Questões de Concursos - DW Data Warehouse

11 Q163839 | Informática, DW Data Warehouse, Auditor Fiscal, SEFAZ BA, FCC, 2019

Nos sistemas transacionais, os dados sofrem diversas alterações como inclusão, alteração e exclusão. Antes de serem carregados no ambiente de um Data Warehouse, os dados são filtrados e limpos, de forma a gerarem informação útil. Após esta etapa, esses dados

✂️ a) ficam disponíveis para a mineração em tempo real, pois tais dados são constantemente atualizados a partir da chave de tempo que indica o dia em que foram extraídos dos sistemas transacionais.
✂️ b) podem sofrer operações de consulta, mas, devido a sua não volatilidade, não podem ser alterados, não havendo necessidade de bloqueio por concorrência de usuários ao seu acesso.
✂️ c) são reunidos a partir de diversas fontes de dados, o que facilita muito o trabalho do analista, embora este tenha que lidar com a grande redundância das informações.
✂️ d) ficam ordenados pela data da extração do sistema transacional, sendo necessárias técnicas de data mining para fazer a sua recuperação orientada por assunto.
✂️ e) são classificados somente pelo assunto principal de interesse da organização. Por exemplo, em uma organização de arrecadação de impostos, os dados são organizados pelo cadastro de contribuintes que possuem impostos a recolher.

13 Q848120 | Informática, DW Data Warehouse, AL AP Analista Legislativo Desenvolvedor de Banco de Dados, FCC, 2020

Duas definições de estruturas de dados estão determinadas para um projeto de datamart de uma loja de varejo: uma delas (tabela A) contém a data da venda, a identificação do produto vendido, a quantidade vendida do produto no dia e o valor total das vendas do produto no dia; a outra (tabela B) contém a identificação do produto, nome do produto, marca, modelo, unidade de medida de peso, largura, altura e profundidade da embalagem.

Considerando os conceitos de modelagem multidimensional de data warehouse, as tabelas A e B são, respectivamente:

✂️ a) Query e Réplica
✂️ b) Fato e Dimensão
✂️ c) Dimensão e Réplica
✂️ d) Fato e ETL
✂️ e) ETL e Query

15 Q851911 | Informática, DW Data Warehouse, AL AP Analista Legislativo Desenvolvedor de Sistemas, FCC, 2020

Para construir um Data Warehouse, algumas etapas e processos são necessários. Uma etapa é conhecida como ETL, que compreende as etapas de Extração, Transformação e Armazenagem de dados em Sistemas Específicos ou Armazéns de Dados. Essas etapas são constituídas de várias outras funções, processos e técnicas de data integration. Uma dessas funções chama-se Master Data Management ? MDM e é responsável por

✂️ a) misturar os dados para criar um panorama virtual.
✂️ b) unir os dados para criar uma visão única deles, através de múltiplas fontes. Ela inclui tanto o ETL quanto capacidades de data integration, para misturar as informações e criar o melhor registro.
✂️ c) monitorar e processar fluxos de dados e ajudar a tomar decisões mais rapidamente.
✂️ d) fornecer tanto agendamento em lote quanto capacidades em tempo real.
✂️ e) criar um ambiente de testes onde os dados possam ser integrados, limpos e padronizados (por exemplo: SP e São Paulo, Masculino e M, Senhora e Sra. etc) além de verificar e remover dados duplicados.

16 Q163488 | Informática, DW Data Warehouse, Auditor Fiscal, SEFAZ BA, FCC, 2019

Um Auditor da SEFAZ-BA, observando as necessidades da organização, propôs um Data Warehouse (DW) com as seguintes características:

- na camada de dados resumidos ficam os dados que fluem do armazenamento operacional, que são resumidos na forma de campos que possam ser utilizados pelos gestores de forma apropriada.

- na segunda camada, ou no nível de dados históricos, ficam todos os detalhes vindos do ambiente operacional, em que se concentram grandes volumes de dados.

Com esta organização, os tipos de consulta analítica de maior frequência acessariam os dados resumidos, mais compactos e de mais fácil acesso e, em situações em que seja necessário um maior nível de detalhe, utilizar-se-iam os dados históricos.

O Auditor propôs um DW

✂️ a) que oferece maior nível de detalhes, ou seja, alto nível de granularidade.
✂️ b) que oferece menor nível de detalhes, ou seja, baixo nível de granularidade.
✂️ c) com nível duplo de granularidade.
✂️ d) com OLAP integrado.
✂️ e) com data marts geminados.

