Questão de Banco de Dados — Data Mining — CESPE / CEBRASPE 2025

Mineração de Dados e Big Data

Gabarito: ❌ ERRADO. A afirmação contém dois erros centrais: (1) a mineração de dados não utiliza exclusivamente algoritmos de aprendizado supervisionado; (2) bancos de dados relacionais tradicionais não são suficientes para enfrentar os desafios de volume, variedade e velocidade do Big Data. A banca explora o termo "exclusivamente" e a ideia de suficiência para induzir ao erro.

Análise dos Erros

1. Aprendizado Supervisionado vs. Não Supervisionado

Data Mining emprega tanto técnicas supervisionadas (classificação, regressão) quanto não supervisionadas (clusterização, associação). Por exemplo, a identificação de padrões de compra com regras de associação ("clientes que compram fraldas também compram cerveja") é uma técnica não supervisionada. A tabela abaixo resume as diferenças:

2. Big Data e Bancos de Dados

Big Data exige sistemas que lidem com:

• Volume: dados massivos que não cabem em um único servidor relacional.

• Variedade: dados estruturados, semiestruturados e não estruturados.

• Velocidade: alta taxa de ingestão e processamento.

Bancos relacionais tradicionais (SQL) têm limitações de escalabilidade horizontal e flexibilidade de schema. Tecnologias como NoSQL (MongoDB, Cassandra), Hadoop e Spark são amplamente adotadas para esses desafios.

Portanto, a afirmativa está ERRADA.