Questão de Banco de Dados — Data Mining — FGV 2023
Banco de Dados›Data Mining
Código
fg071484
Banca
FGV
Órgão
TCE-SP
Ano
2023
Nível
Superior
Cargo
Agente da Fiscalização - TI
No contexto de Descoberta do Conhecimento em Bancos de Dados - Knowledge Discovery in Database (KDD), o analista de dados João deverá analisar um conjunto de dados preparado e consolidado com dados financeiros sobre transações, saldos de contas e históricos de crédito de clientes ao longo dos últimos anos. O objetivo é identificar possíveis anomalias ou atividades suspeitas que possam indicar fraudes.Para isso, a fase do processo KDD que João deverá utilizar é:
Aseleção de dados;
Bmineração de dados;
Ctransformação de dados;
Dinterpretação de resultados;
Epré-processamento de dados.
Revelar gabarito e comentário▾
GabaritoB — mineração de dados;
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”.
Processo KDD: Mineração de Dados
Gabarito: letra B. No processo de Descoberta do Conhecimento em Bancos de Dados (KDD), a fase de mineração de dados (data mining) é a etapa central onde se aplicam algoritmos para identificar padrões, anomalias e conhecimento oculto nos dados. João já possui um conjunto de dados preparado e consolidado; portanto, a fase a ser utilizada é a mineração de dados, conforme descrito no contexto do KDD.
A banca testa o conhecimento das etapas do KDD, especialmente a diferença entre preparação e descoberta propriamente dita.
Alternativa A — ❌ Incorreta
Seleção de dados é a etapa inicial do KDD, onde se definem fontes, variáveis e se coletam os dados relevantes. Neste momento, João já tem o conjunto preparado e consolidado, então a seleção já foi feita. O objetivo é identificar fraudes, o que requer a aplicação de algoritmos de mineração, não a seleção.
Alternativa B — ✅ Correta ⟵ GABARITO
A mineração de dados é a fase central do KDD. Nela, algoritmos são aplicados sobre os dados já preparados para descobrir padrões, associações e anomalias — exatamente o que João precisa para identificar atividades suspeitas. O contexto afirma que "o objetivo é identificar possíveis anomalias ou atividades suspeitas que possam indicar fraudes", o que se encaixa perfeitamente na definição de data mining.
Alternativa C — ❌ Incorreta
Transformação de dados é uma etapa de preparação, onde os dados são convertidos para formatos adequados (criação de atributos, agregação, normalização). Não realiza a descoberta de padrões; apenas prepara os dados para a mineração. João já possui os dados consolidados, e a transformação não é a fase de análise.
Alternativa D — ❌ Incorreta
Interpretação de resultados ocorre após a mineração, quando os padrões encontrados são avaliados e comunicados. João ainda não minerou os dados; primeiro precisa executar a mineração para depois interpretar os resultados. Portanto, a fase correta é a anterior.
Alternativa E — ❌ Incorreta
Pré-processamento de dados é uma etapa de limpeza, redução de dimensionalidade e eliminação de ruídos. Embora importante, já foi realizada antes da mineração. O enunciado afirma que o conjunto já está "preparado e consolidado", indicando que o pré-processamento já foi concluído. A fase seguinte é a mineração.
NÃO CAIA NESSA!
Memorize a sequência do KDD: Seleção → Pré-processamento → Transformação → Mineração de Dados → Avaliação/Interpretação → Utilização. A pegadinha comum é confundir as etapas de preparação (seleção, pré-processamento, transformação) com a etapa de descoberta (mineração). Na dúvida, lembre-se: o coração do KDD é o Data Mining.