do Data Warehouse carregada no computador do cliente, visando agilizar suas buscas.</p><p>1 ponto</p><p>4.</p><p>Universidade Federal do Rio de Janeiro (UNIRIO) - Analista de Tecnologia da Informação (CESGRANRIO - 2019)</p><p>Um desenvolvedor recebeu a incumbência de construir uma Data Warehouse sobre as vendas da empresa. Para isso, teve acesso a um banco de dados relacional que incluía as seguintes tabelas, onde as chaves primárias estão sublinhadas:</p><p>ITEMDEVENDA(itemid,vendaid,produtoid,quantidade,desconto,valorvendido) VENDA(vendaid,vendedorid,cpfcliente,valortotal,valorimposto,data,hora) PRODUTO(produtoid,fabricanteid,nomeproduto,valorunitario) CLIENTE(cpfcliente,nomecliente,idadecliente,enderecocliente,telefonecliente) VENDEDOR(vendedorid,CPFvendedor,nomevendedor) LOJA(lojaid,nomeloja,enderecoloja,cidadeid)</p><p>CIDADE(cidadeid,nomecidade)</p><p>FABRICANTE(fabricanteid,nomefabricante)</p><p>Os diretores desejam estudar relatórios sobre a venda de produtos, como a quantidade de cada produto vendido em um dia, semana ou mês, ou que produtos são vendidos juntos. Para garantir a menor granularidade possível no modelo dimensional e alta flexibilidade nas consultas, em um modelo Estrela, a tabela fato deve registrar em cada linha o(a)</p><p>(Ref.: 202415696144)</p><p>Quantidade de produtos vendidos por fabricante</p><p>Agregado de venda de cada produto por dia</p><p>Valor agregado de cada venda por dia</p><p>Equivalente ao item de venda</p><p>Agregado de cada venda de produto por dia, semana ou mês</p><p>1 ponto</p><p>5.</p><p>Companhia de Saneamento Básico de São Paulo (SABESP) - Diversos Cargos (FCC - 2018)</p><p>Ao construir um modelo de dados para um data warehouse de sua empresa, um desenvolvedor viu-se às voltas com três tabelas relacionais: venda, cliente e vendedor.</p><p>Ao fazer uma transformação para o modelo estrela, ele deve organizar:</p><p>(Ref.: 202415696145)</p><p>Cliente e vendedor, como tabelas fato; venda, como tabela dimensão</p><p>Cliente, como tabela fato; venda e vendedor, como tabelas dimensão</p><p>Venda, como tabela fato; cliente e vendedor, como tabelas dimensão</p><p>Vendedor, como tabela fato; cliente e venda, como tabelas dimensão</p><p>Vendedor e venda, como tabelas fato; cliente, como tabela dimensão</p><p>1 ponto</p><p>6.</p><p>Secretaria de Estado da Fazenda de Santa Catarina (SEFAZ-SC) - Auditor Fiscal (FCC - 2018)</p><p>Para responder à questão, considere o seguinte caso hipotético:</p><p>Um Auditor da Receita Estadual pretende descobrir, após denúncia, elementos que possam caracterizar e fundamentar a possível existência de fraudes, tipificadas como sonegação tributária, que vêm ocorrendo sistematicamente na arrecadação do ICMS. A denúncia é que, frequentemente, caminhões das empresas Org1, Org2 e Org3 não são adequadamente fiscalizados nos postos de fronteiras. Inobservâncias de procedimentos podem ser avaliadas pelo curto período de permanência dos caminhões dessas empresas na operação de pesagem, em relação ao período médio registrado para demais caminhões.</p><p>Para caracterizar e fundamentar a existência de possíveis fraudes, o Auditor deverá coletar os registros diários dos postos por, pelo menos, 1 ano e elaborar demonstrativos para análises mensais, trimestrais e anuais.</p><p>O Auditor poderá fazer análises de pesagens diversas a partir de operações feitas sobre o cubo de dados multidimensional do Data Warehouse, por exemplo, trocar a ordem, ou aumentar ou diminuir a granularidade dos dados em análise, entre outras, como é o caso do uso da operação OLAP.</p><p>(Ref.: 202415696191)</p><p>Drill down, que permite ao Auditor aumentar o nível de detalhe de análise das informações de pesagens.