Pular para o conteúdo principal

Questão de Banco de Dados — Data Mining — FCC 2019

Banco de DadosData Mining
Código
fc056735
Banca
FCC
Órgão
SEFAZ-BA
Ano
2019
Cargo
Auditor Fiscal - Tecnologia da Informação - Prova II
“A Secretaria da Fazenda realizou procedimento que visa estimular os contribuintes paulistas a, voluntariamente, regularizarem as obrigações tributárias que devem ser transmitidas ao Fisco. Em uma etapa da operação foram selecionados 48 contribuintes do Regime Periódico de Apuração com R$ 143 milhões em débitos de ICMS.Esta ação tem caráter orientador, com o objetivo de alertar as empresas sobre divergências em suas declarações e indicar a regularização, porém, a ação pode resultar em indicações de empresas de fachada que apresentaram um conjunto de indícios que sugerem tratar-se de documentos fiscais inidôneos ou de simulação de operações para gerar créditos falsos de ICMS na apuração mensal do tributo a recolher.Para a elaboração da operação autorregularização foram selecionados contribuintes com divergências nas notas fiscais emitidas entre janeiro a dezembro de 2016 em comparação com as informações declaradas nas Guias de Informação e Apuração do ICMS do mesmo período."(Baseado em: https://portal.fazenda.sp.gov.br)Ao ler esta notícia, uma Auditora Fiscal da área de TI concluiu, corretamente, que o cruzamento e a análise simultânea de diversas informações, como Nota Fiscal Eletrônica (NF-e), inadimplência, regularidade no cumprimento de obrigações, porte da empresa, composição do quadro societário, autos de infração anteriores, localização geográfica e atividade econômica, entre outras,
  1. Acaracterizam-se como operações MOLAP, que usam a base de dados relacional para acessar os dados do cubo.
  2. Bcaracterizam-se como operações HOLAP, que não usam a base de dados relacional para acessar os dados do cubo.
  3. Cpodem ter sido realizados com a ajuda de ferramentas de Data Marts integrados, que não requerem a construção de um DW.
  4. Dpodem ter sido realizados com ferramentas de Data Mining em tempo real, uma vez que os dados do DW são constantemente atualizados a partir da chave de tempo que indica o dia no qual os dados foram extraídos dos sistemas transacionais.
  5. Epodem ter sido realizados com a ajuda de ferramentas de Data Mining, que permitem a exploração de grandes volumes de dados para identificar padrões de comportamento e relacionamentos.
Revelar gabarito e comentário

GabaritoE — podem ter sido realizados com a ajuda de ferramentas de Data Mining, que permitem a exploração de grandes volumes de dados para identificar padrões de comportamento e relacionamentos.

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 Mining e OLAP

Gabarito: letra E. O enunciado descreve o cruzamento de múltiplas fontes de dados (NF-e, débitos, perfil das empresas) para identificar padrões suspeitos, como empresas de fachada e créditos falsos de ICMS. Essa descoberta de padrões e relacionamentos em grandes volumes de dados é exatamente o objetivo do Data Mining. As demais alternativas se referem a tecnologias de processamento analítico (OLAP) ou a conceitos inadequados.

Alternativa A — ❌ Incorreta

A alternativa afirma que as operações são MOLAP e que usam base de dados relacional para acessar os dados do cubo. Na verdade, o MOLAP (Multidimensional OLAP) armazena os dados em um cubo multidimensional proprietário, não em banco relacional. O acesso aos dados do cubo é feito diretamente na estrutura multidimensional. Portanto, a descrição está incorreta.

Alternativa B — ❌ Incorreta

Afirma que HOLAP não usa base de dados relacional. O HOLAP (Hybrid OLAP) combina armazenamento relacional (ROLAP) e multidimensional (MOLAP), utilizando ambos. Logo, a afirmação de que não usa base relacional é falsa.

Alternativa C — ❌ Incorreta

Data Marts integrados podem ser construídos sem um Data Warehouse completo, mas a questão central não é essa. O cenário descrito envolve a descoberta de padrões (indícios de irregularidades), o que é função de Data Mining, não simplesmente a consulta a Data Marts. Além disso, ferramentas de Data Mart são mais voltadas a consultas analíticas estruturadas, não à mineração preditiva.

Alternativa D — ❌ Incorreta

A menção a Data Mining em tempo real é inadequada. O Data Mining normalmente opera sobre dados históricos já consolidados em um DW, e os dados do DW não são constantemente atualizados – são carregados periodicamente (diário, semanal). A “chave de tempo” é usada para manter o histórico, mas não garante atualização em tempo real. A descrição do problema (dados de 2016) reforça que não se trata de processamento em tempo real.

Alternativa E — ✅ Correta ⟵ GABARITO

A alternativa descreve corretamente o Data Mining: exploração de grandes volumes de dados para identificar padrões de comportamento e relacionamentos ocultos. No caso, a Receita Estadual cruza informações de notas fiscais, guias de apuração, dados cadastrais, histórico de infrações etc., para detectar indícios de fraudes. Esse é o papel típico das ferramentas de Data Mining, que trabalham sobre o Data Warehouse.

Gabarito: letra E.

Link permanente: /questoes/fc056735