Prévia do material em texto

30/05/2023, 18:05 Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=307595580&cod_prova=6253596531&f_cod_disc= 1/6
 
Meus
Simulados
Teste seu conhecimento acumulado
Disc.: ARQUITETURA DE DATA WAREHOUSE E DATA MARTS   
Aluno(a): PAOLA THEREZA ZANOTTA 202208890032
Acertos: 9,0 de 10,0 03/05/2023
Acerto: 0,0  / 1,0
Fundatec - 2014 - Sefaz-RS - Auditor Fiscal da Receita Estadual - Bloco 1
Há uma tecnologia que é empregada sobre grandes volumes de dados para descobrir
novas informações em função de regras e padrões neles existentes. Normalmente, tais
informações não são obtidas simplesmente consultando-se os dados armazenados em
bancos de dados. Por exemplo: uma das maiores redes de varejo dos Estados Unidos
descobriu, em seu enorme banco de dados, por meio do uso dessa tecnologia, que o
aumento das vendas de fraldas descartáveis, nas sextas-feiras, estava relacionado às
vendas de cerveja, sendo que, geralmente, os compradores eram homens. Como
oportunidade de negócio, a rede varejista colocou os produtos lado a lado, resultando
em um aumento expressivo nas vendas de ambos. Para ob ter tais descobertas, essa
tecnologia usa diversas técnicas, como associação, classificação e predição, entre
outras. Nesse caso, essa tecnologia é chamada de:
 
Data Mart.
 Data Warehouse.
OLAP.
 Data mining.
 Business Intelligence.
Respondido em 03/05/2023 15:28:24
Explicação:
Data mining.
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();
30/05/2023, 18:05 Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=307595580&cod_prova=6253596531&f_cod_disc= 2/6
 
Não é necessário em projetos de Data Warehouse.
Não é necessário realizar o mapeamento das fontes dos dados, pois não há risco de ausência ou
indisponibilidade dos dados no sistema origem.
 É realizada a localização dos dados no sistema origem e são identi�cados: 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 03/05/2023 15:36:21
Explicação:
É realizada a localização dos dados no sistema origem e são identi�cados: 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:
O grau de relacionamento da tabela Fato para as tabelas Dimensão é de muitos para muitos.
A tabela Fato não deve possuir atributos do tipo numérico.
Não há relacionamento entre as tabelas Dimensão e a tabela Fato.
 
 Não há limitação quanto ao número de tabelas Dimensão.
Todas as tabelas Dimensão devem possuir o mesmo número de atributos.
Respondido em 03/05/2023 15:43:39
Explicação:
Não há limitação quanto ao número de tabelas Dimensão.
Acerto: 1,0  / 1,0
FCC - 2015 - TCM-GO - Auditor de Controle Externo ¿ Informática.
Quando o modelo de dados multidimensionais começa a ser de�nido, 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.
 Questão3
a
 Questão4
a
30/05/2023, 18:05 Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=307595580&cod_prova=6253596531&f_cod_disc= 3/6
Deve haver uma tabela ...III... para cada dimensão do modelo, contendo:
- Uma chave arti�cial (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:
 
 
De tempo - dimensão - de fatos - a junção com as tabelas de dimensão.
 
Dimensão - de fatos - de fatos - a junção com as tabelas de fatos.
 De fatos - dimensão - dimensão - efetuar os �ltros.
Dimensão - de fatos - de tempo - efetuar os �ltros.
De fatos - de tempo - dimensão - sinalizar a presença de fatos para o período de tempo indicado na linha.
Respondido em 30/05/2023 17:56:39
Explicação:
De fatos - dimensão - dimensão - efetuar os �ltros.
Acerto: 1,0  / 1,0
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?
 
 Questão5
a
30/05/2023, 18:05 Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=307595580&cod_prova=6253596531&f_cod_disc= 4/6
Floco de Neve, otimizando o desempenho do acesso aos dados pela decomposição de dimensões
indexadas.
Estrela, com uma tabela de Fatos central e tabelas de Relacionamento ligadas a ela, mesmo que
indiretamente.
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.
 Floco de Neve, especializando tabelas de Dimensão por decomposição hierárquica.
Respondido em 30/05/2023 17:57:28
Explicação:
Conceito sobre os esquemas Estrela e Floco de Neve destacando o uso das hierarquias.
Acerto: 1,0  / 1,0
FCC - 2012 - TST - Analista Judiciário - Análise de Sistemas.
O processo de ETL em um Data Warehouse possui várias fases. Em uma destas fases é efetuada a
Criação de diagramas estáticos e comportamentais das classes e atributos.
 
 Extração dos dados dos sistemas de origem.
Introdução de novos produtos no mercado.
Validação das interfaces de usuário.
Inde�nição dos custos e prazos.
Respondido em 30/05/2023 17:58:00
Explicação:
Extração dos dados dos sistemas de origem.
Acerto: 1,0  / 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:
 
Extração, Pipeline, Componentização.
Re�namento, Tradução, Componentização.
Extração, Tradução, Junção.
Carga, Extração, Re�namento.
 Transposição, Junção, Derivação.
Respondido em 30/05/2023 17:59:12
 Questão6
a
 Questão7
a
30/05/2023, 18:05 Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=307595580&cod_prova=6253596531&f_cod_disc= 5/6
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:
 
Arquitetura
Integridade
 Granularidade
Capacidade
Relacionamento
Respondido em 30/05/202317:59:36
Acerto: 1,0  / 1,0
(2013 DNIT Analista Administrativo - Tecnologia da Informação Disciplina)
São regras de avaliação de produtos OLAP:
 Visão conceitual multidimensional para formular consultas. Desempenho consistente na geração de
relatórios. Dimensionalidade genérica. Manipulação intuitiva dos dados.
Extensão conceitual dos dados. Transparência ao dispositivo de acesso. Manipulação intuitiva dos
dados. Operações irrestritas com indicações cruzadas.
Visão conceitual multidimensional para formular consultas. Dimensionalidade genérica. Manipulação
segmentada dos dados. Operações irrestritas com dimensões alternadas.
Visão conceitual multidimensional para restringir consultas. Transparência ao usuário.
Dimensionalidade genérica. Manipulação dedutiva dos dados.
Transferência ao usuário. Desempenho consistente na geração de relatórios. Dimensionalidade
cumulativa. Operações irrestritas com dimensões cruzadas.
Respondido em 30/05/2023 18:01:14
Acerto: 1,0  / 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 simpli�cam 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 a�rmativa CORRETA.
 
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.
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 �ltrar
ou fatiar as visualizações, enquanto nos relatórios existem diferentes maneiras de �ltrar, realçar e fatiar.
 Questão8
a
 Questão9
a
 Questão10
a
30/05/2023, 18:05 Estácio: Alunos
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=307595580&cod_prova=6253596531&f_cod_disc= 6/6
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.
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.
 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 de�nidas
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 con�ança 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.
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.
Respondido em 30/05/2023 18:04:09