ARQUITETURA DE DATA WAREHOUSE

Prévia do material em texto

22/05/2021 Estácio: Alunos
https://simulado.estacio.br/alunos/?p0=186165540&user_cod=2666568&matr_integracao=202002599961 1/5
 
Disc.: ARQUITETURA DE DATA WAREHOUSE E DATA MARTS 
Aluno(a): MAYRA TAVARES GONÇALVES 202002599961
Acertos: 8,0 de 10,0 17/05/2021
Acerto: 1,0 / 1,0
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:
Ser criado no final do projeto para não impactar no desenvolvimento das atividades arquiteturais.
Ser criado somente para a abordagem utilizada no desenvolvimento for a Top-Down.
Ser definido e criado no início do projeto, não havendo necessidade de atualizá-lo.
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 criado ao longo do projeto de forma incremental.
Respondido em 17/05/2021 20:42:06
Explicação:
Ser criado ao longo do projeto de forma incremental.
Acerto: 0,0 / 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), atas de reunião,
documento de consultas predefinidas e o documento de apontamento das origens dos dados.
 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 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 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.
Respondido em 17/05/2021 20:45:56
 Questão1
a
 Questão2
a
https://simulado.estacio.br/alunos/inicio.asp
javascript:voltar();
22/05/2021 Estácio: Alunos
https://simulado.estacio.br/alunos/?p0=186165540&user_cod=2666568&matr_integracao=202002599961 2/5
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.
Acerto: 1,0 / 1,0
(CESPE - 2018 - TCM-BA - Auditor Estadual de Controle Externo.)
Acerca de modelagem dimensional assinale a opção correta.
 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.
Os Fatos e Dimensões não são tabelas do banco de dados, pois, no modelo dimensional, são componentes do
cubo de um Data Warehouse.
No modelo Estrela, as dimensões são normalizadas para tornar mais ágeis as consultas analíticas.
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.
Respondido em 17/05/2021 20:31:09
Explicação:
As granularidades fundamentais para classificar todas as tabelas Fato de um modelo dimensional são: transacional,
snapshot periódico e snapshot acumulado.
Acerto: 1,0 / 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).
 
 Define-se staging area como tudo o que existe entre a fonte de dados (data source) e a área de apresentação
(presentation area).
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.
Os dados são efetivamente organizados e armazenados em staging area, sendo disponibilizados para consulta
pelas ferramentas da área de acesso a dados (data access).
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).
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).
 
Respondido em 17/05/2021 20:31:28
Explicação:
Define-se staging area como tudo o que existe entre a fonte de dados (data source) e a área de apresentação
(presentation area).
Acerto: 1,0 / 1,0
Petrobras Transporte S.A (TRANSPETRO) 2018 (2ª edição), Cargo: Analista de Sistemas Júnior (SAP)
 Questão3
a
 Questão4
a
 Questão5
a
22/05/2021 Estácio: Alunos
https://simulado.estacio.br/alunos/?p0=186165540&user_cod=2666568&matr_integracao=202002599961 3/5
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?
 
Floco de Neve, otimizando o desempenho do acesso aos dados pela decomposição de dimensões indexadas.
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.
Estrela, pela conjugação da dimensão Tempo com as demais dimensões, que a princípio deveriam ser
modeladas em separado.
 Floco de Neve, especializando tabelas de Dimensão por decomposição hierárquica.
Respondido em 17/05/2021 20:32:45
Explicação:
Conceito sobre os esquemas Estrela e Floco de Neve destacando o uso das hierarquias.
Acerto: 1,0 / 1,0
FCC - 2012 - TST - Analista Judiciário - Análise de Sistemas.
O processo de ETL em um Data Warehouse possui várias fases. Em uma destas fases é efetuada a
Indefinição dos custos e prazos.
 Extração dos dados dos sistemas de origem.
Validação das interfaces de usuário.
Criação de diagramas estáticos e comportamentais das classes e atributos.
 
