

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.
Data warehouses são focados em dados estruturados e alguns tipos de dados não estruturados, que precisam ser pré-processados antes de ser disponibilizados aos usuários finais. No contexto atual, em que se pode dizer que há um oceano de informações, o processamento de dados é essencial, para os mais diversos fins.
O servidor OLAP, onde é executado o processo analítico em um data warehouse, fica na camada
de interface.
superior.
de armazenamento.
inferior.
intermediária.
Você, como analista de dados do TCE-RR, pode ser incumbido de utilizar um cubo OLAP para avaliar as auditorias do tribunal pelas dimensões cidade, tempo e custo.
Considere que a análise possua a seguinte cadeia de ações: filtro para apenas considerar o último ano, detalhamento de ano para mês e agregação de mês para trimestre.
A sequência de ações OLAP será:
Slice, Drill Down e Roll Up.
Slice Down, Roll Across e Drill Up.
Slice, Dice e Roll Up.
Dice, Drill Down e Roll Up.
Dice, Drill Through e Drill Across.
HOLAP é um tipo de arquitetura OLAP que permite que algumas operações sejam realizadas em bancos de dados multidimensionais e outras em bancos de dados relacionais, buscando o melhor desempenho para cada tipo de consulta.
Certo
Errado
O ROLAP (relational OLAP) armazena os dados exclusivamente em estruturas multidimensionais, como cubos OLAP, ignorando bancos de dados relacionais para processamento analítico.
Certo
Errado
Uma empresa contratou um analista de dados para realizar o tratamento de suas bases de dados.
Em um primeiro contato com essas bases, o analista utilizou uma técnica de remodelagem para resumir os dados, agrupando-os e aplicando funções como soma, média, contagem, máximo ou mínimo.
Assinale a opção que indica a técnica que foi utilizada pelo analista de dados.
Pivotamento.
Derretimento.
Agregação.
Junção.
Normalização.


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.
A multidimensionalidade é uma característica chave do OLAP, permitindo analisar dados em diferentes perspectivas, como tempo e localização.
Certo
Errado
OLAP é um conceito de interface com o usuário e não uma forma de armazenamento de dados, que proporciona a capacidade de ter ideias sobre os dados, permitindo analisá-los profundamente em diversos ângulos. O OLAP e o Data Warehouse destinam-se a trabalharem juntos, enquanto o DW armazena as informações de forma eficiente, o OLAP tem por objetivo recuperá-las com a mesma eficiência, porém com muita rapidez. Entre os métodos de armazenamento, no primeiro os dados são armazenados de forma multidimensional e, no segundo, o conjunto de dados multidimensionais deve ser criado no servidor e transferido para o desktop, permitindo a portabilidade aos usuários OLAP que não possuem acesso direto ao servidor.
Esses dois métodos são conhecidos, respectivamente, pelas siglas:
DOLAP e ROLAP.
ROLAP e HOLAP.
HOLAP e MOLAP.
MOLAP e DOLAP.
Em relação aos bancos de dados OLAP, assinale as afirmativas com V (verdadeiro) ou F (falso).
( ) São bancos de dados que atendem a muitas transações que envolvem inserções, exclusões e alterações de linhas nas tabelas.
( ) Atendem a aplicações que envolvem consultas necessárias à tomada de decisões.
( ) São bancos de dados que se encontram no modelo multidimensional.
( ) São bancos de dados que se encontram no modelo relacional básico.
( ) É possível executar operações de Drill Up e Drill Down nesses bancos de dados.
A sequência correta de preenchimento dos parênteses, de cima para baixo, é
V – F – V – F – V.
V – F – F – V – F.
V – V – F – F – V.
F – V – F – V – F.
F – V – V – F – V.
O OLAP (online analytical processing) permite a realização de consultas analíticas complexas em grandes volumes de dados, organizados em estruturas multidimensionais, sem impactar negativamente o desempenho dos sistemas transacionais.
Certo
Errado
Plínio está utilizando OLAP em um projeto no PRODEST. Neste caso Plínio trabalha com:
processamento de operações diárias on-line, análise de dados multidimensionais e geração de relatórios;
administração de dados multidimensionais, processamento de operações diárias on-line e análise de dados voláteis;
análise de dados não voláteis, processamento de operações diárias on-line e administração de dados multidimensionais;
análise de dados voláteis, administração de dados multidimensionais e geração de relatórios;
administração de dados multidimensionais, análise de dados não voláteis e geração de relatórios.


