Pular para o conteúdo principal

Questão de Banco de Dados — BI (Business Intelligence) — FCC 2019

Banco de DadosBI (Business Intelligence)
Código
fc056309
Banca
FCC
Órgão
SANASA Campinas
Ano
2019
Cargo
Analista de Tecnologia da Informação - Análise e Desenvolvimento
No contexto de Business Intelligence – BI, uma Agência de Abastecimento de Águas implementou um cubo de informações cujas dimensões são:− “o que” (ex. = reparo de tubulação),− “quando” (ex. primeiro trimestre de 2019) e− “onde” (ex. Capivari).Diversas consultas podem daí derivar mediante acesso a essas dimensões a partir da base que hospeda o cubo. Duas delas, feitas por um Analista de TI que desejava saber o valor dos serviços prestados, foram:− Obter informações do serviço troca de tubulação sem restrição de quando e onde.− Sumarizar as informações mensais em grupos trimestrais.As operações de consultas por ele corretamente realizadas sobre o cubo foram, respectivamente,
  1. Aranking e drill through.
  2. Bdicing e drill down.
  3. Cpivoting e slicing.
  4. Dslicing e roll Up.
  5. Edrill across e ranking.
Revelar gabarito e comentário

GabaritoD — slicing e roll Up.

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”.

Business Intelligence (BI) — Operações OLAP

Gabarito: letra D. A primeira consulta (informações sobre 'troca de tubulação' sem restrições de tempo e local) corresponde à operação slice (fatiamento), que seleciona um valor único de uma dimensão. A segunda consulta (agregar dados mensais em trimestres) corresponde à operação roll up (ou drill up), que reduz a granularidade dos dados. Essas são operações clássicas de análise multidimensional (OLAP).

No contexto de BI e cubos OLAP, as operações permitem navegar e resumir dados de forma flexível. O slice fixa uma dimensão em um valor particular, gerando um subcubo. Já o roll up agrega dados de um nível de detalhe mais fino (mês) para um nível mais grosso (trimestre), diminuindo a granularidade.

Operação OLAP

Descrição

Exemplo no contexto

Corresponde à consulta?

Slice

Seleciona um valor único de uma dimensão, criando um subcubo.

Fixar a dimensão "o que" em "troca de tubulação", sem restringir "quando" e "onde".

Sim (primeira consulta)

Roll up

Agrega dados de um nível de detalhe mais fino para um nível mais grosso (reduz granularidade).

Agrupar dados mensais em trimestres (dimensão "quando").

Sim (segunda consulta)

Dice

Seleciona um subcubo com múltiplos valores de duas ou mais dimensões.

Ex.: "troca de tubulação" no "primeiro trimestre de 2019" em "Capivari".

Não

Drill down

Aumenta a granularidade (oposto de roll up).

Detalhar trimestres em meses.

Não

Pivoting

Reorienta as dimensões (rotação do cubo).

Trocar linhas por colunas.

Não

Drill through

Navega para os dados detalhados da base transacional.

Acessar registros individuais de serviços.

Não

Ranking

Não é operação OLAP padrão.

Não

Alternativa A — ❌ Incorreta

"ranking e drill through" – ranking não é uma operação OLAP padrão; drill through navega para a base de dados detalhada, o que não corresponde a nenhuma das consultas.

Alternativa B — ❌ Incorreta

"dicing e drill down" – dicing seleciona um subcubo com múltiplos valores de dimensões (não é o caso). Drill down aumenta a granularidade (oposto do que foi feito na segunda consulta).

Alternativa C — ❌ Incorreta

"pivoting e slicing" – pivoting (rotação) reorienta as dimensões. A primeira consulta é de fato slice, mas a segunda não é pivoting — é roll up.

Alternativa D — ✅ Correta ⟵ GABARITO

Slice na primeira consulta (valor único para a dimensão "o que") e roll up na segunda (agregação de mês para trimestre).

Alternativa E — ❌ Incorreta

"drill across e ranking" – drill across relaciona cubos diferentes; ranking não é operação OLAP.

Gabarito: letra D.

Link permanente: /questoes/fc056309