</p><p>Roll out, que permite ao Auditor diminuir o nível de detalhe de análise das informações de pesagens</p><p>Pivot, que permite ao Auditor pular um intervalo dimensional de análise das informações de pesagens</p><p>Drill off, que permite ao Auditor mudar o foco dimensional de análise das informações de pesagens</p><p>Drill accross, que permite ao Auditor mudar o escopo de análise das informações de pesagens, filtrando e rearranjando determinadas partes do cubo de dados</p><p>1 ponto</p><p>7.</p><p>O particionamento em Data Warehouse apoia o gerenciamento de data sets. Onde o particionamento pode ser aplicado e quais são os tipos de particionamento:</p><p>(Ref.: 202415695966)</p><p>Pode ser aplicado em tabelas e índices. Os tipos de particionamento são: vertical e horizontal.</p><p>Pode ser aplicado em função. Os tipos de particionamento são: retos e planos.</p><p>Pode ser aplicado em função. Os tipos de particionamento são: invertido e parcial.</p><p>Pode ser aplicado em procedures. Os tipos de particionamento são: pleno e parcial.</p><p>Pode ser aplicado em chaves. Os tipos de particionamento são: direto e indireto.</p><p>1 ponto</p><p>8.</p><p>Quando o modelo de dados multidimensionais começa a ser definido, elementos básicos de representação precisam ter sido estabelecidos, de modo a se criar um padrão de modelagem. Considere um modelo em que as dimensões e fatos são representados em tabelas, podendo haver múltiplas dimensões</p><p>e múltiplas tabelas de fatos, com a sua descrição contendo as lacunas I, II, III e IV abaixo.</p><p>Ao modelar cada tabela ___ I ___ devem ser considerados os seguintes pontos:</p><p>- A chave primária é composta, sendo um elemento da chave para cada dimensão;</p><p>- Cada elemento chave para a dimensão deve ser representado e descrito na tabela ___ II ___ correspondente (para efetuar a junção);</p><p>- A dimensão tempo é sempre representada como parte da chave primária.</p><p>Deve haver uma tabela ___ III ___ para cada dimensão do modelo, contendo</p><p>- Uma chave artificial (ou gerada) genérica;</p><p>- Uma coluna de descrição genérica para a dimensão;</p><p>- Colunas que permitam ___ IV ___;</p><p>- Um indicador nível que indica o nível da hierarquia a que se refere a linha da tabela.</p><p>As lacunas são corretas e, respectivamente, preenchidas com:</p><p>(Ref.: 202415695964)</p><p>De tempo - dimensão - de fatos - a junção com as tabelas de dimensão.</p><p>Dimensão - de fatos - de tempo - efetuar os filtros.</p><p>De fatos - dimensão - dimensão - efetuar os filtros.</p><p>De fatos - de tempo - dimensão - sinalizar a presença de fatos para o período de tempo indicado na linha.</p><p>Dimensão - de fatos - de fatos - a junção com as tabelas de fatos.</p><p>1 ponto</p><p>9.</p><p>Assinale a opção correta acerca de elementos básicos de datawarehouse (presentation area, staging area, data source e data access) e de extract transformation load (ETL).</p><p>(Ref.: 202415695965)</p><p>Para maior confiabilidade em ETL, a importação de dados para o datawarehouse deve ser limitada a apenas uma fonte de dados (data source).</p><p>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).</p><p>Define-se staging area como tudo o que existe entre a fonte de dados (data source) e a área de apresentação (presentation area).</p><p>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.</p><p>Os dados são efetivamente organizados e armazenados em staging area, sendo disponibilizados para consulta pelas ferramentas da área de acesso a dados (data access).</p><p>1 ponto</p><p>10.</p><p>Selecione a opção em que a computação se refere à execução de aplicações e serviços em uma rede distribuída usando recursos virtualizados.</p><p>(Ref.: 202414088813)</p><p>Computação em Nuvem</p><p>Computação centralizada</p><p>Computação de Big Data</p><p>Computação Paralela</p><p>Computação de banco de dados</p><p>image3.wmf</p><p>image4.wmf</p><p>image1.gif</p><p>image2.gif</p>