

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.
Uma entidade pública deseja um novo sistema de relatórios gerenciais consolidados com histórico, apresentando questões como tendência por mês, comparativo por unidade e tipo de serviço. Esta nova solução não pode impactar o desempenho dos sistemas transacionais atuais. Nesse caso, é uma solução CORRETA ao objetivo do cenário apresentado:
Data Warehouse com modelagem voltada à análise e histórico integrado.
Base transacional OLTP com normalização máxima para análises.
Cache em memória substituindo processo de integração de dados.
Replicação síncrona entre bancos OLTP, substituindo BI.
Em uma planilha do Microsoft Excel para Office 365 (Configuração Padrão – Idioma Português-Brasil), registram-se transações de vendas, em que a coluna A armazena a data da operação, no formato dd/mm/aaaa, a coluna B o valor monetário correspondente e a coluna C a região de realização, podendo ser “Norte”, “Sul”, “Leste” e “Oeste”. Considerando exclusivamente as vendas efetuadas ao longo do ano civil de 2024 e restritas à região “Norte”, a fórmula que calcula corretamente o total dessas vendas é
=SOMA(B:B;ANO(A:A)=2024;C:C="Norte")
=SOMASES(B:B;ANO(A:A);2024;C:C;"Norte")
=SOMA(SE(A:A=2024;SE(C:C="Norte";B:B)))
=SOMASES(B:B;C:C;"Norte";A:A;">=01/01/2024";A:A;"<=31/12/2024")
=SOMA(B:B;SE(C:C="Norte";ANO(A:A)=2024))
No ambiente descrito de BI da INFRA S.A., a combinação de particionamento da tabela de fatos por período temporal e o uso de índices bitmap nas chaves dimensionais contribuiriam para reduzir operações de I/O e acelerar consultas analíticas sobre grandes volumes históricos de dados.
Certo
Errado
A área de Analytics de uma Secretaria da Fazenda mantém múltiplos modelos em produção (inadimplência, fraude em NF-e, seleção para auditoria, previsão de arrecadação) e precisa garantir um ponto único de verdade sobre qual versão de cada modelo está em produção, permitir a promoção controlada de modelos de staging para produção com critérios formais e aprovações, e manter histórico versionado com metadados (métricas, features, autor, datas) disponível para auditorias. O componente de uma arquitetura de MLOps que atende diretamente a esses requisitos é um
feature store corporativo, responsável por armazenar e servir variáveis derivadas reutilizáveis para treinamento e inferência pelos diferentes modelos.
model registry central, integrado ao pipeline de CIICD, que armazena artefatos de modelo, metadados, histórico de versões e estágios como staging, production e archived.
sistema de monitoramento e logging de inferências, com foco em métricas de latência, taxa de erro e disponibilidade das APIs de modelos em produção.
repositório Git único, com branches separados por modelo (fraude, inadimplência, auditoria, arrecadação), versionando à código-fonte das soluções analíticas.
catálogo de dados corporativo que descreve e documenta as tabelas tributárias do data lake usadas como fonte para o treinamento dos modelos.
Uma multinacional possui várias unidades distribuídas em diferentes países e cada uma é responsável por seus dados operacionais. Para que seja feita uma análise corporativa, a matriz precisa ter acesso a essas bases distribuídas, mas, por questões regulatórias, os dados não podem ser movimentados para fora de cada país. Ao mesmo tempo, a governança corporativa exige padrões mínimos de qualidade e metadados para todos os domínios.
De forma a atender as exigências desse cenário, a melhor solução encontrada pela empresa seria:
ETL para centralizar todos os dados na matriz;
replicação de dados via streaming com compactação;
migração de todos os bancos para um único data lake global;
governança totalmente centralizada com pipelines globais;
virtualização de dados integrada a um modelo de governança federada.


