Dashboards e OLAP no Business Intelligence
Gabarito: letra D. Dashboards são ferramentas de visualização que podem incorporar operações OLAP, como drill-down e roll-up, permitindo análise interativa e refinamento da tomada de decisão. As demais alternativas apresentam equívocos conceituais sobre ETL, fontes de dados e funcionalidades dos dashboards.
A banca testa o conhecimento sobre a integração entre dashboards e OLAP, bem como a compreensão do papel de cada componente no BI.
Alternativa A — ❌ Incorreta
Dashboards não fazem parte do processo ETL. O ETL (Extração, Transformação e Carga) é um processo anterior, responsável por preparar os dados para o Data Warehouse. Dashboards atuam na camada de apresentação, consumindo dados já processados.
Alternativa B — ❌ Incorreta
Dashboards não operam diretamente sobre dados brutos de sistemas transacionais. Eles utilizam dados consolidados em Data Warehouses ou Data Marts, modelados em esquemas dimensionais (estrela ou floco de neve). Sistemas transacionais (OLTP) possuem modelagem normalizada, não multidimensional.
Alternativa C — ❌ Incorreta
A afirmação é confusa e incorreta. A finalidade principal de um dashboard é comunicar informações de forma clara e eficiente ao usuário, não privilegiar medidas precisas em detrimento da clareza. O equilíbrio entre precisão e comunicação é essencial, mas a prioridade é a efetividade da comunicação.
Alternativa D — ✅ Correta ⟵ GABARITO
Dashboards modernos permitem a incorporação de operações OLAP (On-Line Analytical Processing), como drill-down (detalhamento) e roll-up (sumarização), possibilitando que o usuário navegue entre níveis de granularidade e refine suas análises. Isso potencializa a tomada de decisão ao fornecer insights mais profundos. O material de apoio confirma que "as operações de Drill Down/Up permitem a navegação entre os níveis de dados".
Alternativa E — ❌ Incorreta
Dashboards são plenamente adequados para análises temporais, pois podem exibir séries históricas e tendências. A característica bidimensional (gráficos 2D) não limita essa capacidade. Data drift é um conceito de monitoramento de modelos de machine learning, não relacionado à inadequação de dashboards para análise temporal.
Gabarito: letra D