Pular para o conteúdo principal

Questão de Banco de Dados — BI (Business Intelligence) — FGV 2024

Banco de DadosBI (Business Intelligence)
Código
fg079594
Banca
FGV
Órgão
DATAPREV
Ano
2024
Nível
Superior
Cargo
ATI - Análise de Negócio de TI
Uma empresa multinacional está desenvolvendo uma plataforma avançada de Business Intelligence (BI) para integrar e analisar dados provenientes de diversas unidades de negócio ao redor do mundo. As fontes de dados incluem:Sistemas transacionais estruturados: bancos de dados relacionais de ERP e CRM que armazenam informações sobre vendas, clientes e operações internas.Dados semiestruturados: arquivos XML e JSON contendo registros de transações online e interações de usuários em aplicativos móveis.Dados não estruturados: logs de servidores web, postagens em redes sociais, emails de suporte ao cliente dados de sensores IoT.A empresa planeja implementar um Data Warehouse com um modelo multidimensional otimizado para permitir análises complexas e operações de OLAP que suportem a tomada de decisões estratégicas.Durante o projeto, a equipe enfrenta os seguintes desafios:Integração de dados heterogêneos: unificar dados estruturados, semiestruturados e não estruturados em um ambiente coeso.Modelagem e otimização: desenvolver um modelo multidimensional que atenda às necessidades analíticas complexas, mantendo o desempenho. Definição de hierarquias e granularidades: estabelecer níveis adequados de detalhe para suportar operações de OLAP como drill-down e roll-up.Com base nesse cenário, avalie as afirmativas a seguir:I. Para mapear as fontes de dados heterogêneas, é essencial utilizar metadados padronizados que descrevam a estrutura, o significado e a qualidade dos dados, facilitando sua integração no Data Warehouse.II. Na modelagem multidimensional, a adoção de um esquema em floco de neve (snowflake schema), com tabelas de dimensões normalizadas, melhora o desempenho das consultas OLAP em comparação com o esquema estrela (star schema).III. As operações de OLAP permitem análises em múltiplas dimensões; por exemplo, o slice fixa um valor em uma dimensão, enquanto o dice cria um subcubo selecionando valores específicos em múltiplas dimensões.IV. A implementação de uma política de governança de dados clara e abrangente é fundamental para garantir a qualidade, consistência, segurança e privacidade dos dados ao longo de todo o ciclo de vida do projeto de BI.Está correto o que se afirma em
  1. AI, II, apenas.
  2. BI, III, apenas.
  3. CII e III, apenas.
  4. DII, III e IV, apenas.
  5. EIII e IV, apenas.
Revelar gabarito e comentário

GabaritoE — III e IV, apenas.

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”.

Business Intelligence: Modelagem Dimensional e OLAP

Gabarito: E (afirmativas III e IV). A afirmativa I é incorreta porque, embora metadados sejam importantes, não são o único elemento essencial para mapear fontes heterogêneas — processos de ETL, profiling e integração também são fundamentais; a afirmativa II é incorreta pois o esquema em floco de neve (snowflake) piora o desempenho de consultas OLAP devido ao maior número de junções, enquanto o esquema estrela (star) é mais eficiente por suas dimensões desnormalizadas; as afirmativas III e IV estão corretas.

A banca cobra conceitos fundamentais de BI: modelagem multidimensional (star × snowflake), operações OLAP e governança de dados.

Afirmativa I — ❌ Incorreta

A afirmação diz que "é essencial utilizar metadados padronizados" para mapear fontes heterogêneas. Os metadados realmente auxiliam na descrição da estrutura e qualidade dos dados, mas o mapeamento das fontes envolve um conjunto mais amplo de atividades: extração, transformação e carga (ETL), análise de perfil dos dados (data profiling), limpeza e integração. Metadados padronizados são uma ferramenta importante, não o único requisito essencial. Além disso, em ambientes heterogêneos, a padronização completa dos metadados nem sempre é viável ou necessária para a integração.

Afirmativa II — ❌ Incorreta

No modelo multidimensional, o esquema em floco de neve (snowflake) normaliza as tabelas de dimensão, o que aumenta o número de junções (joins) nas consultas. O esquema estrela (star), por outro lado, mantém as dimensões desnormalizadas, reduzindo junções e melhorando o desempenho das operações OLAP. Portanto, a afirmação inverte a relação: o star schema é superior em desempenho ao snowflake schema para consultas analíticas.

NÃO CAIA NESSA!

A banca explora a confusão comum entre star e snowflake. Muitos candidatos acreditam que a normalização (snowflake) sempre melhora o desempenho, mas em BI a desnormalização (star) é intencional para acelerar consultas.

Afirmativa III — ✅ Correta

As operações OLAP permitem navegar pelo cubo multidimensional. O slice fixa um único valor em uma dimensão (ex.: ano = 2024), gerando uma "fatia" do cubo. O dice seleciona múltiplos valores em uma ou mais dimensões (ex.: anos = [2023, 2024] e região = [Norte, Sul]), criando um subcubo. Definições corretas e alinhadas com a literatura de BI.

Afirmativa IV — ✅ Correta

A governança de dados é fundamental para assegurar qualidade, consistência, segurança e privacidade dos dados ao longo de todo o ciclo de vida do BI. Envolve políticas, processos e responsabilidades que garantem que os dados sejam confiáveis e estejam em conformidade com regulamentações (como LGPD). Sem governança, os riscos de dados inconsistentes ou vazamentos aumentam significativamente.

Conclusão: Apenas as afirmativas III e IV estão corretas, correspondendo à alternativa E.

Link permanente: /questoes/fg079594