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 Tipos de DW
Disciplina
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
13
questões encontradas
20
Mais recentes
A Secretaria da Fazenda de determinado Estado implementou uma solução corporativa para centralizar dados fiscais provenientes de múltiplas fontes heterogêneas: declarações de contribuintes, notas fiscais eletrônicas, dados cadastrais e informações de fiscalizações. A equipe técnica precisava garantir escalabilidade, processamento de grandes volumes e capacidade analítica para identificar irregularidades tributárias. Após análise, optou-se por uma arquitetura que permite armazenar dados brutos em formato nativo, aplicar transformações sob demanda mediante ferramentas de processamento distribuído e disponibilizar estruturas otimizadas para consultas analíticas pelos auditores fiscais, mantendo a governança através de controles transacionais sobre os metadados.
A arquitetura implementada
A
constitui um Data Lakehouse, que combina a flexibilidade do armazenamento de dados brutos em formato nativo com capacidades de processamento estruturado e consultas analíticas otimizadas, aplicando camadas de gerenciamento transacional sobre metadados mediante protocolos como Delta Lake ou Apache lceberg, viabilizando transformações sob demanda e governança de dados para análises tributárias complexas.
B
representa um Data Lake federado com camadas de virtualização, que integram fontes heterogêneas mediante conectores distribuídos sem replicação física dos dados, aplicando transformações em tempo real através de processamento streaming para disponibilizar visões consolidadas aos usuários fiscais, mantendo os dados originais nos sistemas de origem com acesso mediante queries lideradas.
C
corresponde a um Data Warehouse lradicional, pois consolida dados estruturados mediante processos ETL prévios, aplicando modelagem dimensional em esquema estrela para viabilizar consultas OLAP pelos gestores tributários, garantindo consistência transacional através de protocolos ACID nas camadas de apresentação dos dados fiscais consolidados.
D
corresponde a um Data Mart departamental, uma vez que atende exclusivamente às demandas analíticas da área tributária, implementando subconjuntos especializados dos dados corporativos com modelagem otimizada para relatórios gerenciais, utilizando processos de extração incremental dos sistemas transacionais para alimentar as estruturas dimensionais especificas do dominio fiscal.
E
caracteriza um Data Lake convencional, que armazena dados em estado bruto sem aplicar transformações prévias, utilizando o método point to data para suportar volumes massivos de metadados.
Uma equipe de BI está desenvolvendo um Data Warehouse para análise de vendas. O foco é em consultas que agregam grandes volumes de dados históricos, como aqueles associados à pergunta: "Qual foi o total de vendas por região e ano, comparado ao ano anterior?".
Uma característica fundamental de um Data Warehouse em comparação com um Banco de Dados Transacional reside no fato de que
A
o DW adota esquemas de dados altamente normalizados para minimizar a redundância e garantir a integridade dos dados, priorizando a velocidade de inserção.
B
o DW é otimizado para transações rápidas e de curta duração (ACID), enquanto o OLTP é focado em leituras complexas e de longa duração.
C
o DW é caracterizado pela desnormalização (uso de esquemas estrela ou floco de neve) para reduzir o número de JOINS e aumentar a velocidade de consulta.
D
as tabelas do DW são estritamente voláteis, com dados sendo frequentemente atualizados e excluídos para refletir o estado operacional atual.
E
o DW armazena dados em tempo real, priorizando a latência mínima, diferentemente do OLTP que armazena dados consolidados e históricos.
Data warehouse e data lake armazenam dados em seu formato original, porém o data lake, diferentemente do data warehouse, acessa bases externas a uma organização.
C
Certo
E
Errado
Joselito, um engenheiro de dados contratado pela empresa XPTO, foi encarregado de projetar e implementar a nova plataforma de Big Data da organização. Com o objetivo de acelerar a disponibilização dos dados para os cientistas de dados e reduzir a burocracia inicial, Joselito configurou um Data Lake em nuvem e instruiu todas as áreas de negócio a realizarem a ingestão massiva de seus dados brutos, sem impor restrições de formato, sem validação de esquema na entrada e sem a implementação de um catálogo de metadados, confiando inteiramente na flexibilidade da abordagem Esquema na Leitura (Schema-on-Read).
Dois anos após a implementação, a diretoria da XPTO constatou que, apesar do alto custo de armazenamento, a iniciativa fracassou. O repositório contém petabytes de dados, mas os analistas não conseguem localizar as informações necessárias, não confiam na veracidade dos dados devido à falta de linhagem (lineage) e qualidade, e não conseguem discernir quais arquivos são atuais ou obsoletos.
