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.
- Gran Questões
- Questões
Questões de Concurso sobre Star Schema
Disciplina
1
Assunto
1
Banca
Instituição
Cargo
Ano
Carreira
Área de formação
Escolaridade
Dificuldade
Comentários:
Professores
Alunos
Meus Comentários
Vídeo
Minhas questões:
Resolvidas
Não resolvidas
Certas
Erradas
Tipo de questão:
Certo e errado
Múltipla escolha
Incluir questões:
Anuladas
Desatualizadas
Questões:
Todas as questões
Filtro simplificado
Questões
Todas as questões
33
questões
encontradas
20
Mais recentes
Na modelagem de um Data Warehouse para análise de vendas, o arquiteto optou pela modelagem dimensional. A tabela central contém métricas (fato) e é conectada a diversas tabelas de dimensão (tempo, produto, cliente).
Assinale a opção que indica a principal técnica de modelagem dimensional utilizada, em que a tabela central armazena as métricas (o fato), e a desnormalização das tabelas de contexto (dimensões) é intencional para otimizar o desempenho das consultas OLAP.
A
Modelo Entidade-Relacionamento (ER).
B
Modelo de Banco de Dados Hierárquico.
C
Modelo de Rede (Network Model).
D
Modelo Star Schema (Esquema Estrela).
E
Modelo Data Fabric.
No contexto de modelagem de dados para Analytics e PowerBI, analise as afirmativas abaixo sobre tabelas FATO e DIM.
I. Organizar os dados em tabelas de fatos e dimensões, chamado esquema em estrela, comprovadamente funciona bem para relatórios e cargas de trabalho analíticas.
II. Tabelas de fatos armazenam observações ou eventos (transações). Uma tabela FATO contém colunas de chave de dimensão relacionadas a tabelas de dimensão e colunas de medidas numéricas. Um Exemplo de tabela Fato é a tabela Produtos: id_produto- >descrição, categoria, cor, tamanho.
III. As tabelas de dimensão descrevem entidades de negócios, uma tabela DIM comumente usada é Data (Ano,Mês,Dia).
Estão corretas as afirmativas:
A
I e III apenas
B
II e III apenas
C
I,II e III
D
I e II apenas
Para um data warehouse com grande volume de dados históricos e consultas frequentes, o esquema estrela geralmente apresenta melhor desempenho que o esquema snowflake, pois minimiza a complexidade das junções entre tabelas.
C
Certo
E
Errado
Em relação ao projeto e uso desse Data Warehouse, assinale com V as afirmativas verdadeiras e com F as falsas.
( ) A separação em tabelas de fatos e dimensões (modelo estrela) é uma prática comum para otimizar consultas analíticas, pois simplifica as junções de tabelas.
( ) A tabela FATO_VENDAS armazena métricas numéricas e chaves estrangeiras que fazem referência às chaves primárias das tabelas de dimensão.
( ) A atualização dos dados no Data Warehouse ocorre em tempo real, já que ele é projetado para ser a fonte primária de dados para as operações do dia a dia da empresa.
Assinale a sequência correta.
A
V F V
B
F V F
C
F F V
D
V V F
O modelo dimensional utilizado no projeto de Data Warehouse tem como base dois tipos de tabelas, denominadas de tabelas
A
fato e dimensão.
B
de hierarquia e de partição.
C
instantâneas e temporárias.
D
de índices e de exceção.
E
codificadas e chaveadas.
No contexto de Data Warehousing, bases de dados multidimensionais são estruturadas para facilitar o processamento analítico e a geração de relatórios de forma eficiente. A modelagem e a otimização dessas bases exigem a aplicação de técnicas que garantam desempenho e escalabilidade, suportando as operações de OLAP (Online Analytical Processing). Relacione as técnicas de modelagem com suas respectivas descrições ou objetivos.
Coluna A: Técnica de Modelagem e Otimização.
1.Modelo Estrela (Star Schema).
2.Tabelas Fato e Dimensão.
3.Indexação Bitmap.
4.Modelo Snowflake (Floco de Neve).
5.Materialização de Visões.
Coluna B: Descrição
(__)Técnica de otimização que armazena pré-calculados os resultados de consultas frequentes, reduzindo o tempo de resposta nas consultas complexas.
(__)Técnica de indexação usada para bases de dados com alta cardinalidade, facilitando consultas por meio de índices binários.
(__)Estrutura de modelagem que simplifica a análise, mantendo todas as dimensões ligadas diretamente à tabela fato, otimizando a performance de consulta.
