Questão de TI - Ciência de Dados e Inteligência Artificial — Data Lake — FCC 2026
TI - Ciência de Dados e Inteligência ArtificialData Lake
- Código
- fc142198
- Banca
- FCC
- Órgão
- SEFAZ SP
- Ano
- 2026
- Cargo
- AFRE ( )
Uma Secretaria da Fazenda quer unificar, em nuvem, dados de NF-e, escriturações fiscais digitais, transações de cartão de crédito e cruzamentos de malha fiscal em um único ambiente. Esse ambiente deve sustentar relatórios de arrecadação (BI) e, também, experimentos de ciência de dados e modelos de machine learning para detectar empresas "laranja". Já existem um Data Lake em Parquet e um Data Warehouse legado em banco relacional. Considerando governança, desempenho para BI e flexibilidade analítica, a decisão arquitetural mais adequada a esse cenário é
- Acentralizar tudo no Data Warehouse relacional, incluindo XML de NF-e, logs e dados semiestruturados convertidos para tabelas normalizadas, garantindo um repositório único e estável para BI e analytics, ainda que exija expansão significativa de armazenamento e processamento.
- Bdesativar o Data Warehouse e operar sobre o Data Lake, adotando apenas schema-on-read para maximizar flexibilidade e reduzir custos, permitindo que equipes de BI e ciência de dados definam seus próprios esquemas e camadas de tratamento conforme a necessidade.
- Cevoluir o Data Lake para um Data Lakehouse, incorporando tabelas transacionais (Delta/Iceberg/Hudi), governança via catálogo unificado e camadas de acesso otimizadas, permitindo atender simultaneamente consultas de BI e cargas analíticas avançadas no mesmo repositório.
- Dmanter dois ambientes paralelos, com dados brutos no Data Lake e uma versão curada integral em um novo Data Warehouse moderno em nuvem, garantindo isolamento entre workloads, mesmo sem metadados unificados ou mecanismo de consistência entre os dois ambientes.
- Eusar o Data Lake somente como staging e arquivamento, exigindo que BI e modelos avançados sejam alimentados exclusivamente por data marts derivados do Data Warehouse, assegurando padronização total das estruturas analíticas, ainda que isso limite o uso direto de dados semiestruturados e experimento rápido em ciência de dados.