Seu próximo nível começa aqui

Seu próximo nível começa aqui
Destrave a preparação completa para sua aprovação. Com a Assinatura Ilimitada, você estuda com os melhores professores do Brasil e todos os recursos Gran.
Em uma planilha de controle financeiro anual, os meses do ano (janeiro a dezembro) estão organizados horizontalmente na linha 1 (da coluna A à coluna L), enquanto os respectivos valores de faturamento mensal estão dispostos na linha 2. Considerando que o nome de um mês específico é informado na célula B5, a fórmula que retorna corretamente o valor de faturamento correspondente a esse mês é
=PROCH(B5;A1:M2;1;FALSO)
=PROCV(B5;A1:M2;2;FALSO)
=PROCH(B5;A1:M2;2;FALSO)
=PROCV(A1:M2;B5;2;FALSO)
=PROCH(B5;A2:M1;1;FALSO)
No âmbito de Business Intelligence, sistemas OLAP são projetados para
registrar e atualizar transações operacionais, priorizando baixa latência e alta concorrência.
executar consultas analíticas com agregações e cálculos sobre dados históricos para suporte à decisão.
realizar processamento de transações em tempo real com alta frequência.
intermediar mensagens entre produtores e consumidores, controlando a entrega e reentrega de eventos.
manter consistência transacional em operações críticas, com confirmação imediata de gravações no sistema.
A equipe de planejamento da SEPLAG está desenvolvendo um painel de acompanhamento de despesas públicas no Power BI, utilizando dados extraídos do sistema financeiro do órgão. O processo envolve a carga de dados em um Data Warehouse, seguido da criação de medidas e visualizações no Power BI. Durante a modelagem, uma Gestora criou a seguinte medida DAX (Data Analysis Expressions):
TotalDespesas = SUM(fato_despesas [valor_total])
Em seguida, ela adicionou um gráfico de colunas com os campos dim_orgao[nome_orgao] no eixo e TotalDespesas como valor. Ao aplicar um filtro de ano na página, o gráfico se atualiza automaticamente.
Com base nos conceitos sobre ETL e Power Bl envolvidos neste cenário,
consultas que utilizam MDX (Multidimensional Data Expressions) são mais fáceis de serem escritas e mais eficientes do que consultas criadas com DAХ.
a medida criada com DAX é calculada durante a carga de dados no Power BI, o que garante que os valores estejam prontos antes da visualização.
o processo de transformação dos dados no modelo ELT ocorre antes da extração, permitindo que os dados sejam filtrados na origem.
o uso de filtros visuais no Power BI não altera os resultados das medidas, pois elas ficam fixas após a modelagem.
a medida DAX é avaliada no momento da visualização, respeitando o contexto dos filtros aplicados, como ano e órgão.
No âmbito das atividades do Conselho Regional de Fonoaudiologia, a equipe de análise de dados utiliza o Microsoft Power BI para construir dashboards interativos destinados ao acompanhamento de indicadores relacionados ao registro profissional, fiscalização e arrecadação de anuidades. Durante o desenvolvimento, um analista precisa criar uma medida que calcule dinamicamente a soma dos valores arrecadados, considerando filtros aplicados nos visuais, como período, região de atuação e situação cadastral dos profissionais. Para isso, ele utiliza a linguagem DAX (Data Analysis Expressions), que permite criar medidas e colunas calculadas com base no contexto de avaliação.
Assinale a alternativa que contém uma característica das medidas no Power BI.
Medidas armazenam valores fixos calculados durante a carga dos dados.
Medidas substituem completamente as colunas em qualquer modelo de dados.
Medidas operam exclusivamente sobre dados não estruturados.
Medidas são utilizadas para definir conexões com fontes de dados externas.
Medidas são calculadas dinamicamente conforme o contexto de filtro nos relatórios.
Observe o seguinte conjunto de dados.

