Questão de Banco de Dados — Banco de Dados — FCC 2018
Banco de Dados›Banco de Dados
Código
fc045908
Banca
FCC
Órgão
MPE-PE
Ano
2018
Cargo
Analista Ministerial - Informática
Uma organização que lida com um grande volume de dados estruturados e não estruturados objetiva organizar esses dados para encontrar insights necessários para o negócio usando técnicas de aprendizagem de máquina. Terá maiores chances de sucesso para atingir seus objetivos investindo na área de
AData Science.
BBusiness Intelligence.
CBig Data.
DGovernança de Dados.
EQualidade de Dados.
Revelar gabarito e comentário▾
GabaritoA — Data Science.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Data Science, BI, Big Data e áreas correlatas
Gabarito: letra A. A combinação de grande volume de dados estruturados e não estruturados com técnicas de aprendizagem de máquina para obtenção de insights é o cerne da Data Science, que integra estatística, programação e Machine Learning para extrair conhecimento e apoiar decisões estratégicas. As demais áreas, embora relacionadas, não têm como foco central a modelagem preditiva e o descobrimento de padrões por meio de aprendizado de máquina.
A questão testa a compreensão da fronteira entre conceitos complementares, mas distintos. Vejamos cada alternativa:
Áreas de dados: Data Science (✅) (Estatística + programação + ML, Insights preditivos/prescritivos, Dados estruturados e não estruturados); Business Intelligence (❌) (Histórico e descritivo, Dashboards e relatórios, Sem foco em ML); Big Data (❌) (Infraestrutura de volume massivo, Armazenamento e processamento, Não gera insights por si só); Governança de Dados (❌) (Políticas e compliance, Qualidade, segurança, privacidade, Gestão, não análise)
Alternativa A — ✅ Correta ⟵ GABARITO
Data Science é o campo interdisciplinar que utiliza métodos científicos, algoritmos, processos e sistemas para extrair conhecimento e insights de dados, sejam estruturados ou não. O uso de técnicas de aprendizagem de máquina é uma de suas principais ferramentas. É a área mais alinhada com o objetivo descrito.
Alternativa B — ❌ Incorreta
Business Intelligence (BI) foca na coleta, integração, análise e apresentação de informações históricas para apoiar decisões gerenciais, geralmente por meio de dashboards e relatórios. Embora envolva análise de dados, não tem como premissa o uso de aprendizado de máquina ou a descoberta de padrões não óbvios em dados não estruturados. O BI é mais reativo e descritivo, enquanto a abordagem pedida é preditiva/prescritiva.
Alternativa C — ❌ Incorreta
Big Data refere-se ao conjunto de tecnologias e práticas para armazenar, processar e gerenciar volumes massivos de dados (estruturados e não estruturados) que não podem ser tratados por ferramentas tradicionais. É uma infraestrutura necessária, mas não a área que aplica algoritmos de aprendizado de máquina para gerar insights. Uma organização pode ter Big Data sem ter Data Science; o investimento em Big Data por si só não garante a análise avançada.
Alternativa D — ❌ Incorreta
Governança de Dados trata de políticas, processos e padrões para garantir a qualidade, segurança, privacidade e uso adequado dos dados. É uma função de gestão e compliance, não uma área voltada à análise exploratória e modelagem preditiva. Não é o caminho direto para encontrar insights com machine learning.
Alternativa E — ❌ Incorreta
Qualidade de Dados foca na precisão, consistência, completude e confiabilidade dos dados. Embora dados de qualidade sejam pré-requisito para análises confiáveis, a área em si não realiza a descoberta de insights nem aplica técnicas de aprendizado de máquina. É suporte, não solução.
NÃO CAIA NESSA!
A banca costuma confundir Data Science com Business Intelligence, pois ambos lidam com dados. A diferença central: BI é descritivo (o que aconteceu), enquanto Data Science é preditivo/prescritivo (o que vai acontecer e como agir), usando machine learning de forma intensiva. Outro distrator é Big Data, que é a base tecnológica, não a análise.