(__)Tabelas usadas para armazenar dados detalhados e sumarizados, com a tabela fato contendo medidas e as dimensões contendo atributos.
(__)Modelo de dados que normaliza as tabelas de dimensão, reduzindo redundâncias e aumentando a complexidade das junções.
A sequência correta é:
A
4, 1, 3, 5, 2.
B
3, 5, 4, 2, 1.
C
1, 2, 5, 4, 3.
D
2, 4, 1, 3, 5.
E
5, 3, 1, 2, 4.
Em regra, as chaves substitutas são incorporadas nas tabelas de dimensões de um data warehouse relacional para atribuir um identificador único para cada registro nas tabelas de dimensões.
C
Certo
E
Errado
A implementação do modelo dimensional em um banco de dados relacional denominada STAR SCHEMA é composta por uma tabela fato relacionada a diferentes tabelas de dimensão. A operação JUNÇÃO EM ESTRELA difere das demais estratégias de consulta pelo fato de começar pelo cálculo
A
do produto cartesiano da tabela fato.
B
da projeção da tabela fato nas tabelas de dimensão.
C
da projeção das tabelas de dimensão na tabela fato.
D
do produto cartesiano das tabelas de dimensão.
O Power BI permite a realização de modelagem estrela.
C
Certo
E
Errado
O modelo STAR SCHEMA é uma forma elementar de modelagem dimensional, na qual os dados são organizados em fatos e dimensões. Um fato é o evento contado ou medido e uma dimensão inclui dados de referência sobre o fato. É característica da tabela FATO:
A
identificar eventos por meio de chave primária composta.
B
possuir atributos descritivos e textuais.
C
categorizar dados por meio de arquitetura hierárquica.
D
descrever as entidades de negócio.
Em um data warehouse, a modelagem dimensional desempenha um papel crucial na otimização de consultas e na facilitação da análise de grandes volumes de dados.
Considerando o esquema estrela (star schema), amplamente utilizado nesse contexto, analise as afirmativas a seguir:
I. O esquema estrela é caracterizado por uma tabela de fatos central, que armazena as métricas de negócio, conectada diretamente a várias tabelas de dimensões, que fornecem o contexto para essas métricas.
II. As tabelas de dimensões no esquema estrela são tipicamente normalizadas, garantindo a integridade dos dados e evitando redundâncias.
III. A estrutura do esquema estrela facilita a execução de consultas OLAP (Online Analytical Processing), permitindo a análise multidimensional dos dados sob diferentes perspectivas, como tempo, produto e região.
IV. Uma das vantagens do esquema estrela é a sua simplicidade e facilidade de compreensão, o que contribui para um desenvolvimento mais ágil e uma manutenção mais eficiente do data warehouse.
Está correto o que se afirma em
A
I e II, apenas.
B
I, III e IV, apenas.
C
II e III, apenas.
D
II, III e IV, apenas.
E
I, II, III e IV.
Entre os modelos de dados dimensionais, tanto o modelo em floco de neve quanto o modelo em estrela possuem tabela fato; no entanto, os esquemas do modelo em estrela são mais normalizados que os esquemas do modelo em floco de neve.
C
Certo
E
Errado
Em um Star Schema de um Data Warehouse – DW, a tabela Dimensão possui característica
A
descritiva dentro do DW. Ela qualifica as informações provenientes da tabela Fato; A tabela Fato possui característica quantitativa dentro do DW. A partir dela são extraídas as métricas que são cruzadas com os dados das Dimensões. Dimensões são ligadas entre si e qualquer uma delas se liga diretamente a tabela Fato. Os dados devem ser normalizados.
B
quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui característica descritiva dentro do DW. A partir dela são extraídas as nomenclaturas que são quantificadas com os dados das Dimensões. Dimensões são ligadas entre si. Os dados devem ser desnormalizados.
C
quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui característica descritiva dentro do DW. A partir dela são extraídas as nomenclaturas que são quantificadas com os dados das Dimensões. Dimensões não são ligadas entre si. Os dados devem ser normalizados.
D
quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui característica descritiva dentro do DW. A partir dela são extraídas as nomenclaturas que são quantificadas com os dados das Dimensões. Dimensões são ligadas entre si. Os dados devem ser normalizados.
E
descritiva dentro do DW. Ela qualifica as informações provenientes da tabela Fato; A tabela Fato possui característica quantitativa dentro do DW. A partir dela são extraídas as métricas que são cruzadas com os dados das Dimensões. Dimensões são ligadas diretamente a tabela Fato. Outra característica marcante é que os dados são desnormalizados.
Gerar simulado