Para analisar a situação dos processos por vara, utilizando o Excel, as configurações de linhas, colunas e valores da tabela dinâmica devem, respectivamente, ser:
Linhas: Situação
Colunas: Assunto
Valores: Ano, Tempo, Vara
Linhas: Situação
Colunas: Ano, Vara
Valores: Número do Processo
Linhas: Vara
Colunas: Situação
Valores: Contagem de Processos
Linhas: Vara, Situação
Colunas: Contagem de Processos
Valores: Número do Processo, Ano e Tempo (dias)
Linhas: Vara
Colunas: Ano, Situação
Valores: Contagem de Processos, Tempo (dias)


Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Considere o seguinte exemplo: mostrar uma nova coluna adicionada a uma exibição do banco de dados SQL ou a um fluxo de dados do PowerBI. Isso significa que qualquer alteração na estrutura da tabela da fonte de dados desde a última atualização será exibida. No PowerBI, esse exemplo descreve uma atualização
incremental.
dos dados.
do esquema.
de visuais de relatórios.
de cache.
A planilha da figura foi criada na ferramenta Sheets do Google Workspace.

Nela foi inserida as fórmulas, primeiramente =PROCV(A5;A4:C7;2;1) em C9 e, para fi nalizar, =PROCH(C4;A4:C7;3;0) em C10. Nesse contexto, os conteúdos mostrados em C9 e em C10 são, respectivamente:
SIMARA e P3
SIMARA e P4
CARMELA e P1
CARMELA e P2
Considere o seguinte modelo de dados no Power BI construído por um desenvolvedor:
•Tabela Vendas com colunas: Data, Produto, Quantidade, ValorTotal, ID_Cliente.
•Tabela Clientes com colunas: ID_Cliente, Nome, Segmento.
As tabelas estão relacionadas por ID_Cliente, em um relacionamento um-para-muitos de Clientes para Vendas. O desenvolvedor então cria a seguinte medida em DAX:

