O gestor de qualidade do MPU solicitou à analista de Business Intelligence Maria um Dashboard para monitorar o desempenho da tramitação dos processos ao longo do tempo.O programador Pedro havia implementado o banco de dados MongoProc, no MongoDB, para armazenar os dados do sistema de tramitação de processos judiciais. Então, Maria solicitou a ele a consulta ao MongoProc para alimentar as tabelas: fato_proc (quantidade), dim_data, dim_estado. Pedro respondeu que não poderia fornecer apenas uma consulta, pois seria necessário transformar os dados NoSQL em relacional. Para implementar a solução, Maria poderá utilizar apenas as ferramentas disponíveis no MPU: MongoDB, PostgreSQL, MySQL, Flyway, Pentaho, QlikView e MicroStrategy.Para transformar os dados NoSQL visando a alimentar as tabelas e construir o Dashboard, Maria deve:
Aminerar os documentos armazenados no MongoProc para encontrar padrões e exibir no Tableau;
Bmodelar multidimensionalmente os dados NoSQL para compor um Data Lake visando a apresentar os dados no Flyway;
Ccarregar um repositório de metadados com a descrição da estrutura flexível do MongoProc e transformar a estrutura rígida do PostgreSQL;
Dtransformar a estrutura NoSQL do MongoProc em SQL do MySQL e criar um Data Mart no GraphDB para ser consultado via QlikView;
Eimplementar um ETL no Pentaho extraindo dados do MongoProc para armazenar em um Data Mart no PostgreSQL e implementar um Dashboard no MicroStrategy.
Revelar gabarito e comentário▾
GabaritoE — implementar um ETL no Pentaho extraindo dados do MongoProc para armazenar em um Data Mart no PostgreSQL e implementar um Dashboard no MicroStrategy.
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”.
Transformação de dados NoSQL para BI: ETL e Data Mart
Gabarito: letra E. A solução correta para alimentar um Dashboard a partir de dados NoSQL (MongoDB) e armazená-los em tabelas relacionais é realizar um processo de ETL (Extract, Transform, Load) utilizando uma ferramenta como Pentaho, extrair do MongoDB, transformar os dados e carregá-los em um Data Mart relacional (PostgreSQL), e então construir o Dashboard com uma ferramenta de visualização como MicroStrategy. As demais alternativas ou usam ferramentas não disponíveis, ou realizam operações inadequadas.
A questão testa o conhecimento sobre o pipeline típico de Business Intelligence: fonte NoSQL → ETL → Data Mart relacional → Dashboard. Maria dispõe de MongoDB, PostgreSQL, MySQL, Flyway, Pentaho, QlikView e MicroStrategy. Apenas a alternativa E combina corretamente as ferramentas disponíveis e as etapas necessárias.
Ferramenta
Função no Pipeline
Etapa
Adequação ao Cenário
Pentaho
ETL (Extract, Transform, Load)
Extrair dados do MongoDB, transformar estrutura NoSQL em relacional e carregar no Data Mart
✅ Ferramenta disponível e adequada para integrar fontes NoSQL a bancos relacionais
PostgreSQL
Data Mart relacional
Armazenar dados transformados em tabelas fato e dimensão (fato_proc, dim_data, dim_estado)
✅ Ferramenta disponível e compatível com modelo dimensional
MicroStrategy
Dashboard e visualização
Conectar-se ao Data Mart e construir painéis de monitoramento
✅ Ferramenta disponível e especializada em BI corporativo
Alternativa A — ❌ Incorreta
Menciona "minerar documentos" (mineração de dados, não transformação) e utilizar Tableau, ferramenta que não está na lista das disponíveis no MPU. Além disso, o objetivo não é encontrar padrões, mas estruturar os dados para o Dashboard.
Alternativa B — ❌ Incorreta
Propõe "modelar multidimensionalmente para compor um Data Lake" e apresentar dados no Flyway. Flyway é uma ferramenta de migração de banco de dados, não de visualização. Data Lake é um conceito de armazenamento bruto, não adequado para alimentar diretamente um Dashboard multidimensional; o correto seria um Data Mart.
Alternativa C — ❌ Incorreta
Descreve "carregar um repositório de metadados" e "transformar a estrutura rígida do PostgreSQL". O sentido está invertido: é preciso extrair a estrutura flexível do MongoDB e transformá-la para o modelo relacional do PostgreSQL, não o contrário. Além disso, não menciona ETL nem ferramenta de visualização.
Alternativa D — ❌ Incorreta
Sugere transformar para SQL do MySQL e criar um Data Mart no GraphDB (banco de dados de grafos, que não está disponível no MPU). O QlikView poderia consultar, mas GraphDB não é um SGBD relacional adequado para um Data Mart e não consta na lista de ferramentas.
Alternativa E — ✅ Correta ⟵ GABARITO
Descreve o fluxo clássico: Pentaho (ferramenta de ETL disponível) extrai dados do MongoProc (MongoDB), transforma e carrega em um Data Mart no PostgreSQL (SGBD relacional disponível), e o MicroStrategy (ferramenta de BI disponível) constrói o Dashboard. Essa é a sequência correta e completa.
NÃO CAIA NESSA!
A banca insere alternativas com ferramentas que não estão na lista (Tableau, GraphDB) ou que têm finalidade diferente (Flyway). O aluno deve se ater ao conjunto de ferramentas fornecidas e ao processo lógico de ETL → Data Mart → Dashboard.