Um dos grandes desafios na construção de bases de dados de data warehouses...

Um dos grandes desafios na construção de bases de dados de data warehouses reside na qualidade dos seus dados. Como esses dados que servem de matéria- -prima para esses repositórios de dados pod...

Q645910 • Informática • Data Warehouse • CESGRANRIO • Petrobras • Analista de Sistemas Júnior

Um dos grandes desafios na construção de bases de dados de data warehouses reside na qualidade dos seus dados. Como esses dados que servem de matéria- -prima para esses repositórios de dados podem ter as mais diversas procedências, vários tipos de problemas precisam ser resolvidos. Um exemplo da situação acima descrita encontra-se no fato de que os

a) campos numéricos das bases de dados de origem podem conter dados que não pertençam ao domínio de valores do atributo, por problemas relativos ao endereçamento dos cálculos efetuados pela ferramenta de extração, transformação e carga.
b) campos que armazenam datas precisam fazer menção à latitude e à longitude onde se encontra a base de dados do data warehouse, sob pena de comprometer o processo de construção de eventuais datamarts em momentos posteriores.
c) dados que representam medidas que ocorrem em diversas fontes de dados, como um atributo que armazene medições de temperatura de diversas regiões, podem, em algumas bases, se encontrar incompletos, necessitando tratamento.
d) atributos categóricos, tais como, sexo ou categoria funcional, necessitam, na integração, ser convertidos em valores numéricos, pois ferramentas OLAP possuem limitações quanto ao tratamento de valores de atributos discretos.
e) identificadores, tais como, atributos-chave de tabelas, podem, no processo de integração, conter valores de chaves primárias inválidas de outras tabelas, indicando problemas de integridade referencial e de unicidade.

Questões sobre Data Warehouse

1

Q611900 • Informática • Data Warehouse
O datawarehouse requer a definição e a implementação de procedimentos que efetuem a
- a) inserção de dados dos bancos de dados dos sistemas do nível operacional, a integração dos dados inseridos dos diferentes bancos de dados, a agregação dos dados conflitantes e a manutenção de metarotinas.
- b) extração de dados dos bancos de dados dos sistemas do nível gerencial, a integração dos dados extraídos dos bancos de dados equivalentes, a integração dos dados agregados e a construção de metadados.
- c) extração de dados dos bancos de dados dos sistemas do nível operacional, a integração dos dados extraídos dos diferentes bancos de dados, a agregação dos dados integrados e a manutenção de metadados.
- d) extração de dados dos sistemas do nível operacional, a integração dos dados inseridos nos diferentes bancos de dados, a agregação dos dados integrados a nível gerencial e a inserção de metadados.
- e) extração de dados dos sistemas do nível operacional, a integração dos dados codificados a nível operacional, a agregação dos dados especializados e a manutenção de metadados.
2

Q119500 • Informática • Data Warehouse • CESGRANRIO • TRANSPETRO • Analista de Sistemas Júnior
Os conceitos e aplicações de data warehouse e visões de bancos de dados relacionais de sistemas transacionais possuem pontos em comum, e, por conta deles, eventualmente são erroneamente considerados sinônimos. Uma das diferenças entre visões de bancos de dados relacionais e data warehouses reside no fato de que visões relacionais de bancos de dados transacionais
- a) implementam como uma de suas componentes a dimensão tempo, que nem sempre está presente em data warehouses.
- b) permitem a combinação dinâmica de seus dados, em diferentes perspectivas, pela aplicação de operações pivoting e roll up.
- c) podem ser indexadas, ao contrário de data warehouses, que, por sua característica multidimensional, são armazenados em árvores AVL.
- d) podem, diferentemente de data warehouses, ser implementadas com técnicas top down e bottom up.
- e) possuem estados com conteúdo dinâmico, já que elas dependem dos estados das relações que referenciam, diferentemente de data warehouses, de natureza não volátil.
3

Q117193 • Informática • Data Warehouse • CESGRANRIO • ELETROBRÁS • Analista de Sistemas
Um data mart do departamento de vendas de uma grande empresa possui uma tabela fato com cinco métricas associadas a oito diferentes dimensões. O analista de TI está em dúvida sobre que modelagem utilizar. Considerando-se as opções snowflake e star schema, qual a desvantagem de se utilizar, nessa situação, a modelagem snowflake?
- a) A modelagem star schema não contempla a possibilidade de armazenamento de atributos para cada dimensão, minimizando a quantidade de memória utilizada.
- b) Uma maior quantidade de joins entre as tabelas de dimensões e as tabelas de hierarquia associadas será realizada, ocasionando queda de desempenho no processo de agregação das métricas.
- c) As chaves estrangeiras, relativas às dimensões armazenadas na tabela fato, devem corresponder às hierarquias existentes nessas dimensões, ocasionando maior quantidade de registros na tabela fato.
- d) Na modelagem snowflake, a manutenção dos dados dimensionais se torna mais dispendiosa, tendo em vista que as tabelas dimensionais não estão normalizadas.
- e) Diferentemente da modelagem star schema, na modelagem snowflake, as chaves estrangeiras na tabela fato não apontam para o nível mais baixo (atômico) da hierarquia das dimensões associadas.
4

