Arquitetura de Data Warehouse e Data Marts_ Simulado

Prévia do material em texto

26/07/2022 10:32 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/7
 
Meus Simulados
Teste seu conhecimento acumulado
Disc.: ARQUITETURA DE DATA WAREHOUSE E DATA MARTS 
Aluno(a): GILEADE DA CRUZ E SILVA 202103574505
Acertos: 7,0 de 10,0 25/07/2022
Acerto: 1,0 / 1,0
(AOCP - 2018 - SUSIPE-PA - Técnico em Gestão de Infraestrutura - Técnico em Gestão de Informática)
No contexto de Data Warehouse, uma outra possibilidade de suporte a dados é o Data Mart. Assinale a alternativa que
apresenta uma definição de Data Mart.
Data Mart é uma versão do Data Warehouse carregada no computador do cliente, visando agilizar suas buscas.
Data Mart é uma cópia de um Data Warehouse para realizar buscas e alterações dos dados.
Data Mart é uma versão atualizada do Data Warehouse para suportar pesquisa e alterações dos dados.
 Data Mart é um subconjunto de dados referentes a uma área específica, não normalizados e indexados para suportar
pesquisas.
Data Mart é um subconjunto de dados referentes a uma área específica, escolhidos de forma aleatória no Data
Warehouse.
Respondido em 25/07/2022 09:03:09
Acerto: 1,0 / 1,0
O mapeamento da fonte dos dados é uma verificação mais detalhada da origem dos dados mapeados
durante o levantamento de requisitos. Sobre o mapeamento da fonte de dados é correto afirmar que:
 Questão1
a
 Questão2
a
https://simulado.estacio.br/alunos/inicio.asp
javascript:voltar();
26/07/2022 10:32 Estácio: Alunos
https://simulado.estacio.br/alunos/ 2/7
 
Não é necessário realizar o mapeamento das fontes dos dados, pois não há risco de ausência ou indisponibilidade dos
dados no sistema origem.
Não é necessário em projetos de Data Warehouse.
 É realizada a localização dos dados no sistema origem e são identificados: o nome da tabela que será acessada, o
nome, o tamanho e o tipo de dado do campo.
É realizado somente se os usuários não souberem informar quais são os sistemas de origem para o Data Warehouse.
É realizado somente se os dados forem extraídos de mais de uma fonte de dados.
Respondido em 25/07/2022 09:17:27
Explicação:
É realizada a localização dos dados no sistema origem e são identificados: o nome da tabela que será acessada, o nome, o
tamanho e o tipo de dado do campo.
Acerto: 1,0 / 1,0
FCC - 2018 - TCE-RS - Auditor Público Externo - Administração Pública ou de Empresas
Considerando a teoria da modelagem dimensional, composta por tabelas Dimensão e tabela Fato, utilizada em Data
Warehouse:
 Não há limitação quanto ao número de tabelas Dimensão.
A tabela Fato não deve possuir atributos do tipo numérico.
Todas as tabelas Dimensão devem possuir o mesmo número de atributos.
Não há relacionamento entre as tabelas Dimensão e a tabela Fato.
 
O grau de relacionamento da tabela Fato para as tabelas Dimensão é de muitos para muitos.
Respondido em 25/07/2022 09:17:53
Explicação:
Não há limitação quanto ao número de tabelas Dimensão.
 Questão3
a
4a
26/07/2022 10:32 Estácio: Alunos
https://simulado.estacio.br/alunos/ 3/7
Acerto: 1,0 / 1,0
FCC - 2015 - TCM-GO - Auditor de Controle Externo ¿ Informática.
Quando o modelo de dados multidimensionais começa a ser definido, elementos básicos de representação precisam ter sido
estabelecidos, de modo a criar-se um padrão de modelagem. Considere um modelo em que as dimensões e fatos são
representados em tabelas, podendo haver múltiplas dimensões e múltiplas tabelas de Fatos.
Ao modelar cada tabela ...I... devem ser considerados os seguintes pontos:
- A chave primária é composta, sendo um elemento da chave para cada dimensão;
- Cada elemento chave para a dimensão deve ser representado e descrito na tabela ...II... correspondente (para efetuar a
junção);
- A dimensão tempo é sempre representada como parte da chave primária.
Deve haver uma tabela ...III... para cada dimensão do modelo, contendo:
- Uma chave artificial (ou gerada) genérica;
- Uma coluna de descrição genérica para a dimensão;
- Colunas que permitam ...IV... ;
- Um indicador nível que indica o nível da hierarquia a que se refere a linha da tabela.
As lacunas são corretas, e respectivamente, preenchidas com:
 
 
Dimensão - de fatos - de tempo - efetuar os filtros.
De tempo - dimensão - de fatos - a junção com as tabelas de dimensão.
 
