Questão de Banco de Dados — Data Mining — CESPE / CEBRASPE 2021

Data Mining: Etapa de Pré-processamento e Enriquecimento de Dados

Gabarito: letra E. O enriquecimento de dados (data enrichment) na etapa de pré-processamento do data mining consiste em agregar novas informações à base já existente, geralmente provenientes de fontes externas, com o objetivo de enriquecer o conjunto de dados para análises mais precisas. Essa prática difere de outras atividades de preparação, como deduplicação, seleção de amostras, integração de bases ou tratamento de valores nulos.

A banca cobra o conhecimento específico sobre as tarefas da fase de pré-processamento do processo KDD (Knowledge Discovery in Databases). O data mining é uma etapa do KDD, e antes dele há o pré-processamento, que inclui limpeza, integração, transformação, redução e enriquecimento dos dados. O enriquecimento é justamente a adição de dados complementares.

Alternativa A — ❌ Incorreta

A deduplicidade de registros (remoção de duplicatas) é uma atividade de limpeza de dados (data cleaning), que visa eliminar registros redundantes, e não enriquecer a base com novos dados.

Alternativa B — ❌ Incorreta

A seleção de amostras (sampling) é uma técnica de redução de dados, na qual se escolhe um subconjunto representativo do todo para análise. Não se trata de enriquecimento, pois não acrescenta novos dados, apenas reduz o volume.

Alternativa C — ❌ Incorreta

A integração de bases diferentes é a combinação de dados de múltiplas fontes em um único repositório, podendo gerar um conjunto mais completo, mas não é especificamente enriquecimento, pois o foco está em unificar dados existentes, não em adicionar atributos externos adicionais.

Alternativa D — ❌ Incorreta

O tratamento de valores nulos (missing values) é uma tarefa de limpeza de dados, que pode envolver preenchimento, exclusão ou imputação de valores ausentes, mas não acrescenta novos dados à base.

Alternativa E — ✅ Correta ⟵ GABARITO

O enriquecimento de dados consiste no acréscimo de dados à base já existente, geralmente obtidos de fontes externas (ex.: dados demográficos, socioeconômicos) para aumentar o poder preditivo dos modelos de data mining. É uma etapa opcional, mas valiosa, que amplia o conjunto de atributos disponíveis para análise.

Gabarito: letra E