Questão de Banco de Dados — BI (Business Intelligence) — FGV 2024
Banco de Dados›BI (Business Intelligence)
Código
fg079597
Banca
FGV
Órgão
DATAPREV
Ano
2024
Nível
Superior
Cargo
ATI - Análise de Negócio de TI
Em relação à análise de dados em Business Intelligence, a distinção entre dados estruturados e não estruturados influencia significativamente a escolha das ferramentas e técnicas de análise utilizadas.Assinale a opção que indica a principal diferença entre esses tipos de dados.
ADados estruturados são armazenados em bancos de dados NoSQL, enquanto dados não estruturados são armazenados em bancos de dados relacionais
BDados não estruturados são mais facilmente analisados por ferramentas de BI tradicionais, devido à sua organização predefinida.
CDados estruturados são adequados para análises quantitativas e relatórios padronizados, enquanto dados não estruturados exigem técnicas mais avançadas para extrair insights.
DDados estruturados são menos valiosos para a tomada de decisões de negócios, pois não permitem identificar padrões e tendências do mercado.
EDados não estruturados, como posts em redes sociais e e-mails de clientes, não podem ser utilizados para gerar insights sobre o comportamento do consumidor.
Revelar gabarito e comentário▾
GabaritoC — Dados estruturados são adequados para análises quantitativas e relatórios padronizados, enquanto dados não estruturados exigem técnicas mais avançadas para extrair insights.
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: dados estruturados vs não estruturados
Gabarito: letra C. A principal diferença entre dados estruturados e não estruturados está no seu formato e na abordagem analítica. Dados estruturados possuem esquema pré-definido (ex.: tabelas relacionais), sendo ideais para análises quantitativas e relatórios padronizados. Já os dados não estruturados (textos, imagens, vídeos) carecem de estrutura fixa e demandam técnicas avançadas como mineração de texto, processamento de linguagem natural e aprendizado de máquina para extrair insights.
NÃO CAIA NESSA!
A banca explora trocas comuns: na alternativa A inverte o armazenamento típico (NoSQL para estruturados), e na B inverte a facilidade de análise (não estruturados como mais fáceis). Sempre verifique se a afirmação corresponde ao senso comum correto.
PEGA ESSA DICA!
Associe: estruturado → bancos relacionais, SQL, relatórios; não estruturado → NoSQL, Big Data, técnicas de NLP. Essa oposição é recorrente em provas de BI.
Dados em BI
1Estruturados
Esquema pré-definido
Bancos relacionais (SQL)
Análise quantitativa
Relatórios padronizados
2Não estruturados
Sem estrutura fixa
Textos, imagens, vídeos
Técnicas avançadas
Mineração de texto
Processamento de linguagem natural
Aprendizado de máquina
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
Afirma que dados estruturados são armazenados em NoSQL e não estruturados em relacionais. Na prática, é o oposto: dados estruturados são tipicamente armazenados em bancos relacionais (SQL), enquanto dados não estruturados utilizam NoSQL ou sistemas de arquivos.
Alternativa B — ❌ Incorreta
Diz que dados não estruturados são mais facilmente analisados por ferramentas tradicionais de BI. Ferramentas tradicionais (ex.: SQL, OLAP) são projetadas para dados estruturados; dados não estruturados exigem abordagens complementares.
Alternativa C — ✅ Correta ⟵ GABARITO
Corresponde exatamente à distinção: dados estruturados são adequados para análises quantitativas e relatórios padronizados, enquanto não estruturados necessitam de técnicas avançadas (mineração de texto, aprendizado de máquina, etc.) para extrair insights.
Alternativa D — ❌ Incorreta
Afirma que dados estruturados são menos valiosos para tomada de decisão. Na verdade, dados estruturados (ex.: vendas, estoque) são fundamentais para análises e identificação de padrões, sendo altamente valiosos.
Alternativa E — ❌ Incorreta
Diz que dados não estruturados (redes sociais, e-mails) não podem gerar insights sobre o consumidor. Esses dados são ricos em informações comportamentais e, com as técnicas adequadas (análise de sentimentos, clustering), geram insights valiosos.