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.
O contexto do Data Warehouse possui várias tecnologias associadas. Uma delas é definida como “Tecnologia para realizar consultas complexas de alta velocidade ou análise multidimensional em grandes volumes de dados em um Data Warehouse, Data Lake ou outro repositório de dados. É comumente utilizada em modelos dimensionais”. Qual dos termos a seguir refere-se a essa definição:
JSON.
OLAP.
Data mining.
Banco de Dados No SQL.
Big Data.
Assinale a alternativa que se enquadra na definição: “tecnologia de software que fornece consultas analíticas multidimensionais com rápido desempenho.”
OLAP.
Data Warehouse (DW).
Data Mart.
Data Integration.
Business Inteligence (BI).
Em um ambiente de Business Intelligence, Júlio implementou uma ferramenta OLAP para apoiar a análise de dados do Data Mart do TRF1. Uma das consultas mais realizadas é o total de processos por tipo e por data.
A operação OLAP que permite a geração de um subcubo é a:
slice
dice
drill up
rotate
pivot
Relacione as funcionalidades listadas com suas aplicações correspondentes, considerando o cenário de uma análise e apresentação de dados complexos relacionados a feedbacks de clientes e performance de serviços.
1 — Tabela Dinâmica.
2 — Fórmula VLOOKUP
3 — Macros.
4 — Função CONCATENATE.
( ) Automatizar a atualização de dados de desempenho em slides mensais.
( ) Consolidar informações de várias fontes em uma única apresentação.
( ) Criar gráficos interativos baseados em dados de múltiplas fontes.
( ) Apresentar uma visão unificada de comentários de clientes de diversas categorias.
A sequência correta é:
3 - 2 - 1 - 4.
4 - 3 - 2 - 1.
1 - 2 - 3 - 4.
2 - 4 - 1 - 3.
OLAP capacita os usuários a examinarem extensos conjuntos de dados de maneira ágil e adaptável, apresentando uma perspectiva multidimensional dos dados. Dentre as consultas comuns em OLAP, pode-se mencionar
Scroll-Down.
Slice-And-Serve.
Extraction.
Roll-Up.


