Banco de Dados · FCC · 2023 | Questão sqc-fc068630

Banco de DadosBig Data

Código: fc068630
Banca: FCC
Órgão: Copergás - PE
Ano: 2023
Nível: Superior

Cargo: Analista Sistemas

Na era do big data, as empresas precisam utilizar repositórios e tecnologias para armazenamento, tratamento e análise desse grande volume de dados, dentre as quais, encontram-se:

Aos sistemas OLAP, que têm foco no nível operacional da organização, proporcionando alta velocidade na consulta, inserção, alteração e exclusão de dados. Os dados, voláteis, são armazenados em SGBDs relacionais e a sua atualização é feita no momento da transação.
Bos Data Warehouses, que proporcionam alto desempenho para consulta de dados históricos. Os dados são obtidos de diversas fontes, passam por um processo de ETL e geralmente são armazenados em um modelo dimensional como Star e Snowflake.
Cas ferramentas OLAP, que utilizam a técnica de argumentação ativa, isto é, ao invés de o gestor definir o problema, selecionar os dados e as ferramentas para analisá-los, as ferramentas OLAP pesquisam automaticamente a base de dados à procura de anomalias e possíveis relacionamentos, identificando problemas que não tinham sido detectados pelo gestor.
Das análises de BI, que utilizam algoritmos estatísticos e técnicas de machine learning para identificar a probabilidade da ocorrência de resultados futuros a partir de dados históricos armazenados em data lakes.
Eas ferramentas de Data Mining, que combinam os melhores elementos de Data Lakes e de Data Warehouses, formando um sistema aberto e padronizado, capaz de estruturar os dados e os recursos de gerenciamento de dados, de forma a proporcionar ao gestor uma exploração detalhada dos dados em busca de informações para a tomada de decisão.

Revelar gabarito e comentário

GabaritoB — os Data Warehouses, que proporcionam alto desempenho para consulta de dados históricos. Os dados são obtidos de diversas fontes, passam por um processo de ETL e geralmente são armazenados em um modelo dimensional como Star e Snowflake.

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”.

Big Data: Repositórios e Tecnologias

Gabarito: letra B. A descrição dos Data Warehouses está correta: eles armazenam dados históricos, passam por ETL e usam modelagem dimensional (star schema ou snowflake), proporcionando alto desempenho para consultas analíticas.

A questão cobra o conhecimento das definições de OLAP, Data Warehouse, BI e Data Mining, frequentemente confundidas. A tabela abaixo resume as principais características:

Tecnologia	Foco principal	Dados	Modelo típico	Exemplos de operações
OLTP	Transações operacionais	Atuais, voláteis	Relacional (normalizado)	Inserir, atualizar, deletar
OLAP	Análise multidimensional	Históricos, agregados	Dimensional (cubo)	Drill-down, roll-up, slice, dice
Data Warehouse	Repositório integrado de dados históricos	Históricos, integrados via ETL	Dimensional (star, snowflake)	Consultas ad hoc, relatórios
Data Mining	Descoberta de padrões	Grandes volumes, diversos	Variado (estatístico, ML)	Classificação, clusterização
BI	Suporte à decisão (guarda-chuva)	Integrados de várias fontes	Depende dos componentes	Dashboards, scorecards

Alternativa A — ❌ Incorreta

Atribui aos sistemas OLAP características do OLTP (foco operacional, alta velocidade em transações, dados voláteis). OLAP é voltado para análise estratégica, com dados históricos e consultas complexas.

Alternativa B — ✅ Correta ⟵ GABARITO

Descreve corretamente os Data Warehouses: repositórios de dados históricos, obtidos de diversas fontes via ETL, armazenados em modelos dimensionais como Star e Snowflake, otimizados para consultas analíticas de alto desempenho.

Alternativa C — ❌ Incorreta

Ferramentas OLAP não realizam "argumentação ativa" para busca automática de anomalias; isso é função de Data Mining ou análises avançadas. OLAP permite análise interativa multidimensional, mas o usuário define as consultas.

Alternativa D — ❌ Incorreta

A descrição de "algoritmos estatísticos e machine learning para prever resultados futuros" refere-se a análise preditiva ou Data Mining, não a BI como um todo. BI engloba ferramentas de relatórios, dashboards e OLAP; machine learning não é seu componente central.

Alternativa E — ❌ Incorreta

Data Mining é um processo de descoberta de padrões em dados, não combina Data Lakes e Data Warehouses. Quem combina esses elementos pode ser uma plataforma de Big Data (ex.: Hadoop), mas não é definição de Data Mining.

Link permanente: /questoes/fc068630