17 Q107435 | Informática, DW Data Warehouse, Analista de Controle Externo Processamentos de Dados, TCE AC, CESPE CEBRASPE

A figura acima apresenta um modelo lógico de banco de dados simplificado para suporte a operações de OLTP. No modelo, relativo a processos licitatórios, uma licitação recebe várias propostas de licitantes, relacionadas aos vários itens que compõem um evento como esse. Cada licitação é conduzida por uma organização específica, que pode ser subordinada a outra organização. Considerando que seja necessário desenvolver um modelo de dados para uma data warehouse, a fim de permitir a análise das licitações adjudicadas (licitante que ganhou o processo licitatório para fornecimento de itens), julgue os itens seguintes acerca das características desse modelo e sua relação com data warehouses.

I Mais de duas tabelas fato devem estar presentes no modelo, uma delas relativa aos itens de proposta que foram adjudicados aos licitantes e outra relativa aos tipos de licitação.

II Pelo menos três dimensões são claramente possíveis no modelo: organização; licitante; e tipo de licitação.

III Um esquema do tipo floco de neve, caso esteja presente no modelo, poderia ser desenvolvido em função da natureza hierárquica das organizações que promovem processos licitatórios.

IV O modelo de dados gerado para a data warehouse produz menor nível de redundância de dados e está mais sujeito a anomalias de atualização, quando comparado ao modelo atual.

A quantidade de itens certos é igual a

✂️ a) 0.
✂️ b) 1.
✂️ c) 2.
✂️ d) 3.
✂️ e) 4.

20 Q167550 | Informática, DW Data Warehouse, Auditor Fiscal da Receita Estadual, SEFAZ SC, FCC, 2018

Texto associado.

Atenção: Para responder à questão, considere o seguinte caso hipotético:

Um Auditor da Receita Estadual pretende descobrir, após denúncia, elementos que possam caracterizar e fundamentar a possível existência de fraudes, tipificadas como sonegação tributária, que vêm ocorrendo sistematicamente na arrecadação do ICMS. A denúncia é que, frequentemente, caminhões das empresas Org1, Org2 e Org3 não são adequadamente fiscalizados nos postos de fronteiras. Inobservâncias de procedimentos podem ser avaliadas pelo curto período de permanência dos caminhões dessas empresas na operação de pesagem, em relação ao período médio registrado para demais caminhões.

Para caracterizar e fundamentar a existência de possíveis fraudes, o Auditor deverá coletar os registros diários dos postos por, pelo menos, 1 ano e elaborar demonstrativos para análises mensais, trimestrais e anuais.

Para permitir uma análise coerente, após a denúncia, a concepção de um modelo de dados multidimensional do tipo esquema estrela (star schema), em um Data Warehouse, deve registrar os elementos de dados: identificação do posto, empresa, data da pesagem e tempo de permanência.

Considerando os conceitos fatos e dimensões, os elementos de dados classificados como dimensões são, apenas,

✂️ a) identificação do posto, data da pesagem e tempo de permanência.
✂️ b) empresa, data da pesagem e tempo de permanência.
✂️ c) identificação do posto e empresa.
✂️ d) identificação do posto, empresa e data da pesagem.
✂️ e) empresa e data da pesagem.

Questões de Concursos DW Data Warehouse

Prepare-se para a prova com questões de concursos públicos. Milhares de questões resolvidas e comentadas com gabarito para praticar online ou baixar o PDF grátis!

11 Q163839 | Informática, DW Data Warehouse, Auditor Fiscal, SEFAZ BA, FCC, 2019

12 Q836522 | Informática, DW Data Warehouse, Técnico em Comunicação e Processamento de Dados Judiciário, TJ SP, VUNESP, 2021

13 Q848120 | Informática, DW Data Warehouse, AL AP Analista Legislativo Desenvolvedor de Banco de Dados, FCC, 2020

14 Q155144 | Informática, DW Data Warehouse, Analista Judiciário Tecnologia da Informação, TJ SE, CESPE CEBRASPE

15 Q851911 | Informática, DW Data Warehouse, AL AP Analista Legislativo Desenvolvedor de Sistemas, FCC, 2020

16 Q163488 | Informática, DW Data Warehouse, Auditor Fiscal, SEFAZ BA, FCC, 2019

17 Q107435 | Informática, DW Data Warehouse, Analista de Controle Externo Processamentos de Dados, TCE AC, CESPE CEBRASPE

18 Q106253 | Informática, DW Data Warehouse, Analista de banco de dados, MPU, CESPE CEBRASPE

19 Q113637 | Informática, DW Data Warehouse, Analista de Informática, MPU, CESPE CEBRASPE

20 Q167550 | Informática, DW Data Warehouse, Auditor Fiscal da Receita Estadual, SEFAZ SC, FCC, 2018