

Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
Considere as seguintes afirmações sobre data warehouses.
I - Um esquema estrela possui uma tabela fato conectada a uma ou mais tabelas dimensão, as quais não necessitam estar normalizadas.
II - Em um esquema constelação de fatos, as tabelas dimensão são organizadas em uma hierarquia de tabelas resultantes da normalização.
III - As operações drill-up and drill-down atuam sobre o nível de agregação dos dados. A operação de drill-up permite agregar os dados de uma tabela fato ao longo de uma ou mais dimensões, e a operação drill-down oferece a capacidade oposta.
Quais estão corretas?
Apenas I.
Apenas II.
Apenas III.
Apenas I e III.
I, II e III.
Para permitir uma análise coerente, após a denúncia, a concepção de um modelo de dados multidimensional do tipo esquema estrela (star schema), em um Data Warehouse, deve registrar os elementos de dados: identificação do posto, empresa, data da pesagem e tempo de permanência.
Considerando os conceitos fatos e dimensões, os elementos de dados classificados como dimensões são, apenas,
identificação do posto, data da pesagem e tempo de permanência.
empresa, data da pesagem e tempo de permanência.
identificação do posto e empresa.
identificação do posto, empresa e data da pesagem.
empresa e data da pesagem.
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
drill down, que permite ao Auditor aumentar o nível de detalhe de análise das informações de pesagens.
drill off, que permite ao Auditor mudar o foco dimensional de análise das informações de pesagens.
pivot, que permite ao Auditor pular um intervalo dimensional de análise das informações de pesagens.
drill accross, que permite ao Auditor mudar o escopo de análise das informações de pesagens, filtrando e rearranjando determinadas partes do cubo de dados.
roll out, que permite ao Auditor diminuir o nível de detalhe de análise das informações de pesagens.
Sobre os dados do Data Warehouse, avalie as afirmações a seguir.
I. São integrados.
II. São orientados por assunto.
III. Contêm poucos níveis de detalhes.
IV. Contêm dados históricos de um período curto.
V. São dados capturados em um determinado momento.
Está correto apenas o que se afirma em
I, II e III.
I, II e V.
I, III e V.
II, III e IV.
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.
Ao fazer uma transformação para o modelo estrela, ele deve organizar:
venda, como tabela fato; cliente e vendedor, como tabelas dimensão
cliente e vendedor, como tabelas fato; venda, como tabela dimensão
cliente, como tabela fato; venda e vendedor, como tabelas dimensão
vendedor e venda, como tabelas fato; cliente, como tabela dimensão
vendedor, como tabela fato; cliente e venda, como tabelas dimensão
O que representa um Data Warehouse?
Sistema de tecnologia usada em banco de dados.
Função similar ao layout da rede de computadores.
Depósito de dados digitais.
Os dados codificados dos usuários.
Leia as afirmativas a seguir:
I. A área de atuação dos sistemas Objeto-Relacional tenta suprir a dificuldade dos sistemas relacionais convencionais, que é o de representar e manipular dados complexos, visando ser mais representativos em semântica e construções de modelagens.
II. O termo dados refere-se ao valor de um campo armazenado, matéria-prima para obtenção de informação.
III. O metadados contém informações relevantes sobre a criação, gerenciamento e uso do data warehouse e funciona como uma ponte entre os usuários do data warehouse e os dados nele contidos.
IV. O modelo relacional impede a implementação de estruturas de dados organizadas em relações.
Marque a alternativa CORRETA:
Nenhuma afirmativa está correta.
Apenas uma afirmativa está correta.
Apenas duas afirmativas estão corretas.
Apenas três afirmativas estão corretas.
Todas as afirmativas estão corretas.
Os data warehouses são modelados utilizando-se técnicas como a modelagem multidimensional, em que as dimensões podem se relacionar entre elas ou entre as dimensões e a fato, sendo, em qualquer caso, limitada a uma métrica aditiva por dimensão e a uma tabela fato por modelo.
Certo
Errado
Os dados contidos em um datawarehouse (DW) típico são provenientes de diversas fontes. É necessário que os valores contidos no DW apresentem boa qualidade para que numa futura análise desses valores seja apresentado resultado coerente. Assim, é correto afirmar, sobre ETL, que
no processo de integração ocorre a etapa de limpeza e integração dos dados.
ele tem como função a extração dos dados de diversas fontes, transformação dos dados conforme as regras do negócio e a carga dos mesmos dados em um DW.
um ETL refere-se a um processo de extração, análise e definição das regras do negócio.
ETL é um sistema de transações operacionais de nível SAG.
na técnica de ETL ocorre a coleta de dados formalizados da organização, tratamento da informação de maneira a separar dados errôneos de dados verídicos e etapa de aprendizagem com base na definição estratégica do negócio.