Diante do exposto, assinale a alternativa que apresenta o efeito dessa medida em um visual de tabela que mostra Clientes[Segmento] e Total Vendas Segmento.
A medida ignora o filtro de Segmento no visual, retornando o total geral de vendas para todos os segmentos, repetido em cada linha.
A medida respeita o filtro de Segmento no visual, retornando o total de vendas apenas para o segmento da linha correspondente.
A medida ignora todos os filtros do modelo, inclusive de tempo e cliente, retornando o total absoluto de vendas.
A medida retorna valores diferentes por linha, mas apenas se houver múltiplos produtos por segmento.
Os conceitos de campos calculados e de medidas calculadas são importantes no PowerBI. Diante do exposto, analise as afirmativas abaixo.
I. Uma medida calculada não pertence a nenhuma tabela específica e é calculada dinamicamente sempre que é usada, não é armazenada fisicamente e existe apenas como fórmula. Recalculada sempre que o contexto muda. Se há necessidade de que os valores reajam e respondam à interação com usuário, essa é a melhor escolha.
II. Um campo calculado funciona como uma nova coluna adicionada a uma tabela existente. É calculada linha por linha durante o carregamento dos dados. É Armazenada fisicamente no modelo de dados. Se há necessidade de ter o resultado rápido e sem interatividade, essa é a melhor escolha.
III. Em caso de problema com velocidade e performance em um relatório com muita interatividade do tipo “slice and dice”, o primeiro lugar para inspecionar o código é na geração dos campos calculados.
Estão corretas as afirmativas:
I, II e III
I e II apenas
III apenas
II apenas
Uma Prefeitura implantado um Data Warehouse para análise de dados financeiros com foco em receitas e despesas públicas. O modelo multidimensional utilizado possui uma tabela fato principal chamada FatosFinanceiros e três dimensões: Tempo, Categoria e Localidade cujas estruturas são:
Tabela Fato: FatosFinancairos
Dado | Tipo de Dado | Descrição |
IDFato | INT | Identificador único da transação |
IDTempo | INT | Chave estrangeira para a dimensão Tempo |
IDCategoria | INT | Chave estrangeira para a dimensão Categoria |
IDLocalidade | INT | Chave estrangeira para a dimensão Localidade |
Valor | DECIMAL(10,2) | Valor da receita ou despesa |
Dimensão: Tempo
Dado | Tipo de Dado | Descrição |
IDTempo | INT | Identificador único do período |
Ano | INT | Ano do registro |
Mes | INT | Mês do registro |
Dimensão: Categoria
Dado | Tipo de Dado | Descrição |
IDCategoria | INT | Identificador único da categoria |
NomeCategoria | VARCHAR (255) | Nome da categoria (ex.: Educação, Saúde) |
Dimensão: Localidade
Dado | Tipo de Dado | Descrição |
IDLocalidade | INT | Identificador único da localidade |
NomeLocalidade | VARCHAR (255) | Nome da localidade |
Um Auditor necessita fazer uma análise para identificar o valor total das receitas e despesas por ano e por categoria. À consulta deve ser otimizada para o modelo multidimensional cuja melhor prática, considerando o modelo descrito, é
SELECT t.Ano, l.NomeLocalidade, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Tempo t ON f.lDTempo = t.IDTempo
JOIN Localidade l ON f.lDLocalidade = l.IDLocalidade
GROUP BY t.Ano, l.NomeLocalidade;
SELECT t.Ano, c.NomeCategoria, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Tempo t ON f.IDTempo = t.IDTempo
JOIN Categoria c ON f.IDCategoria = c.IDCategoria
GROUP BY t.Ano, c.NomeCategoria;
SELECT l.NomeLocalidade, c.NomeCategoria, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Localidade l ON f.IDLocalidade = l.IDLocalidade
JOIN Categoria c ON f.IDCategoria = c.IDCategoria
GROUP BY l.NomeLocalidade, c.NomeCategoria;
SELECT t.Mes, c.NomeCategoria, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Tempo t ON f.IDTempo = t.IDTempo
JOIN Categoria c ON f.IDCategoria = c.IDCategoria
GROUP BY t.Mes, c.NomeCategoria;
SELECT c.NomeCategoria, l.NomeLocalidade, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Categoria c ON f.IDCategoria = c.IDCategoria
JOIN Localidade l ON f.IDLocalidade = l.IDLocalidade
GROUP BY c.NomeCategoria, l.NomeLocalidade;