No contexto da governança e arquitetura de dados, o termo técnico utilizado para descrever o estado em que se encontra o repositório criado por Joselito, caracterizado pela ausência de organização e curadoria, tornando-o um passivo em vez de um ativo, é:
A
Data Silo;
B
Dark Data;
C
Data Mart;
D
Data Mesh;
E
Data Swamp.
Observando um órgão estadual que integra NF-e, EFD/SPED, logs de sistemas, dados semiestruturados de convênios e arquivos em múltiplos formatos, preservando os dados no formato original para usos analíticos futuros, a característica arquitetural que define um data lake no cenário descrito é
A
a organização em modelos dimensionais para consultas OLAP tradicionais, gerando consistência nas operações analíticas.
B
a consolidação prévia em data marts temáticos como condição para permitir exploração analítica posterior.
C
a exigência de schema rígido definido antes da ingestão, garantindo consistência semântica no carregamento.
D
a aplicação do processo de ETL completo antes do armazenamento, assegurando consumo imediato por cubos OLAP.
E
o armazenamento de dados brutos em múltiplos formatos, aplicando o conceito de schema-on-read no momento da análise.
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.
O Data Lakehouse integra governança, desempenho analítico e flexibilidade de dados brutos, combinando controle transacional com processamento escalável em um único ambiente; assinale a alternativa correta.
A
O Data Lakehouse funciona exclusivamente como armazém histórico agregado, incompatível com dados não estruturados, aprendizado de máquina e cargas analíticas escaláveis distribuídas modernas corporativas.
B
O Data Lakehouse dispensa consistência e isolamento transacional, priorizando apenas armazenamento barato, sem mecanismos de governança, versionamento ou confiabilidade operacional analítica escalável integrada empresarial.
C
O Data Lakehouse combina governança e controle transacional com flexibilidade e escalabilidade, permitindo análises avançadas sobre dados estruturados e não estruturados em ambiente unificado.
D
O Data Lakehouse elimina esquemas e governança, operando apenas com dados brutos desestruturados, sem suporte a transações, catálogos ou processamento analítico consistente avançado moderno.
Bancos de dados utilizados em data warehouses empregam uma modelagem específica e otimizada, denominada modelagem multidimensional.
C
Certo
E
Errado
Data Warehouse apoia análise histórica e decisão executiva. Sobre modelagem dimensional, processos ETL e mudanças em dimensões, analise as afirmativas.
I. Esquema em estrela organiza fatos centrais e dimensões desnormalizadas, favorecendo agregações e varreduras.
II. Slowly Changing Dimension tipo 2 preserva histórico por linhas adicionais com controle de vigência.
III. Carga incremental por ETL registra apenas diferenças, reduzindo janelas e riscos na integração.
IV. Grão do fato precisa de definição explícita, orientando granularidade de medidas e chaves.
V. Dimensão tipo 1 substitui valores históricos por colunas de auditoria e data de validade.
Estão corretas as afirmativas:
A
I, II e III, apenas.
B
I, III e IV, apenas.
C
II e V, apenas.
D
III e IV, apenas.
E
I, II, III e IV, apenas.
O conceito de data lake baseia-se na estruturação rígida dos dados no momento da ingestão (schema-on-write), o que garante integridade imediata e desempenho otimizado em consultas transacionais.
C
Certo
E
Errado
Um data warehouse é um repositório de dados integrados de múltiplas fontes, processados para armazenamento em um modelo multidimensional.
C
Certo
E
Errado
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.
Ano:
2024
Prova:
CESGRANRIO - BNDES - Analista - Área: Ciências de Dados - 2024
Data warehouses (DW) e data lakes (DL) são repositórios de dados especializados, com objetivos distintos dos bancos de dados relacionais e NoSQL.
Nesse contexto, ao comparar DW a DL, verifica-se que
A
DL são mais adequados que DW para persistir dados históricos.
B
DL são mais voltados para gestores do que DW.
C
DW são apropriados para persistir dados não estruturados.
D
DW precisam ter a sua estrutura definida antes de persistir dados.
E
tanto DW quanto DL são indicados apenas para persistir dados agregados.
Um data warehouse é projetado para suportar operações transacionais diárias, como inserções, atualizações e exclusões frequentes de dados, similarmente a um banco de dados operacional.
C
Certo
E
Errado
Para apoiar a decisão em diversos níveis de gestão, o Departamento de Tecnologia da Informação (DTI) identificou a necessidade de desenvolver um banco de dados centralizado com informações oriundas de diversos outros bancos de dados. Além disso, o banco deve ser orientado a assunto, não volátil e histórico.
Para isso, a DTI deve implementar um(a):
A
Log;
B
Grafo;
C
Banco NoSQL;
D
Data Warehouse;
E
Regra de associação.
Gerar simulado