Q633607 • Informática • Data Warehouse • FCC • MPE PE • Analista Ministerial
O processamento analítico dos dados armazenados em Data Warehouse é possibilitado por ferramentas especiais do tipo
- a) OLAP e Data Mining.
- b) OLAP e Data Mart.
- c) Data Mining, apenas.
- d) Data Mart, apenas.
- e) OLAP, apenas.
5

Q153897 • Informática • Data Warehouse • FCC • TRF 5a • Analista Judiciário Tecnologia da Informação
As consultas no star schema de um data warehouse podem ser feitas em maior ou menor nível de detalhe. Assim uma consulta mais detalhada das informações denomina-se
- a) drill-down.
- b) data mart.
- c) data mining.
- d) roll-up.
- e) snowflake.
6

Q117771 • Informática • Data Warehouse • FGV • MEC • Analista de Sistemas
Um termo está associado a uma coleção de dados orientada por assuntos, integrada, variante no tempo, que tem por objetivo dar suporte aos processos de tomada de decisão. É implementado por meio de um banco de dados contendo dados extraídos do ambiente de produção da empresa, que foram selecionados e depurados, tendo sido otimizados para processamento de consulta e não para processamento de transações. Em geral, requer a consolidação de outros recursos de dados além dos armazenados em base de dados relacionais, incluindo informações provenientes de planilhas eletrônicas e documentos textuais. Seu objetivo é fornecer uma "imagem única da realidade do negócio". De uma forma geral, são sistemas que compreendem um conjunto de programas que extraem dados do ambiente de dados operacionais da empresa, um banco de dados que os mantém, e sistemas que fornecem estes dados aos seus usuários. O termo aqui tratado define o conceito de:
- a) DataMining
- b) DataSystems
- c) DataBusiness
- d) DataProcessing
- e) DataWarehouse
7

Q649271 • Informática • Data Warehouse • FCC • Defensoria Pública do Estado de Amazonas AM • Analista em Gestão Especializado em TI • 2018
Sobre o processo de ETL, aplicado a data warehouse, é correto afirmar que
- a) a fase de extração de dados consiste em obter os dados do servidor do data warehouse.
- b) a fase de transformação consiste em realizar modificações nos dados carregados, adequando seus valores ao modelo definido para o data warehouse.
- c) as fases de extração e carga de dados são realizadas de forma simultânea.
- d) a fase de carga de dados visa eliminar valores nulos contidos nos bancos de dados transacionais da empresa.
- e) a fase de carga de dados consiste em inserir os dados transformados nos bancos de dados transacionais da empresa.
8

Q630534 • Informática • Data Warehouse • CESPE CEBRASPE • TJ CE • Analista Judiciário
No que se refere a datawarehouse, assinale a opção correta.
- a) Os dados que alimentam um datawarehouse devem, necessariamente, fazer parte de um mesmo banco de dados de origem.
- b) No que se refere à frequência das atualizações dos dados, os datawarehouses se comparam aos bancos de dados tradicionais.
- c) Com a finalidade de otimizar o desempenho de um datawarehouse, permite-se que nele sejam criados índices.
- d) Os datawarehouses são sistemas de apoio à decisão criados de forma otimizada para atender ao seu objetivo principal, que é o processamento de transações de rotina em larga escala.
- e) A estrutura de um datawarehouse é diferente em relação à de um banco de dados tradicional, embora alguns aspectos, como, por exemplo, o funcionamento e o desempenho sejam idênticos.
9

Q121350 • Informática • Data Warehouse • CESGRANRIO • Petrobras • Analista de Sistemas Júnior
Técnicas de modelagem de Data Warehouses diferem das tradicionalmente utilizadas em sistemas transacionais.
Analisando uma dessas abordagens, o modelo multidimensional estrela, verifica-se que
- a) possui melhor desempenho, quando comparado ao modelo floco de neve.
- b) representa hierarquias explicitamente.
- c) facilita a tarefa de manutenção das dimensões.
- d) assemelha-se ao modelo de classes conceitual da UML.
- e) é opcional a sua utilização, sendo substituído pelo diagrama de atividades da UML.
10

Q164931 • Informática • Data Warehouse • ESAF • Receita Federal • Auditor Fiscal da Receita Federal
Em um Data WareHouse, é correto afirmar que a aquisição da informação
- a) é um conjunto integrado de dados de apoio às decisões gerenciais, não-volátil, baseado em assuntos e variável em relação ao tempo.
- b) usa complexas pesquisas em grandes volumes de dados para explorar e identifi car relacionamentos entre variáveis que antes eram previamente independentes, permitindo que as organizações gerenciem relacionamentos de causa e efeito mais efi cientemente e antecipem políticas para isso.
- c) é a camada responsável por prover o armazenamento da informação.
- d) é parte da arquitetura que suportará um conjunto de ferramentas de apresentação e análise.
- e) é a camada responsável por reunir, refinar, limpar e agregar os dados dos sistemas de produção. O dado deve estar correto e prover um único significado para facilitar a tomada de decisão.

Mais questões de Informática →

Reportar erro em Conteúdo