Modelagem e Arquitetura Do DW
Modelagem e Arquitetura Do DW
Modelagem e Arquitetura Do DW
Alternativas:
V –V - V – V – F.
V – V – V – F – F.checkCORRETO
F - F - F – V – V.
F – V – V – F – F.
F – V – F – V – F.
Resolução comentada:
A construção de um DW inicia com a recuperação dos dados históricos da empresa.
Isso significa realizar cópias da história da organização, de acordo com os dois
anos anteriores, como recomenda Machado (2010).
A construção pressupõe necessidades de informações especializadas, indicadores de
performance da organização. Uma base histórica auxilia na criação de comparações
com dados atuais e tendências futuras.
A construção prevê também a utilização de ferramentas de EIS e DSS. Essas
ferramentas são utilizadas em diferentes níveis de gestão das organizações, de
acordo com Turban (2007).
A primeira fase, seleção dos dados, refere-se à seleção dos principais conjuntos de
dados e do tratamento de limpeza e integração desses dados a serem utilizados pela
operação de transformação de dados.
A segunda fase, análise e classificação dos dados, refere-se ao estudo dos dados
para identificar características e padrões comuns com a aplicação de algoritmos
para encontrar análises, vínculos ou dependências, padrões, tendências e desvios de
dados.
A terceira fase, aquisição do conhecimento, refere-se à seleção dos algoritmos mais
comuns de modelagem e aquisição de conhecimentos, baseados em redes neurais, lógica
indutiva, árvores de decisão, classificação ou regressão, etc., e a definição
desses algoritmos com possível interação dos usuários finais.
A quarta fase, transformação dos dados, refere-se às descobertas de mineração de
dados para garantirem o comportamento futuro e adquirirem conhecimento, para os
usuários estratégicos analisarem seus negócios, por exemplo, o provável lançamento
de um produto novo ou de uma campanha de marketing.
Estão corretos os itens
Alternativas:
I – II – IV.
II – III.checkCORRETO
I – II.
III – IV.
I – II – III.
Resolução comentada:
o item I está errado, porque a primeira fase é definida como preparação dos dados e
refere-se à identificação dos principais conjuntos de dados e do tratamento de
limpeza e integração desses dados a serem utilizados pela operação de mineração de
dados.
O item IV está errado porque a quarta fase é definida como prognóstico e refere-se
às descobertas de mineração de dados para preverem o comportamento futuro e
projetarem resultados de negócios, como o provável lançamento de um produto novo ou
de uma campanha de marketing.
Alternativas:
F – V – F – V – F.
V – V – V – V – V.
V – V – F – V – F.checkCORRETO
F – F – V – F – V.
F – F – F – F – F.
Resolução comentada:
o item 3 é falso, porque é o Esquema Floco de Neve que separa as hierarquias das
dimensões em tabelas diferentes, especificando variantes da dimensão principal.
Considera-se que a aplicação da técnica de normalização nas tabelas de Dimensões
aumenta consideravelmente o número de dimensões e, consequentemente, diminuindo a
performance das consultas dinâmicas.
O item 5 é falso, porque o processo de transformar e proceder à carga dos dados,
para recuperar, analisar e extrair os dados dos sistemas transacionais refere-se a
uma etapa do processo de criação de um Data Warehouse, conhecido como ETL.
Alternativas:
Alternativas:
III – IV.
I – II – III – IV.
I – II – III.
I – II.checkCORRETO
II – III.
Resolução comentada:
o Item III está errado porque refere-se a técnica de Análise de Aglomerações
(Cluster Analysis): caracteriza-se em identificar a existência de diferentes grupos
dentro de um conjunto de dados e, constatada esta existência, agrupa-se os
elementos estudados de acordo com suas similaridades, podendo refiná-los e definir
a priorização entre eles.
O item IV está errado, porque refere-se à técnica de Algoritmos Genéticos: utiliza-
se algoritmos genéticos para encontrar soluções de problemas dinâmicos e complexos
que envolvem centenas ou milhares de variáveis e/ou fórmulas para identificar as
descobertas, gerando possíveis soluções simultaneamente.
Assinale a alternativa correta que indica o termo que preenche a lacuna acima:
Alternativas:
IV. A arquitetura independente mantém Data Marts stand-alone, onde têm-se dados
específicos da necessidade da empresa, considerando que cada departamento tem sua
informação sem a integração com outros departamentos.
Alternativas:
I – II – III – IV – V.
I – II – III.
III – IV – V.
II – III – IV – V.
II – IV – V.checkCORRETO
Resolução comentada:
os itens I e III estão errados. O item I está errado porque a arquitetura é
classificada como global, independente ou a integrada; e o tipo de implementação é
do tipo top down, bottom up ou a combinada.
O item III está errado porque é a arquitetura global que mais independente,
considerada a arquitetura que comporta as necessidades do DW organizacional com
alto nível de acessos e utilização das informações geradas e disponibilizadas, a
partir de ferramentas de apoio a decisão para todos os departamentos da empresa.
(MACHADO, Felipe N. Tecnologia e projeto de data warehouse. 6. ed. São Paulo, SP:
Erica, 2013).
III. Demandam menos investimento porque são mais baratos, em função de serem
implementados mais rápidos.
Alternativas:
I – II.
II – III.
I – II – III.checkCORRETO
III – IV.
I – II – III – IV.
Resolução comentada:
os itens I, II e III referem-se às características e/ou vantagens dos Data Marts. O
item IV é uma característica
dos sistemas de inteligência artificial.
Alternativas:
Alternativas: