Questão de Banco de Dados — ETL (Extract Transform Load) — Quadrix 2025

ETL: a fase de transformação e a padronização de dados

Gabarito: letra B. A padronização de valores inconsistentes (como “SP”, “São Paulo”, “S. Paulo”, “sp” → “SP”) é uma operação de limpeza e conversão de formato, e no pipeline ETL essa é a função da fase de transformação — que prepara os dados extraídos para a análise antes de carregá-los no data warehouse.

O processo ETL (Extract, Transform and Load) é o coração da integração de dados em projetos de Business Intelligence. Ele organiza o fluxo do dado em três fases sequenciais e bem definidas: extração, transformação e carga. Cada fase tem um papel específico, e confundi-las é um dos erros mais comuns em provas de banco de dados.

A extração é a fase de leitura: identificam-se as fontes de dados (bancos OLTP, planilhas, arquivos externos) e selecionam-se as linhas, colunas e campos que serão coletados. É aqui que os dados saem dos sistemas de origem — mas ainda chegam “crus”, exatamente como estão lá.

A transformação é a fase de preparação: os dados extraídos são convertidos da forma anterior para a forma necessária à análise. É aqui que moram a limpeza (correção de erros, tratamento de valores nulos, padronização de formatos) e a agregação (consolidação, sumarização). No exemplo da questão, unificar “SP”, “São Paulo”, “S. Paulo” e “sp” em “SP” é exatamente uma operação de limpeza e padronização de formato — portanto, pertence à transformação.

A carga é a fase final: os dados já transformados são transferidos para o data warehouse (ou outro destino analítico). Nesta etapa não se faz limpeza nem conversão — apenas o carregamento em si.

Lei da transformação (conceito):

A fase de transformação refere-se à limpeza e agregação que pode precisar acontecer com os dados para prepará-los para análise. Inclui limpeza (mapeamento de valores, consistência de formato de data), deduplicação, revisão de formato, reestruturação de chave, derivação, filtragem, união, divisão e validação.

A pegadinha da banca aqui é simples: o enunciado descreve uma operação de limpeza e padronização, e o candidato desatento pode associá-la à extração (por ser a primeira fase) ou à carga (por ser onde os dados “entram” no destino). Mas a regra é clara: limpeza e padronização são transformação. A extração apenas coleta; a carga apenas deposita.

Guarde essa fronteira: extração = ler, transformação = preparar/limpar/padronizar, carga = carregar. É exatamente nela que as alternativas se dividem.

Alternativa A — ❌ Incorreta

A extração é a fase de leitura dos dados das fontes de origem. Nela se identificam as fontes e se selecionam os campos a extrair — mas não se faz nenhuma limpeza ou conversão de formato. Os dados chegam crus, exatamente como estão nos sistemas de origem. A padronização de “SP”/“São Paulo”/“S. Paulo”/“sp” não ocorre aqui.

Alternativa B — ✅ Correta ⟵ GABARITO

A transformação é a fase responsável pela limpeza e padronização dos dados. É nela que valores inconsistentes são convertidos para um formato único, como no exemplo do enunciado. A transformação prepara os dados extraídos para a análise, aplicando regras de negócio, corrigindo erros e unificando formatos antes da carga no data warehouse.

Alternativa C — ❌ Incorreta

A carga é a fase em que os dados já transformados são transferidos para o data warehouse. Não é o momento de limpeza ou padronização — essas operações já foram feitas na fase anterior. A carga apenas deposita os dados prontos no destino.

Alternativa D — ❌ Incorreta

“Data source” (fonte de dados) não é uma fase do ETL — é a origem dos dados, como os sistemas das filiais que usam formatos diferentes. É de onde a extração coleta os dados, mas não é onde ocorre a padronização.

Alternativa E — ❌ Incorreta

“Data mart” é um repositório analítico (um subconjunto do data warehouse voltado a um departamento ou assunto), não uma fase do ETL. Os dados são carregados nele após a transformação, mas a limpeza e padronização não acontecem dentro do data mart.

Gabarito: letra B