PROVA Modelagem e arquitetura do DW docx

Prévia do material em texto

Modelagem e arquitetura do DW (Data 
Warehouse) 
 
Prepare-se! Chegou a hora de você testar o conhecimento adquirido nesta disciplina. A Avaliação Virtual 
(AV) é composta por questões objetivas e corresponde a 100% da média final. Você tem até cinco 
tentativas para “Enviar” as questões, que são automaticamente corrigidas. Você pode responder as 
questões consultando o material de estudos, mas lembre-se de cumprir o prazo estabelecido. Boa prova! 
1) 
A mineração de dados é comumente classificada pela sua capacidade em realizar tarefas para diferentes 
domínios. A literatura indica que não existe um consenso de denominação quanto à classificação, 
funcionalidades, tarefas, métodos ou técnicas de mineração de dados. Contudo, Fayyad et al. (1996) 
apresentam alguns métodos de mineração de dados que têm como objetivo a predição ou descrição dos 
resultados: 
(FAYYAD, U.M. et al. Advances in knowledge discovery and data mining. California: AAAI Press, 1996). 
Sobre as técnicas de Data Mining, julgue os itens a seguir, indicando “V” para o item verdadeiro e “F” para o 
item falso: 
1. ( ) Regressão: usa-se para associar ou classificar um item a uma ou a várias categorias pré-
definidas, derivando uma regra que possa ser usada para classificar uma observação, referente a um 
conjunto de dados identificados que são categorizados por um assunto. 
2. ( ) Análise de Séries Temporais: refere-se a tarefa similar à classificação, porém é usada quando os 
dados são identificados por predição de valores numéricos, considerados variáveis independentes 
ou exploratórias, e não pela categorização dos itens analisados, sendo possível verificar o eventual 
relacionamento funcional que possa existir entre duas ou mais variáveis quantitativas. 
3. ( ) Agrupamentos (Clusters): refere-se à tarefa de segmentar um conjunto de dados em grupos 
diferentes, cujos itens são semelhantes, ou seja, subdivide o conjunto de dados em um conjunto 
menor, sendo similar no comportamento dos atributos de segmentação, descobrindo grupos 
diferentes entre o conjunto de dados selecionado. 
4. ( ) Sumarização: refere-se à tarefa de descrever padrões e tendências que são reveladas por 
subconjuntos de dados compactados, a partir de um subconjunto de dados com características 
similares, demostrando as relações funcionais entre as variáveis definidas para a análise exploratória 
do subconjunto de dados 
5. ( ) Análise de Séries Temporais: refere-se a tarefa similar à regra de associação com objetivo de 
aplicar algum tipo de padrão (tendências, variações sazonais, variações cíclicas e variações 
irregulares) no conjunto de dados, para determinar que tipos de sequências podem ocorrer em um 
determinado período. 
Assinale a alternativa que indica a sequência correta: 
 
Alternativas: 
• 
F – V – F – V – F. 
• 
F – F – V – V – V. 
• 
F – F – F – F – F. 
• 
V – V – V – V – V 
• 
V – V – F – V – F. 
Código da questão: 42615 
2) 
O DW tem uma composição que separa a carga de trabalho para análise da carga de trabalho para 
transações. No primeiro caso, permite a consolidação de diferentes fontes nessa carga de trabalho analítica. 
I. Um DW possui um conjunto característico personalizado, distintamente dos ambientes convencionais das 
organizações. 
PORQUE 
II. Há como replicar um DW de uma empresa para outra. Cada projeto de DW não é único em sua essência, 
mas no seu modo de operação e aplicação. 
Assinale a alternativa acerca das asserções supracitadas, bem como a relação entre elas: 
 