 De fatos - dimensão - dimensão - efetuar os filtros.
Dimensão - de fatos - de fatos - a junção com as tabelas de fatos.
De fatos - de tempo - dimensão - sinalizar a presença de fatos para o período de tempo indicado na linha.
Respondido em 25/07/2022 09:27:36
Explicação:
De fatos - dimensão - dimensão - efetuar os filtros.
Acerto: 1,0 / 1,0
 Questão
 Questão
5a
26/07/2022 10:32 Estácio: Alunos
https://simulado.estacio.br/alunos/ 4/7
Petrobras Transporte S.A (TRANSPETRO) 2018 (2ª edição), Cargo: Analista de Sistemas Júnior (SAP)
Seja o modelo dimensional de dados a seguir representado, em que a tabela Venda é a tabela de Fatos, e as demais tabelas
representam dimensões. Nesse esquema, os atributos das tabelas foram omitidos.
Nesse caso, qual o modelo multidimensional adotado?
 
Floco de Neve, otimizando o desempenho do acesso aos dados pela decomposição de dimensões indexadas.
 Floco de Neve, especializando tabelas de Dimensão por decomposição hierárquica.
Estrela, com a aplicação da terceira forma normal em tabelas de Dimensão de primeiro nível, eleitas por um critério de
desempenho.
Estrela, pela conjugação da dimensão Tempo com as demais dimensões, que a princípio deveriam ser modeladas em
separado.
Estrela, com uma tabela de Fatos central e tabelas de Relacionamento ligadas a ela, mesmo que indiretamente.
Respondido em 25/07/2022 09:37:42
Explicação:
Conceito sobre os esquemas Estrela e Floco de Neve destacando o uso das hierarquias.
26/07/2022 10:32 Estácio: Alunos
https://simulado.estacio.br/alunos/ 5/7
Acerto: 1,0 / 1,0
(CESGRANRIO - 2010 - Petrobrás - Analista de Sistemas Júnior - Processos de Negócios.)
No contexto de Data Warehouses, o processo de Extração, Transformação e Carga (ETC):
 
Produz, ao seu término, uma série de tabelas (chamadas Fatos) que caracterizam-se por possuírem dados
normalizados até a 3ª forma normal.
Revela-se como uma das etapas importantes do processo de criação do Data Warehouse, já que sua função é obter
automaticamente os conhecimentos necessários para a padronização dos dados em modelos multidimensionais.
Considera somente os dados provenientes de sistemas OLTP como válidos para o processo e, caso exista a
necessidade de consideração de dados externos, estes devem ser importados para os sistemas legados.
 Apresenta, como algumas de suas tarefas, filtragem, integração, conversão, condensação e derivação dos dados de
entrada, que podem ser originários de diversas fontes, inclusive externas aos sistemas OLTP da organização.
Leva em consideração o modelo conceitual de dados das fontes de dados, que é geralmente expresso como modelo
entidade-relacionamento.
Respondido em 25/07/2022 09:48:15
Acerto: 0,0 / 1,0
(AOCP - 2012 - TCE-PA - Assessor Técnico de Informática - Analista de Sistemas.)
Para se transformar os dados conforme regras de negócio visando carregá-lo em um Data Warehouse, por exemplo, algumas
fontes de dados podem requerer muita manipulação. Sendo assim, podem ser necessários um ou mais de um tipo de
transformação, onde três deles são:
 
Refinamento, Tradução, Componentização.
 Carga, Extração, Refinamento.
 Transposição, Junção, Derivação.
Extração, Pipeline, Componentização.
Extração, Tradução, Junção.
Respondido em 25/07/2022 09:50:54
Acerto: 1,0 / 1,0
(FCC - 2011 - TRT - 1ª REGIÃO (RJ) - Analista Judiciário - Tecnologia da Informação)
Ao nível de sumarização dos elementos e de detalhes disponíveis nos dados em um DW dá-se o nome de:
 
