Juliana Jenny Kolb
Home > Simulados on-line > Questões de Concursos > Tecnologia da Informação (TI)
Materiais de Estudo disponíveis
| Apostila on-line |  |
Questões – BI – Datawarehouse – OLAP
Questões extraídas de concursos públicos e/ou provas de certificação. Cada teste apresenta no máximo 30 questões.
O conceito de drill-through está relacionado com a busca de informação em um nível de detalhe menor do que o permitido pela sua granularidade. O drill-through seria uma operação que permite uma busca de informações além do nível de granularidade existente na estrutura dimensional (arquivo ou ambiente diferente do DW). Resumindo, o drill-throug é semelhante ao drill-through, só que com a propriedade de buscar o detalhe em outra estrutura. Para ler mais sobre o assunto, acesse: Business Intelligence ( )Results
#1. (CESPE – TCU/2015) Na análise dos dados de um sistema com o apoio de uma ferramenta OLAP, quando uma informação passa de uma dimensão para outra, inexistindo hierarquia entre elas, ocorre uma operação drill through.
?
O conceito de drill-through está relacionado com a busca de informação em um nível de detalhe menor do que o permitido pela sua granularidade.
#2. (CESPE – TRE-PI/2016) Existem dois esquemas lógicos para a implementação de um modelo de BI que envolve tabelas de fato e tabelas de dimensões: o esquema estrela (star schema) e o floco-de-neve (snow-flake schema). Acerca do esquema estrela, assinale a opção correta.
#3. (FGV – IBGE/2017) Observe as seguintes figuras que ilustram uma operação OLAP em que a exibição dos dados foi modificada da Visão A para a Visão B.
Para alterar a perspectiva de análise dos dados da Visão A para a Visão B, deve-se executar a operação OLAP: #4. (FGV – IBGE/2017) Ambientes OLTP (Online Transaction Processing) se diferem de ambientes OLAP (Online Analytical Processing), pois ambientes OLTP reúnem sistemas de informação que possuem as seguintes características:
#5. (FGV – IBGE/2017) Pedro foi contratado para desenvolver uma solução de integração de dados a partir de diversas fontes heterogêneas com o objetivo de apoiar a análise de informações. A solução deve ter as seguintes características: Não-volátil, Histórico, Orientado a Assunto e Variante no Tempo. Para isso, Pedro deve desenvolver um:
#6. (CESPE – TCU/2015) No ambiente organizacional, devido à grande quantidade de dados, não é recomendado o emprego de data mining para atividades ligadas a marketing.
#7. (CESPE – TCU/2015) Quem utiliza o data mining tem como objetivo descobrir, explorar ou minerar relacionamentos, padrões e vínculos significativos presentes em grandes massas documentais registradas em arquivos físicos (analógicos) e arquivos lógicos (digitais).
#8. (VUNESP – TCE-SP/2015) Uma das formas de modelagem utilizada no desenvolvimento de data warehouses é a modelagem multidimensional. Nesse tipo de modelagem,
#9. (FEPESE – JUCESC/2017 ) Sobre conceitos e ferramentas OLAP, considere as seguintes afirmativas: 1. HOLAP refere-se às ferramentas OLAP híbridas, utilizando técnicas ou gerenciadores de banco de dados relacionais e multidimensionais. 2. ROLAP refere-se às implementações OLAP baseadas em gerenciadores de bancos de dados relacionais. 3. MOLAP refere-se às implementações OLAP baseadas em gerenciadores de bancos de dados multidimensionais. Assinale a alternativa que indica todas as afirmativas corretas.
#10. (FEPESE – JUCESC/2017 ) Sobre as abordagens e metodologias para construção de data warehouse, considere as seguintes afirmativas: 1. Embora o modelo de Inmon seja relacional, ele permite o uso de esquemas estrela nos data marts que terão acesso direto do usuário final. 2. O esquema estrela (star schema) baseia-se em tabelas dimensionais e de fatos, na relação de muitos para um. . O modelo de Kimball é baseado em modelos de Entidade-Relacionamento, onde a normalização dos dados evita dados duplicados no data warehouse. Assinale a alternativa que indica todas as afirmativas corretas.
#11. (FEPESE – JUCESC/2017 ) No contexto de data warehouse e ferramentas OLAP, associe os seguintes conceitos às respectivas afirmativas: Coluna 1 Conceitos 1. Slice 2. Dice 3. Roll up 4. Pivot Coluna 2 Descrição ( ) Permite rotacionar um cubo de modo a visualizar os dados sob diferentes faces, modificando a orientação dimensional do cubo. ( ) Produz um subcubo através da seleção de um subconjunto de atributos de múltiplas dimensões. ( ) Produz um subcubo através da seleção de uma dimensão em detrimento de outras. ( ) Realiza operações de agregação em um cubo de dados. Assinale a alternativa que indica a sequência correta, de cima para baixo.
#12. (FEPESE – JUCESC/2017 ) ETL é o método mais comum para transferir dados de uma fonte de dados OLTP para um data warehouse. Contudo, pode-se também empregar o processo de extração, carga e transformação no formato ELT. Para tanto, faz-se necessário o uso de:
#13. (CESPE – SERPRO/2013) A principal função de sistemas OLAP (on-line analytical processing) é capturar transações de negócio e armazená-las em um banco de dados, tornando constantes as operações de inserção de dados.
