Questões de Concurso sobre Aplicações de Big Data

A análise de dados passou a ser aplicada em diversos setores, originando vocabulários e práticas específicas conforme o domínio analisado. Essa diversificação ocorre porque, embora muitas técnicas sejam comuns, cada área possui características próprias que influenciam coleta, processamento e aplicação dos dados.

Considerando essas aplicações verticais, assinale a opção que apresenta um exemplo típico de domínio em que a análise de dados tem sido amplamente utilizada.

Não existe uma definição única e precisa de aplicações ou sistemas de Big Data embora se saiba que eles podem manipular dados estruturados, semiestruturados ou não estruturados. As aplicações ou sistemas de Big Data são tipicamente caracterizados pelos conceitos que compõem os “quatro Vs” (embora outros também tenham sido especificados).

Em relação ao tema, relacione os conceitos a seguir às suas respectivas aplicações.

1. Volume.

2. Variedade.

3. Velocidade.

4. Veracidade.

( ) Os sistemas gerenciadores de bancos de dados relacionais foram projetados e otimizados para funcionar em dados estruturados. Em aplicações de Big Data isto não é mandatório, os demais tipos de dados também têm de ser geridos e processados. Além dos estruturados, os dados podem incluir imagens, texto, áudio e vídeo. Aproximadamente 90% dos dados gerados atualmente são não estruturados. Os sistemas de Big Data precisam ser capazes de gerenciar e processar todos esses tipos de dados perfeitamente.

( ) Os dados usados em aplicações de Big Data vêm de muitas fontes, cada uma pode ter estruturas distintas e não ser totalmente confiáveis, podem haver erros, ruídos, inconsistências, desinformações deliberadas entre outros. São comumente referidos como “dados sujos”, alega-se que dados sujos custam bilhões dólares por ano e os sistemas de Big Data precisam “limpar” os dados e manter sua proveniência para justificar sua confiabilidade.

( ) Os conjuntos de dados usados nas aplicações de Big Data são massivos, normalmente na faixa de petabytes, com o rápido crescimento da Internet as aplicações em breve atingirão zettabytes. Para colocar isso em perspectiva, em 2016, o Google informou que os uploads de usuários para o YouTube exigiram 1 petabytes de nova capacidade de armazenamento por dia. Em 2018, o Facebook armazenava cerca de 250 bilhões de imagens exigindo exabytes de armazenamento.

( ) Um aspecto importante das aplicações de Big Data é que elas precisam lidar com dados que chegam ao sistema sob a forma fluxos em tempo real, exigindo que sejam capazes de processar os dados à medida que eles chegam. O Facebook processa mais de 900 milhões de fotos que os usuários carregam por dia. O Alibaba informou que durante um recente período de pico tiveram que processar 470 milhões registros de eventos por segundo. Sistemas desse tipo não permitem que os dados sejam armazenados antes do processamento.

A relação correta, na ordem apresentada, é:

A análise de dados educacionais em larga escala (Big Data Educacional) tem sido mobilizada em políticas públicas e plataformas adaptativas, suscitando debates sobre epistemologia dos dados, equidade algorítmica e mineração preditiva. À luz dos estudos de Williamson, Selwyn e Slade, qual alternativa expressa uma crítica tecnicamente fundamentada sobre os riscos e potencialidades desta abordagem?

No contexto de big data, existe um conjunto de características classicamente reconhecidas e representadas por “V´s”. Elas foram formuladas inicialmente pela literatura especializada em Big Data em número de três e, posteriormente, ampliadas por outros autores, considerando a descrição das características dos dados e seus desafios técnicos.

Assinale a opção que não representa um “V” válido associado ao conceito de Big Data.

Considerando as aplicações da mineração de dados, qual das seguintes opções descreve um exemplo típico no qual a mineração de dados é aplicada para extrair conhecimento útil de grandes conjuntos de dados?

Em um servidor utilizando a plataforma de aplicação Apache Kafka, a instalação levou em conta a combinação de suas features com a tecnologia de código aberto do Druid (que trabalha com consulta de dados em lote e oferece mecanismos otimizados para consultas de longa duração), permitindo tomadas de decisões em tempo real.

Com essa configuração específica, o Apache Kafka assume perfil condizente com

Um analista de sistemas está desenvolvendo uma aplicação corporativa que requer a manipulação eficiente de grandes volumes de dados. Qual tipo de banco de dados seria mais adequado para atender a essa necessidade, proporcionando desempenho otimizado e escalabilidade?

No contexto da auditoria, onde a precisão e a integridade dos dados são essenciais para garantir a conformidade e a transparência financeira, o Big Data desempenha um papel significativo, emergindo como uma ferramenta poderosa para extrair insights valiosos a partir de grandes volumes de informações. Em Big Data, é importante conhecer e relacionar os princípios fundamentais subjacentes a esse campo. Entre esses princípios, destacam-se os "V's" do Big Data – Volume, Velocidade, Variedade, Veracidade e Valor – que servem como base para a compreensão e aplicação eficaz dessa tecnologia inovadora.

Assinale o aspecto que descreve corretamente o papel do Big Data na auditoria.

Em uma empresa que coleta grandes volumes de feedback dos clientes, um analista de ouvidoria precisa identificar padrões e tendências emergentes a partir desses dados. Considerando os conceitos e modos de utilização de tecnologias, ferramentas e aplicativos de informática, qual das seguintes opções seria a mais eficaz para realizar análises preditivas e de sentimentos em tempo real?