Essa pergunta também está no material:
Respostas
Vamos analisar as alternativas: A) Monitoramento das atividades dos clientes nas redes sociais através da coleta de dados via Spark Streaming, armazenar todos os dados (externos e internos) no HDFS para manter uma base histórica e realizar análises preditivas atribuindo scores para mensurar a aderência do cliente à organização. B) Aplicação de processos tradicionais de ETL e armazenamento de dados no Data Lake ou Data Warehouse. Posteriormente esses dados podem ser processados via Hadoop MapReduce. Além disso, modelos de Machine Learning podem ser aplicados para prever se um cliente sairá ou não da empresa. C) Construção de uma arquitetura de BI híbrida (lote e dados em tempo real). A coleta de dados poderia ficar a cargo do Sqoop e o armazenamento de dados a cargo do Spark. Os dados podem ser analisados por algoritmos de mineração de dados para mapear as atividades dos clientes. D) Coleta dos dados estruturados utilizando o HiveQL e armazenamento em batch (lote) utilizando o HDFS do Hadoop e análise tradicional em cluster para agrupar clientes com mais fidelidade em um mesmo grupo, enquanto que outros formam um segundo grupo. A alternativa mais viável para auxiliar esse gestor seria a alternativa A) Monitoramento das atividades dos clientes nas redes sociais através da coleta de dados via Spark Streaming, armazenando todos os dados no HDFS para análises preditivas e atribuição de scores para mensurar a aderência do cliente à organização.
Responda
Para escrever sua resposta aqui, entre ou crie uma conta