#14. (CESPE – SERPRO/2013) É comum o armazenamento maior de dados para OLAP, em relação a OLTP (on-line transaction processing), com a finalidade de se manter histórico para análise.
#15. (CESPE – SERPRO/2013) Os datamarts são criados a partir de sistemas transacionais, buscando informações relevantes para o público que irá utilizá-lo.
#16. (CESPE – SERPRO/2013) Os dados armazenados em um datawarehouse devem ser normatizados.
#17. (FUNCAB – SESACRE/2014) A tecnologia OLAP organiza os dados de um banco de dados em estruturas multidimensionais. Essas estruturas são conhecidas como:
#18. (FUNCAB – SESACRE/2014) São características de um datawarehouse, EXCETO:
#19. (FUNCAB – SESACRE/2014) É utilizado em empresas para descobrir padrões de comportamento de determinados clientes visando a oferta de produtos ou serviços específicos. Essa estrutura é utilizada no(s):
#20. (IESES – TRE-MA/2015) Os índices são elementos fundamentais em um projeto de Data Warehouse. Os tipos de índices usados em sistemas de Data Warehouse são:
#21. (IESES – TRE-MA/2015) O particionamento em Data Warehouse apoia o gerenciamento de data sets. Onde o particionamento pode ser aplicado e quais são os tipos de particionamento:
#22. (CESPE – TCU/2015) Entre os requisitos de análise de uma aplicação OLAP inclui-se a capacidade de tratar dinamicamente a esparsidade das informações para restringir o cruzamento dimensional de matrizes com células de valor zero.
#23. O tipo de processamento analítico on-line, adequado para dados referentes a um assunto em especial, tipo Data Marts, no qual os dados são mais específicos e o aplicativo será direcionado na análise com dimensionalidade limitada e pouco detalhamento das informações, que trabalha exclusivamente com a tecnologia multidimensional, com acesso direto ao servidor, sem transferir dados para desktops, e que fornece uma resposta rápida para praticamente qualquer consulta é o:
#24. (FCJ – CIGA/2014) O data warehouse possibilita:
#25. (PUC-PR – TJ-MS/2017) A tecnologia OLAP (Online Analytical Processing) provê suporte a banco de dados multidimensionais, usado em soluções de apoio à decisão e Business Intelligence (BI), como o Microsoft SQL Server Analytical Services (SSAS), que fornece os dados analíticos para relatórios de negócios e aplicativos cliente, tais como Excel e relatórios do Reporting Services. Com relação às diferentes características e ferramentas próprias da OLAP, analise as assertivas a seguir. I. Na modelagem usada para representar dados multidimensionais, o diagrama do esquema estrela tem em seu centro uma tabela fato vinculada a várias tabelas dimensões, dispostas radialmente. A tabela fato armazena dados descritivos, enquanto as tabelas dimensões armazenam dados numéricos. II. Dentre as operações suportadas no OLAP, estão os operadores de cubos de dados: slice, que seleciona um subconjunto de dimensões; dice, que seleciona um subconjunto do cubo original; e drill-down, que retorna detalhes de uma dimensão. III. Uma instância do Microsoft SQL Server Analysis Services (SSAS) é executada em bancos de dados tabulares, bancos de dados multidimensionais, ou em ambos. IV. O processo de mineração de dados (datamining) permite descobrir padrões implícitos nos dados armazenados em datawarehouse, com o objetivo de usar tais padrões para vantagens competitivas em negócios. Estão CORRETAS apenas as assertivas:
#26. (FUNCAB-EMDUR/2014) Alguns termos utilizados na terminologia de banco de dados estão disponibilizados na Coluna I. Estabeleça a correta correspondência com os seus significados, disponibilizados na Coluna II. Coluna I 1. Data Mart 2. OLAP 3. Data Mining 4. Data Warehouse Coluna II ( ) Permite a análise multidimensional de dados, obtendo respostas on-line. ( ) Fornece percepções de dados corporativos, descobrindo padrões e relacionamentos ocultos para prever comportamentos futuros. ( ) Porção resumida ou altamente focalizada dos dados da organização, destinada a uma população específica de usuários. ( ) banco de dados que armazena dados correntes e históricos de potencial interesse para os tomadores de decisão de toda a empresa. A sequência correta é:
#27. (CESPE/UnB – TCDF/ANAP – 2014) Em um data warehouse com arquitetura de dados em três camadas, a camada intermediária representa os dados consolidados, consolidação essa que exige o entendimento de como os dados da camada inferior estão relacionados.
#28. (FUNCAB-EMDUR/2014) Antes de implantar um novo banco de dados, as organizações precisam identificar e corrigir os seus dados. São atividades para detectar e corrigir dados incorretos, incompletos, formatados inadequadamente ou redundantes dentro do banco de dados:
#29. (CESPE – TCU/2015) A finalidade do uso do data mining em uma organização é subsidiar a produção de afirmações conclusivas acerca do padrão de comportamento exibido por agentes de interesse dessa organização.
#30. (CESPE/UnB – TCDF/ANAP – 2014) Com o uso da classificação como técnica de Data Mining, busca-se a identificação de uma classe por meio de múltiplos atributos. Essa técnica também pode ser usada em conjunto com outras técnicas de mineração de dados.