 Questão6a
 Questão7
a
 Questão8
a
26/07/2022 10:32 Estácio: Alunos
https://simulado.estacio.br/alunos/ 6/7
Capacidade
 Granularidade
Integridade
Relacionamento
Arquitetura
Respondido em 25/07/2022 09:51:37Acerto: 0,0 / 1,0
(2013 DNIT Analista Administrativo - Tecnologia da Informação Disciplina)
São regras de avaliação de produtos OLAP:
Visão conceitual multidimensional para formular consultas. Dimensionalidade genérica. Manipulação segmentada dos
dados. Operações irrestritas com dimensões alternadas.
 Visão conceitual multidimensional para formular consultas. Desempenho consistente na geração de relatórios.
Dimensionalidade genérica. Manipulação intuitiva dos dados.
Transferência ao usuário. Desempenho consistente na geração de relatórios. Dimensionalidade cumulativa. Operações
irrestritas com dimensões cruzadas.
 Extensão conceitual dos dados. Transparência ao dispositivo de acesso. Manipulação intuitiva dos dados. Operações
irrestritas com indicações cruzadas.
Visão conceitual multidimensional para restringir consultas. Transparência ao usuário. Dimensionalidade genérica.
Manipulação dedutiva dos dados.
Respondido em 25/07/2022 09:52:34
Acerto: 0,0 / 1,0
(PUC-PR - 2017 - TJ-MS - Técnico de Nível Superior - Analista de Banco de Dados.)
O Microsoft Power BI é um pacote de ferramentas de análise de negócios que proporciona variadas visualizações de
indicadores, criados a partir de processos que simplificam a preparação dos dados provenientes de diferentes fontes de dados.
A apresentação de relatórios e dashboards é personalizada e preparada para publicação, compartilhamento e análise por
integrantes de uma empresa, por meio de navegador Web ou dispositivos móveis. É uma forma rápida para disponibilização de
diferentes exibições, exclusivas e completas dos negócios da empresa, com garantia de escalabilidade, governança e
segurança.
Com relação aos recursos e ferramentas disponíveis no Power BI, assinale a afirmativa CORRETA.
 
Após a conexão com mais de uma fonte de dados, é possível transformar e combinar os dados coletados no Power BI,
conforme a necessidade, em uma consulta útil. Há duas formas de combinar consultas: mesclando e acrescentando.
Quando se tem uma ou mais colunas para adicionar a outra consulta, é preciso acrescentar a consulta. Quando se tem
linhas adicionais de dados para serem adicionadas a uma consulta existente, é preciso mesclar as consultas.
 Questão9
a
 Questão10
a
26/07/2022 10:32 Estácio: Alunos
https://simulado.estacio.br/alunos/ 7/7
No Power BI, os dashboards costumam ser confundidos com relatórios, pois ambos são telas com visualizações. Entre
as diferenças importantes, podemos citar que, no dashboard, não é possível filtrar ou fatiar as visualizações, enquanto
nos relatórios existem diferentes maneiras de filtrar, realçar e fatiar. Da mesma forma, no dashboard não é possível
criar alertas para envio por e-mail quando determinadas condições são atendidas, mas nos relatórios isso é possível.
Quando um conjunto de dados no Power BI é obtido a partir de um arquivo salvo em um computador local, .CSV ou
.XLSX por exemplo, é preciso que a conta usada para acessar o equipamento seja a mesma usada para o logon do
Power BI. Dessa forma, o conjunto de dados criados no site do Power BI terá não apenas a referência dessa conta de
logon no Power BI, mas também a referência ao arquivo fonte, permitindo a sincronização desse conjunto de dados
com sua fonte sempre que houver alterações, e mantendo as visualizações que exploram esses dados atualizadas.
 Quando existem dashboards ou relatórios que precisam ser acessados com mais frequência, é possível adicioná-los ao
Favoritos, o que permite o acesso rápido e facilitado tanto ao dashboard quanto ao relatório a partir de todos os
espaços de trabalho.
 Quando duas ou mais tabelas são consultadas e carregadas ao mesmo tempo, o Power BI Desktop tenta localizar e
criar relações, em que a cardinalidade, a direção e as propriedades de relação são definidas automaticamente. O
Power BI Desktop procura por nomes de colunas que possam ser correspondentes, o que indica uma potencial relação.
Se possível e desde que haja alto nível de confiança na existência da relação, essa é criada automaticamente. Caso
contrário, a caixa de diálogo Gerenciar Relações ainda pode ser usada para criar ou editar relações.
Respondido em 25/07/2022 09:54:29
javascript:abre_colabore('38403','290600257','5561037431');