Seu próximo nível começa aqui

Seu próximo nível começa aqui
Destrave a preparação completa para sua aprovação. Com a Assinatura Ilimitada, você estuda com os melhores professores do Brasil e todos os recursos Gran.
Qual serviço do PowerBI é formado por um container de dados usado por projetistas para criar relatórios, dashboards e aplicativos, podendo combinar várias fontes de dados?
Modelo semântico.
Visualização.
Dashboard.
Relatório.
Workspace.
Um analista de dados utiliza a ferramenta Oracle Data Visualization 12C. O analista executou uma sequência de ações para criar um projeto de visualização de dados e adicionar dados, nesse contexto, analise as afirmativas a seguir.
I. Criar ou abrir um projeto de visualização de dados ao qual deseja adicionar o conjunto de dados. Para criar um projeto novo, ele deverá acessar a Página Inicial, clicar em “New” e, em seguida, clicar em “Project” para exibir a caixa de diálogo “Add Data Set”.
II. Localizar a caixa de diálogo “Add Data Set”, selecionar os conjuntos de dados que deseja analisar e, em seguida, clicar em “Add to Project”.
III. Para visualizar dados de outro conjunto de dados no mesmo projeto, localizar o painel “Data Elements”, clicar em “Add” e, em seguida, selecionar “Add Data Set”.
IV. Por fim, o analista deverá arrastar os elementos de dados que deseja visualizar do painel “Data Elements” e começar a criar seu projeto.
Está correto o que se afirma em
I e II, apenas.
II e IV, apenas.
I, II e III, apenas
II, III e IV, apenas
I, II, III e IV.
Durante o desenvolvimento de dashboards gerenciais em uma Secretaria da Fazenda, foi necessário integrar dados oriundos de sistemas distintos: sistema de arrecadação tributária, sistema de fiscalização eletrônica e planilhas manuais de acompanhamento operacional, dentre outros. Uma Auditora Fiscal utilizou o Power Bl e o Tableau, seguindo a seguinte orientação:
No Tableau e no Power BI, a definição de medidas DAX ou cálculos LOD são cruciais em operações que exigem cruzamento de múltiplas fontes de dados, pois tais recursos permitem o controle da granularidade que se deseja computar: em um nível mais granular (EXCLUDE), menos granular (INCLUDE) ou em um nível independente (FIXED).
No Power Bl, quando o ambiente integra diferentes fontes de dados é uma boa prática usar o Power Query, que utiliza a linguagem de script M, para realizar transformações, normalização de dados e padronização de tipos antes do carregamento dos dados no modelo analítico.
No Power Bl, o uso de colunas calculadas que utilizam fórmulas DAX (Data Analysis Execution) é a prática mais indicada para otimizar o desempenho de consultas em grandes volumes de dados integrados, pois essas colunas armazenam os cálculos diretamente na fonte.
No Tableau, a criação de unions entre fontes de dados publicadas pode ser realizada sobre quaisquer grandes volumes de dados, visto que o processamento ocorre sempre na camada de visualização, não afetando a performance. Além disso, ao se alterar O lipo de dados depois de unir as tabelas, a união será mantida.
No Power BI, os dados carregados em memória por meio do modo Import podem ser automaticamente atualizados em tempo real, sem necessidade de configuração adicional no serviço online, através de arquivos .pbix, que armazenam entre 1 PB e 10 PB de dados.
A analista de Business Intelligence Maria implementou um Dashboard sobre os processos judiciais do MPU por Estado no PowerBI. O usuário João solicitou a Maria que, ao clicar na entidade “Estado”, fosse aberta uma nova página com gráficos exibindo informações com detalhes sobre o “Estado” selecionado. Com a nova página contendo informações apenas do Estado selecionado, João poderia avançar em seu trabalho.
No PowerBI, para implementar a solicitação de João, Maria deve:
utilizar um slicer hierárquico para filtrar o relatório por “Estado” abrindo uma nova página;
criar grupos de visuais no relatório que podem ser exibidos ou ocultados de acordo com a seleção da entidade “Estado”;
criar um relatório paginado com parâmetros que filtrem pela entidade “Estado” em uma nova página;
implementar um visual, como o TreeMap, que permite a realização da operação drilldown sobre a entidade “Estado”;
criar uma página destino com visuais sobre o “Estado” selecionado, configurando a operação drillthrough no relatório de origem.
O texto seguinte servirá de base para responder à questão 23.
Suponha que um cliente deseje comprar um carro no valor de R$100.000,00 em parcelas que caibam no seu orçamento. O vendedor ofereceu o carro para o cliente para ser pago em 24 parcelas de R$5.166,67. O cliente verificou que o valor final do carro será de R$124.000,00, com juros simples cobrados ao mês de 1%, conforme descrito na planilha do Excel 365 (BR).

Fonte: Autor
Com o propósito de fixar a parcela no valor de R$4.000,00 sem alterar o valor do carro e as taxas de juros, você utiliza a planilha do Excel para ajustar o número de parcelas. Nesse caso, você quer utilizar o comando teste de hipóteses com a opção "atingir meta". Os dados digitados por você na opção atingir meta nos campos "definir célula", "para valor" e "alternando célula" são, respectivamente:
J5; 4.000; 100.000.
H5; 4.000; H5.
J5; 4.000; F5.
H5; 4.000; 124.000.