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.
Uma empresa de varejo deseja analisar suas vendas de forma mais estratégica, buscando identificar tendências, sazonalidades e oportunidades de melhoria. Para isso, decidiram implementar um sistema de OLAP (Online Analytical Processing) que permita a análise multidimensional de seus dados de vendas, armazenados em um Data Warehouse.
Considere as seguintes afirmativas sobre OLAP (Online Analytical Processing) nesse contexto:
I. OLAP permite a análise multidimensional de grandes volumes de dados, possibilitando a exploração de informações sob diferentes perspectivas, como tempo, produto e região.
II. As operações de OLAP incluem slice (fatiar), dice (cortar em cubos), drill-down (detalhar) e roll-up (agregar), que permitem navegar pelos dados em diferentes níveis de granularidade.
III. OLAP é utilizado principalmente para processar transações em tempo real, como vendas e pagamentos, garantindo a consistência dos dados.
IV. O Data Warehouse é um componente essencial para o OLAP, pois armazena os dados históricos de forma integrada e estruturada, facilitando a análise multidimensional.
Está correto o que se afirma em
I, apenas.
II, apenas.
I e II, apenas.
I, II e IV, apenas.
I, II, III e IV.
Um gerente executivo de um grande banco deseja estudar o investimento feito pelos clientes pessoas físicas, considerando o valor investido em reais, com detalhamento por tipo de investimento e agência. Para isso, encomendou um painel OLAP, no qual a tela inicial deve ser o valor, em reais, da soma do investimento de todos os clientes de cada agência, listados por agência, agregando todos os tipos de investimento, na forma de um relatório em tela com duas colunas: Nome da Agência e Valor Total Investido.
Considere que as seguintes visões estão disponíveis:
Agencia(idAgencia,nomeAgencia)
Cliente(idCliente,nomeCliente)
Conta(idCliente,idAgencia,idConta)
TipoInvestimento(idTipoInvestimento,nomeInvestimento)
Investimento(idConta,idTipoInvestimento,valorInvestido)
Nesse contexto, considerando-se o uso do banco de dados MySQL, que consulta SQL fornece corretamente os dados para a tela inicial desejada?
SELECT a.nomeAgencia AS Agencia, i.valorInvestido AS ValorTotalInvestido FROM Agencia a JOIN Conta c ON a.idAgencia = c.idAgencia JOIN Investimento i ON c.idConta = i.idConta GROUP BY a.nomeAgencia;
SELECT a.nomeAgencia AS Agencia, SUM(i.valorInvestido) AS ValorTotalInvestido FROM Agencia a JOIN Conta c ON a.idAgencia = c.idAgencia JOIN Investimento i ON c.idConta = i.idConta GROUP BY c.idCliente;
SELECT a.nomeAgencia AS Agencia, SUM(i.valorInvestido) AS ValorTotalInvestido FROM Agencia a JOIN Conta c ON a.idAgencia = c.idAgencia JOIN Investimento i ON c.idCliente = i.idConta GROUP BY a.nomeAgencia;
SELECT a.nomeAgencia AS Agencia, SUM(i.valorInvestido) AS ValorTotalInvestido FROM Agencia a JOIN Conta c ON a.idAgencia = c.idAgencia JOIN Investimento i ON c.idConta = i.idConta GROUP BY a.nomeAgencia;
SELECT a.nomeAgencia AS Agencia, i.valorInvestido AS ValorTotalInvestido FROM Agencia a JOIN Conta c ON a.idAgencia = c.idAgencia JOIN Investimento i ON c.idConta = i.idConta GROUP BY a.nomeAgencia;
A arquitetura de business intelligence se utiliza dos componentes indicados na figura a seguir, sendo o OLTP uma ferramenta de software cuja função é a extração de dados de diversos sistemas, transformando-os, conforme regras de negócios e, por fim, carregando-os em um data mart ou um data warehouse.

Certo
Errado
Sobre os conceitos de Business Intelligence, de acordo com Barbieri (2011), assinale a opção correta.
O DRILL-ACROSS é utilizado para atingir um nível maior de generalização que o disponível na tabela fato.
O DRILL-THROUGH é utilizado quando há necessidade de informação em um nível de detalhe menor que o disponível na tabela fato.
O ROLL-UP é utilizado para buscar informações mais detalhadas que o disponível na tabela fato.
O DRILL-DOWN é utilizado para ir de um esquema para o outro desde que ambos tenham algumas dimensões em conformidade.
O DRILL-LEFT é utilizado para mostrar os valores que são maiores que os disponíveis na tabela fato.
O ambiente analítico da CVM armazena dados no formato multidimensional, implementa um cubo de dados e disponibiliza uma ferramenta OLAP para apoiar os analistas no desempenho de suas funções. Diante da grande quantidade de dados disponíveis, eles precisam reduzir o seu domínio de análise.
Para isso, a operação OLAP, que extrai um subcubo da seleção de duas ou mais dimensões de um cubo de dados, é a:
Slice;
Dice;
Pivot;
Roll up;
Drill down.