No contexto de data warehouse, uma outra possibilidade de suporte aos dados é o data mart. Assinale a alternativa que apresenta uma definição de data mart.
Data mart é uma cópia de um data warehouse para realizar buscas e alterações dos dados.
Data mart é uma versão atualizada do data warehouse para suportar pesquisa e alterações dos dados.
Data mart é um subconjunto de dados referentes a uma área específica, escolhidos de forma aleatória no data warehouse.
Data mart é uma versão do data warehouse carregada no computador do cliente, visando agilizar suas buscas.
Data mart é um subconjunto de dados referentes a uma área específica, não normalizados e indexados para suportar pesquisas.
O investimento para empreendimentos que considerem o mês corrente ou um período atual em que haja rastreabilidade dos dados lá armazenados é o mais apropriado para a realização de um projeto de data warehouse.
Certo
Errado
Vários recursos da tecnologia da informação visam facilitar o acesso a informações exatas e atualizadas para a tomada de decisão organizacional. O recurso que consiste em armazenar dados catalogados em um mesmo formato, extraídos de vários bancos de dados e que apresenta metadados, além de volumosos dados detalhados atuais e históricos, assim como dados relativamente reduzidos para minimizar o tempo de processamento aos usuários que os utilizam, é denominado de
Sistema de Apoio à Decisão (SAD).
Data Mining.
Sistemas de Informações Gerenciais (SIG).
Data Warehouse.
A Gestão da Tecnologia da Informação pode ser definida como a administração de software, hardware, bancos de dados e também de pessoas de uma organização, com o foco na melhoria e otimização de processos e procedimentos, redução de custos e busca continua de soluções para a empresa em que o profissional atua. Para auxiliar as empresas na tomada de decisões podem ser utilizados sistemas de informação e estratégias de negócio. Associe a coluna da direita de acordo com o tipo de sistema de informação/estratégia de negócio apresentado na coluna da esquerda.
(1) Enterprise Resource Planning
(2) Data Warehouse
(3) Data Mining
(4) Business Intelligence
(5) Customer Relationship Management
( ) registram, processam e documentam cada fato novo na engrenagem corporativa, distribuindo a informação de maneira clara e segura, em tempo real.
( ) uma estratégia de negócio voltada ao entendimento e à antecipação das necessidades dos clientes atuais e potenciais de uma empresa.
( ) é um conjunto de sistemas que tem como objetivo agregar e estabelecer relações de informação entre todas as áreas de uma empresa, propiciando confiabilidade nos dados, em tempo real.
( ) um ambiente de suporte à decisão que alavanca dados armazenados em diferentes fontes e os organiza e entrega aos tomadores de decisões da empresa independente da plataforma que utilizam ou de sua qualificação técnica.
( ) procura descobrir padrões, tendências e correlações ocultas nos dados, que possam propiciar uma vantagem competitiva estratégica a uma empresa.
Assinale a alternativa que contém a ordem CORRETA de associação, de cima para baixo.
4,1,5,2,3
5,4,1,3,2
5,1,4,2,3
4,5,1,2,3
4,5,1,3,2
Segundo Machado (2013), a arquitetura de um ambiente de Data Warehouse inclui, além de estrutura de dados, mecanismos de comunicação, processamento e apresentação da informação para o usuário final, conforme ilustrado a seguir.

De forma geral, além dos repositórios de dados, as ferramentas existentes podem ser divididas em dois grupo. O primeiro é o responsável pela extração dos dados de múltiplos sistemas operativos e fontes externas, assim como pela limpeza, transformação e integração dos dados; enquanto o segundo é o responsável pelas consultas orientadas para o usuário final. Tais ferramentas são, respectivamente:
ETL e OLAP.
SGBD e Data Mart.
Dashboard e PL/QL.
Metadados e Web Browser.
Data Mining e Modelagem Multidimensional.
No projeto de um data warehouse, a questão da granularidade representa um aspecto de suma importância. Sobre a granularidade, é correto afirmar que representa o
nível (grau) de detalhamento dos dados contidos no data warehouse.
número de atributos do tipo numérico das tabelas do data warehouse.
número de tabelas contidas em um modelo dimensional do data warehouse.
tempo médio entre falhas da ferramenta de software do data warehouse.
tempo necessário para a iniciação da ferramenta de software do data warehouse.
No processo ETL de um data warehouse: (I) a tradução de valores codificados conhecida como limpeza de dados (por exemplo, supondo que o sistema de origem armazena 1 para sexo masculino e 2 para feminino, mas o data warehouse armazena M para masculino e F para feminino) e (II) a geração de valores de chaves substitutas (surrogate keys) são
integrantes da etapa de transformação.
integrantes das etapas de transformação e carga, respectivamente.
manipulações de dados, aplicáveis no processo pivoting.
elementos que possibilitam a conversão de drill-down para roll up.
integrantes da etapa de carga.