Questão de Banco de Dados — Data Mining — FCC 2019
Banco de Dados›Data Mining
Código
fc057870
Banca
FCC
Órgão
TRF - 4ª REGIÃO
Ano
2019
Cargo
Analista Judiciário - Infraestrutura em Tecnologia da Informação
Um Tribunal pretende analisar fatos (fatores ambientais e perfis profissionais, entre outros) que esclareçam por que alguns colaboradores se destacam profissionalmente enquanto outros não se desenvolvem e acabam por se desligar do órgão. Para facilitar essa análise, o Tribunal solicitou um auxílio tecnológico que indique quais características nos fatos apresentam razões positivas que justifiquem investimentos mais robustos no treinamento de colaboradores que tendem a se destacar a médio e longo prazos.Para tanto, o Analista implantará um processo de análise científica preditiva com base em dados estruturados, que consiste na obtenção de padrões que expliquem e descrevam tendências futuras, denominado
Asnowflake.
Bdrill over.
Cstar schema.
Dslice accross.
Edata mining.
Revelar gabarito e comentário▾
GabaritoE — data mining.
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
Gabarito: letra E. A descrição do enunciado — "processo de análise científica preditiva com base em dados estruturados, que consiste na obtenção de padrões que expliquem e descrevam tendências futuras" — corresponde exatamente ao conceito de data mining. Conforme o conteúdo de apoio, data mining é "o processo de explorar grande quantidade de dados para extração não-trivial de informação implícita desconhecida" e "a descoberta de novas correlações, padrões e tendências". As demais alternativas (snowflake, drill over, star schema, slice across) são termos relacionados a modelagem dimensional e operações OLAP, e não a análise preditiva para descoberta de padrões ocultos.
A banca testa o conhecimento sobre a definição e a finalidade do data mining em contraste com conceitos de data warehouse e OLAP.
Alternativa A — ❌ Incorreta
Snowflake é um tipo de esquema dimensional (variante do star schema) usado em data warehouses, caracterizado por tabelas de dimensão normalizadas. Não se trata de um processo de análise preditiva nem de descoberta de padrões.
Alternativa B — ❌ Incorreta
Drill over é uma operação OLAP que permite navegar entre diferentes hierarquias ou dimensões (por exemplo, de cliente para produto). É uma operação de consulta multidimensional, não uma técnica de mineração de dados para prever tendências.
Alternativa C — ❌ Incorreta
Star schema é um modelo dimensional de dados para data warehouse, com uma tabela fato central e tabelas de dimensão desnormalizadas. Não envolve análise preditiva ou descoberta de padrões.
Alternativa D — ❌ Incorreta
Slice across (ou slice) é uma operação OLAP que seleciona um subconjunto de dados de um cubo, fixando uma ou mais dimensões. Novamente, é uma operação de consulta, não de mineração preditiva.
Alternativa E — ✅ Correta ⟵ GABARITO
Data mining é exatamente o processo de explorar grandes volumes de dados para descobrir padrões, correlações e tendências, muitos dos quais não são óbvios. O enunciado fala em "obtenção de padrões que expliquem e descrevam tendências futuras", o que se alinha perfeitamente com a definição de data mining. O conteúdo de apoio reforça: "Data Mining é o processo de descoberta de novas correlações, padrões e tendências entre as informações" e "Data Mining constitui em uma técnica para a exploração e análise de dados, visando descobrir padrões e regras, a princípio ocultos".
PEGA ESSA DICA!
Lembre-se: data mining = descoberta de padrões e tendências; operações OLAP (drill, slice, dice, roll-up, pivot) = análise multidimensional de dados já estruturados. Na prova, se a descrição envolver "prever", "descobrir padrões", "tendências futuras", a resposta será data mining.