Introdução de novos produtos no mercado.
Respondido em 17/05/2021 20:33:28
Explicação:
Extração dos dados dos sistemas de origem.
Acerto: 1,0 / 1,0
 Questão6
a
 Questão7
a
22/05/2021 Estácio: Alunos
https://simulado.estacio.br/alunos/?p0=186165540&user_cod=2666568&matr_integracao=202002599961 4/5
(AOCP - 2012 - TCE-PA - Assessor Técnico de Informática - Analista de Sistemas.)
Para se transformar os dados conforme regras de negócio visando carregá-lo em um Data Warehouse, por exemplo,
algumas fontes de dados podem requerer muita manipulação. Sendo assim, podem ser necessários um ou mais de um
tipo de transformação, onde três deles são:
 
Refinamento, Tradução, Componentização.
Extração, Tradução, Junção.
Carga, Extração, Refinamento.
Extração, Pipeline, Componentização.
 Transposição, Junção, Derivação.
Respondido em 17/05/2021 20:34:43
Acerto: 1,0 / 1,0
FCC - Defensoria Pública do Estado do Rio Grande do Sul - RS (DPE/RS) 2017 Cargo: Analista - Área Tecnologia da
Informação - Especialidade: Banco de Dados
Um dos modelos mais u�lizados no projeto e implementação de um Data Warehouse é o modelo
dimensional ou mul�dimensional. Em um modelo dimensional (composto por uma tabela Fato e
várias tabelasDimensão):
A tabela Fato tem uma cardinalidade de mapeamento de um para um com cada tabela Dimensão.
As tabelas Dimensão comportam um número máximo teórico de atributos.
 A tabela Fato deve conter atributos numéricos, visando proporcionar dados para uma análise de atividades da
empresa.
As tabelas Dimensão devem conter apenas atributos do tipo literal.
Há um número teórico mínimo de três e máximo de 15 tabelas Dimensão.
 
Respondido em 17/05/2021 20:35:36
Explicação:
A tabela Fato deve conter atributos numéricos, visando proporcionar dados para uma análise de atividades da empresa.
Acerto: 1,0 / 1,0
FCC Instituições: TRT - 15ª Região Provas: Analista Judiciário ¿ Tecnologia da Informação
No contexto de Business Intelligence, os sistemas OLAP e OLTP se diferenciam em diversas características. Na
tabela a seguir, no que diz respeito às características, está INCORRETO:
Característica - Performance. /OLAP - Otimização para leitura e geração de análise e relatórios gerenciais.
/ OLTP - Alta velocidade na manipulação de dados operacionais, porém ineficiente para geração de
análises gerenciais.
Característica - Tipo de permissões nos dados. /OLAP - É permitido apenas inserção e leitura. Para o usuário está disponível
apenas a leitura. / OLTP - Podem ser feitas leitura, inserção, modificação e exclusão de dados.
 Questão8
a
 Questão9
a
22/05/2021 Estácio: Alunos
https://simulado.estacio.br/alunos/?p0=186165540&user_cod=2666568&matr_integracao=202002599961 5/5
Característica - Volatilidade. /OLAP - Dados históricos e não voláteis que praticamente não sofrem alterações salvo em casos
específicos motivados por erros ou inconsistências. / OLTP -Dados voláteis, passíveis de modificação e exclusão.
Característica - Estrutura dos dados. /OLAP - Armazenamento feito em Data Warehouse com otimização no desempenho em
grandes volumes de dados. / OLTP - Armazenamento feito em bancos de dados convencionais pelos sistemas de informação
da organização.
 Característica - Foco. /OLAP - Nível operacional da organização. Visa a execução operacional do negócio. / OLTP - Nível
estratégico da organização. Visa a análise empresarial e tomada de decisão.
Respondido em 17/05/2021 20:36:44
Explicação:
Característica - Foco. /OLAP - Nível operacional da organização. Visa a execução operacional do negócio. / OLTP - Nível estratégico da
organização. Visa a análise empresarial e tomada de decisão.
Acerto: 0,0 / 1,0
No Power BI é possível u�lizar Funções M e DAX. A respeito dessas funções é possível afirmar que:
 As funções M são utilizadas na preparação e transformação dos dados no editor de consultas do Power BI e as
funções DAX são utilizadas para realizar tarefas analíticas, como cálculos.
As funções M são utilizadas para realizar tarefas analíticas, como cálculos, e as funções DAX são utilizadas na
preparação e transformação dos dados no editor de consultas do Power BI.
 As funções M são utilizadas na preparação e transformação dos dados no editor de consultas do Power BI e as
funções DAX para carregar os dados nas tabelas do modelo de dados.
As funções M são utilizadas a extração dos dados no editor de consultas do Power BI e as funções DAX são
utilizadas para realizar tarefas analíticas, como cálculos.
As funções M e DAX são utilizadas para resolver operações de análises Drill Down e Rolap Up.
Respondido em 17/05/2021 20:39:59
Explicação:
As funções M são utilizadas na preparação e transformação dos dados no editor de consultas do Power BI e as funções
DAX são utilizadas para realizar tarefas analíticas, como cálculos.
 Questão10
a
javascript:abre_colabore('38403','225890518','4593713532');