Questão de Banco de Dados — Data Mining — FGV 2024
Banco de Dados›Data Mining
Código
fg101160
Banca
FGV
Órgão
TRF - 1ª REGIÃO
Ano
2024
Nível
Superior
Cargo
Analista Judiciário - Área Apoio Especializado - Especialidade: Governança e Gestão de Tecnologia da Informação
Depois de acumular grande volume de dados históricos, os analistas do TRF1 querem descobrir neles padrões que permitam estimar eventos futuros, como quantidade e tipos de novos processos ao longo de intervalos de tempo anuais (por exemplo: pós recesso de final de ano).Para isso, os Analistas devem implementar:
Aum data mining;
Bchaves primárias;
Cíndices compostos;
Dum modelo multidimensional;
Eum banco de dados semiestruturado.
Revelar gabarito e comentário▾
GabaritoA — um data mining;
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 Mining
Gabarito: letra A. Data Mining é o processo de explorar grandes volumes de dados para descobrir padrões, regras e tendências, permitindo estimar eventos futuros – exatamente o que o enunciado descreve. As demais alternativas não atendem a esse objetivo.
O contexto apresenta diversas definições de Data Mining, destacando que se trata da extração não trivial de informação implícita, padrões e correlações, com o propósito de previsão (predição). No trecho do material de apoio, lê-se: "Uma previsão ou predição busca mostrar como certos atributos dos dados se comportarão no futuro. Para realizar a previsão (ou prognóstico), a lógica de negócios é utilizada em conjunto com a mineração de dados." Isso se alinha perfeitamente à necessidade descrita no enunciado: descobrir padrões em dados históricos para estimar quantidade e tipos de novos processos.
Análise de dados
1Descritiva (o que aconteceu?)
OLAP / Modelo multidimensional
2Preditiva (o que vai acontecer?)
Data Mining
Padrões ocultos
Correlações
Previsão de eventos futuros
LEVEL · soulevel.com.br
Alternativa A — ✅ Correta ⟵ GABARITO
A alternativa correta. Data Mining é a técnica adequada para explorar grandes bases de dados, identificar padrões ocultos e fazer previsões. É exatamente o que os analistas do TRF1 precisam.
Alternativa B — ❌ Incorreta
Chaves primárias servem para identificar unicamente registros em uma tabela relacional. Não têm capacidade de análise ou descoberta de padrões.
Alternativa C — ❌ Incorreta
Índices compostos são estruturas de banco de dados para acelerar consultas, mas não realizam mineração ou predição de dados.
Alternativa D — ❌ Incorreta
Um modelo multidimensional é utilizado em data warehouses para análise OLAP (Online Analytical Processing). Permite consultas rápidas e sumarização multidimensional, mas não descobre padrões novos nem faz predições – é uma ferramenta de análise descritiva, não preditiva. Essa é a principal pegadinha da questão.
NÃO CAIA NESSA!
O candidato pode confundir Data Mining com OLAP (modelo multidimensional). Embora ambos trabalhem com grandes volumes de dados, o OLAP é voltado para análise descritiva (sumarização e drill-down), enquanto o Data Mining busca padrões implícitos e realiza predições. Lembre-se: OLAP responde "o que aconteceu?", Data Mining responde "o que vai acontecer?".
Alternativa E — ❌ Incorreta
Um banco de dados semiestruturado (ex.: XML, JSON) armazena dados com alguma flexibilidade de esquema, mas por si só não realiza mineração ou descoberta de padrões.
Conclusão: A única alternativa que atende ao objetivo de descobrir padrões para estimar eventos futuros é o Data Mining.