Alternativas: 
• 
A primeira asserção está correta e a segunda incorreta. 
• 
A primeira asserção está incorreta e a segunda justifica a primeira. 
• 
A primeira asserção está incorreta e a segunda está correta. 
• 
A primeira e a segunda asserções estão corretas, mas a segunda não justifica a primeira. 
• 
A primeira e a segunda asserções estão incorretas. 
Código da questão: 42579 
3) 
Machado (2013) afirma que uma das principais vantagens de se implantar um Data Mart em uma empresa, 
é a possibilidade de retorno rápido, garantindo um maior envolvimento do usuário final, capaz de avaliar os 
benefícios extraídos de seu investimento. 
(MACHADO, Felipe N. Tecnologia e projeto de data warehouse. 6. ed. São Paulo, SP: Erica, 2013). 
Sobre as características dos Data Marts, analise os itens a seguir: 
I. São orientado por assunto, integrado, volátil e variável no tempo. 
II. Fornecem suporte às decisões de um pequeno grupo de pessoas, departamentos ou área específica do 
negócio. 
III. Demandam menos investimento porque são mais baratos, em função de serem implementados mais 
rápidos. 
IV. Simulam o raciocínio e a capacidade de aprender de um ser humano, permitindo às organizações 
administrarem melhor seus processos. 
Estão corretos os itens: 
 
Alternativas: 
• 
III – IV. 
• 
II – III. 
• 
I – II – III. 
• 
I – II. 
• 
I – II – III – IV. 
Código da questão: 42582 
4) 
Em um banco de dados relacional, a granularidade é baixa, mas é muito importante, o que significa que ela 
é inversamente proporcional ao detalhe do dado armazenado lá. Para se obter granularidade alta, a 
importância do detalhe não pode ser considerada. Marque a alternativa que relaciona a granularidade em 
diferentes níveis e a disponibilidade de detalhamento dos dados. 
 
Alternativas: 
• 
 Entidade. 
• 
Relacionamento. 
• 
Tabela Fato. 
• 
Sumarização. 
• 
Dimensão. 
Código da questão: 42585 
5) 
Para implementar projetos de Data Warehouse, são necessárias algumas considerações conceituais que 
permitem manter o foco nas referências analíticas como finalidade. Nesse sentido, analise as afirmações a 
seguir. 
I. DW é uma coleção orientada por assuntos, integrada, variante no tempo e não volátil. 
II. Os resultados do DW servem para apoiar o processo de tomada de decisão das organizações. 
III. DW é a cópia específica de tabelas do banco analítico para consultas e análises, criando visões 
funcionais. 
IV. A construção de um DW depende fundamentalmente de arquitetura. 
V. DW é uma arquitetura e não uma tecnologia. 
São verdadeiras: 
 
Alternativas: 
• 
II – III – V. 
• 
I – IV. 
• 
I – II – IV – V. 
• 
I – II – III. 
• 
I – IV – V. 
Código da questão: 42577 
6) 
Os ambientes de Data Warehouses (DW) integram sofisticadas ferramentas para análises complexas de 
dados históricos e descoberta de conhecimento, assegurando o suporte à tomada de decisão. Um 
________________ organizacional pode manter um armazém central de dados da organização inteira, ou pode 
manter armazéns menores, descentralizados, denominados ________________. 
Assinale a alternativa que completa adequadamente as lacunas acima: 
 
Alternativas: 
• 
Data Warehouse; Data Marts. 
• 
Data Mining; Data Marts. 
• 
Data Mining; Data Source. 
• 
Data Mining; Data Warehouse. 
• 
Data Warehouse; Data Mining. 
Código da questão: 42581 
7) 
Em um processo de tomada de decisões, a disponibilidade e o fácil acesso às informações organizacionais 
contribuem para uma decisão de sucesso. Assim, a extração eficaz de informações de um ambiente de Data 
Warehouse (DW) para gerar conhecimento é proporcionada por ferramentas que disponibilizam recursos 
avançados para suportar operações sobre o conjunto de dados multidimensional. Pela maior popularidade 
do uso das ferramentas de acesso a um DW, destaca-se as ferramentas __________________________. 
Assinale a alternativa correta que indica o termo que preenche a lacuna acima: 
 
