Pular para o conteúdo principal

Questão de Banco de Dados — Big Data — FGV 2024

Banco de DadosBig Data
Código
fg079860
Banca
FGV
Órgão
DATAPREV
Ano
2024
Nível
Superior
Cargo
Analista de Processamento
Uma loja online que está crescendo e coletando muitas informações sobre seus clientes: o que eles clicam, o que compram, as avaliações que deixam nos produtos e até as mensagens que enviam. Para dar dicas de produtos cada vez melhores e deixar a experiência de cada cliente mais personalizada, a loja decidiu criar um "grande depósito de dados" (Data Lake) para guardar tudo isso. E a equipe de especialistas em dados planeja usar Inteligência Artificial e Machine Learning para desvendar os segredos contidos nesse depósito.Nesse caso, a grande vantagem de usar IA e ML junto com um Data Lake é
  1. Aacabar de vez com a necessidade de organizar os dados antes de analisá-los.
  2. Banalisar só as informações antigas, sem se preocupar com o que está acontecendo agora.
  3. Cusar apenas dados bem organizados em tabelas para treinar os sistemas de IA e ML.
  4. Dter a liberdade de usar todos os tipos de dados, mesmo os "crus", para criar análises personalizadas e precisas.
  5. Eobter resultados super rápidos em análises complicadas, sem precisar checar se os dados estão corretos.
Revelar gabarito e comentário

GabaritoD — ter a liberdade de usar todos os tipos de dados, mesmo os "crus", para criar análises personalizadas e precisas.

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”.

Data Lake e IA/ML

Gabarito: letra D. A grande vantagem de usar IA e ML junto com um Data Lake é a liberdade de utilizar todos os tipos de dados, mesmo os crus (não estruturados ou sem processamento prévio), para criar análises personalizadas e precisas. O Data Lake armazena dados em seu formato nativo, permitindo que algoritmos de IA/ML explorem essa riqueza de informações sem as amarras de esquemas rígidos.

A banca testa a compreensão do conceito de Data Lake e como ele se diferencia de Data Warehouses tradicionais, além do papel da IA/ML na extração de valor desses dados.

Alternativa A — ❌ Incorreta

Afirma que o Data Lake "acaba de vez" com a necessidade de organizar os dados. Isso é uma {{generalização indevida}}: embora o Data Lake aceite dados brutos, ainda é necessário algum nível de organização (metadados, catálogo, limpeza) para que a IA/ML produza resultados confiáveis. A expressão "de vez" torna a alternativa falsa.

Alternativa B — ❌ Incorreta

Diz que a análise se concentra apenas em informações antigas, ignorando o presente. Na verdade, Data Lakes podem ingerir dados em tempo real, e a IA/ML frequentemente usa dados atuais para gerar recomendações ou previsões. A alternativa inverte o propósito.

Alternativa C — ❌ Incorreta

Limita o uso a dados bem organizados em tabelas. O Data Lake foi criado justamente para armazenar dados não estruturados (texto, imagens, logs) que não cabem em tabelas relacionais. IA/ML podem aproveitar esses formatos diversos.

Alternativa D — ✅ Correta ⟵ GABARITO

A alternativa capta a essência: o Data Lake oferece um repositório único para dados estruturados e não estruturados em seu formato bruto, e a IA/ML pode explorar esses dados sem a rigidez de esquemas predefinidos, gerando análises personalizadas e precisas. É a flexibilidade que torna a combinação poderosa.

Alternativa E — ❌ Incorreta

Promete resultados rápidos sem verificar a correção dos dados. Ignorar a qualidade dos dados é um erro grave em projetos de IA/ML, que dependem de dados confiáveis para gerar insights válidos. O Data Lake não elimina a necessidade de governança e validação.

NÃO CAIA NESSA!

Para não errar, lembre-se: Data Lake = dados crus, qualquer formato; IA/ML = extrai valor mesmo de dados não estruturados. A pegadinha comum é exagerar (alternativa A) ou restringir demais (alternativa C).

Link permanente: /questoes/fg079860