Alternativas: 
• 
Business Inteligence (BI). 
• 
Online Transaction Processing (OLTP). 
• 
Staging Area. 
• 
Online Analytical Processing (OLAP). 
• 
Operational Data Store (ODS). 
Código da questão: 42605 
8) 
Segundo Rob e Coronel (2011), a característica mais marcante das modernas ferramentas OLAP é a 
capacidade de análise multidimensional. Os dados são processados e visualizados em uma estruturamultidimensional, sendo especialmente atrativos para os tomadores de decisões de negócios, sendo que, 
enquanto o DW mantém dados de suporte, a decisões integrados, orientados por assunto, variáveis no 
tempo e não voláteis, o sistema OLAP fornece o front end por meio do qual os usuários finais acessam e 
analisam esses dados. 
(ROB, P.; CORONEL, C. Sistemas de banco de dados: projeto, implementação e administração. 8. ed. São 
Paulo: Cengage Learning, 2011). 
Sobre os critérios que uma ferramenta OLAP deve ter, julgue os itens a seguir: 
I. Dimensionalidade genérica: a ferramenta deve proporcionar condições ao usuário para executar 
manipulações ou cálculos entre as dimensões. 
II. Manipulação de matriz esparsa dinâmica: para qualquer matriz esparsa de dados, existe um e 
somente um esquema físico, o qual provê a máxima eficiência e operacionalidade. 
III. Flexibilidade nas consultas: a análise e a apresentação dos dados tornam-se mais simples quando 
linhas, colunas e células, que vão ser comparadas visualmente, são organizados por agrupamentos 
lógicos. 
IV. Dimensões e níveis de agregação limitados: um modelo analítico comum deve conter uma matriz 
com dimensões de dados definidas entre quatro a cinco dimensões. 
Estão corretos os itens: 
 
Alternativas: 
• 
II – III. 
• 
I – II – III. 
• 
III – IV. 
• 
I – II – III – IV. 
• 
I – II. 
Código da questão: 42607 
9) 
O banco de dados analítico é diferente do banco de dados operacional, transacional ou OLTP (Online 
Transaction Processing), usado para processar as transações. Embora os bancos de dados transacionais 
possam ser usados para suportar o armazenamento de dados e as aplicações de BI, não se recomenda seu 
uso por questões de integridade e escalabilidade. 
I. O banco de dados convencional deve ser preservado, e o banco de dados analíticos deve estar em outro 
schema. 
PORQUE 
II. Um banco de dados analítico tem uma estrutura baseada em coluna, tornando os cálculos individuais 
muito rápidos. Já os bancos de dados transacionais dependem de armazenamento de dados baseado em 
linha, impróprio para operar com grandes volumes de dados. 
Assinale a alternativa acerca das asserções supracitadas, bem como a relação entre elas: 
 
Alternativas: 
• 
A primeira e a segunda asserções estão incorretas. 
• 
A primeira asserção está incorreta e a segunda está correta 
• 
A primeira e a segunda asserções estão corretas, e a segunda complementa a primeira. 
• 
A primeira e a segunda asserções estão corretas, mas a segunda não tem relação com a primeira. 
• 
A primeira asserção está correta e a segunda está incorreta. 
Código da questão: 50534 
 
10) 
Sobre o Modelo Entidade Relacionamento (MER), considere as seguintes afirmações: 
I. Dados como nome, endereço, produto são exemplos de entidade. 
II. Cada entidade possui atributos. 
III. A cardinalidade representa a métrica entre as entidades. 
IV. A tabela de fatos central se conecta a várias tabelas dimensionais. 
V. É o modelo mais amplamente utilizado em nível de abstração de projetos de banco de dados, 
descriminando as características dos dados, chave primária e estrangeira. 
São verdadeiras: 
 
Alternativas: 
• 
II – III – V. 
• 
I – II – III. 
• 
I – IIII. 
• 
I – IV – V. 
• 
I – II – IV – V. 
Código da questão: 42572