Questão de Banco de Dados — Data Mining — Quadrix 2025
Banco de Dados›Data Mining
Código
qg606433
Banca
Quadrix
Órgão
Fundação do ABC
Ano
2025
Nível
Superior
Texto para as questão.
O conhecimento tem sido reconhecido como um
dos mais importantes recursos de uma organização, que
torna possíveis ações inteligentes nos planos organizacional
e individual e leva a inovações e à capacidade de
continuamente criar produtos e serviços excelentes. O
processo de gestão do conhecimento abrange toda a forma
de gerar, armazenar, distribuir e utilizar o conhecimento, de
modo que se torna necessária a utilização de tecnologias
de informação para facilitar esse processo, dado o grande
aumento no volume de dados.
Ao longo do tempo, percebeu‑se que a velocidade
de coleta de informações era muito maior que a velocidade
de processamento ou de análise dessas informações.
Isso gerou um problema e uma contradição, pois as
organizações, por possuírem uma grande quantidade
de dados, possuem uma falsa sensação de que estão
bem‑informadas, no entanto essas informações de nada
servem se não forem analisadas de forma correta e em
tempo hábil.
Em outras palavras, a coleta e o armazenamento
de dados, por si sós, não contribuem para melhorar
a estratégia da organização. É necessário que sejam
feitas análises sobre essa grande quantidade de dados,
estabelecendo‑se indicadores para descobrir padrões de
comportamento implícitos nos dados, além de relações
de causa e efeito. O processamento e a análise das
informações geradas pelas enormes bases de dados atuais
de forma correta estão entre os requisitos essenciais para
uma boa tomada de decisão.
Em um ambiente tão mutável como o das
organizações, na atualidade, torna‑se necessária a aplicação
de técnicas e ferramentas automáticas que agilizem o
processo de extração de informações relevantes de grandes
volumes de dados. Uma metodologia emergente, que tenta
solucionar o problema da análise de grandes quantidades
de dados e ultrapassa a habilidade e a capacidade humanas,
é a descoberta de conhecimento em banco de dados.
Data mining, ou mineração de dados, é uma
técnica que faz parte de uma das etapas da descoberta de
conhecimento em banco de dados. Ela é capaz de revelar,
automaticamente, o conhecimento que está implícito em
grandes quantidades de informações armazenadas nos
bancos de dados de uma organização. Essa técnica pode
fazer, entre outras atividades, uma análise antecipada dos
eventos, prevendo tendências e comportamentos futuros
e permitindo aos gestores a tomada de decisões com base
em fatos, em vez de em suposições.
Internet: <scielo.br> (com adaptações).
Segundo o texto, a técnica de mineração de dados
Apode analisar eventos de forma antecipada.
Btem disponibilidade restrita às grandes organizações.
Cé incapaz de, sozinha, prever eventos e acontecimentos futuros.
Dé suficiente para a descoberta de conhecimento em banco de dados.
Epermite aos gestores a tomada de decisões com base em fatos e em suposições.
Revelar gabarito e comentário▾
GabaritoA — pode analisar eventos de forma antecipada.
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”.
Mineração de dados (Data Mining)
Gabarito: letra A. A técnica de mineração de dados pode, de fato, analisar eventos de forma antecipada, pois é capaz de revelar automaticamente conhecimento implícito em grandes volumes de dados, prevendo tendências e comportamentos futuros — exatamente o que o texto-base afirma ao dizer que ela pode fazer "uma análise antecipada dos eventos, prevendo tendências e comportamentos futuros". As demais alternativas distorcem o conceito: a mineração não é restrita a grandes organizações, é capaz de prever eventos, não é suficiente sozinha para a descoberta de conhecimento (é apenas uma etapa do KDD) e permite decisões com base em fatos, não em suposições.
A mineração de dados, ou data mining, é uma técnica que integra o processo de Descoberta de Conhecimento em Banco de Dados (KDD). Ela consiste em explorar grandes quantidades de dados para extrair, de forma não trivial, informações implícitas e anteriormente desconhecidas, como padrões, regras de associação, correlações e tendências. Para isso, utiliza métodos estatísticos, matemáticos e de inteligência artificial, como redes neurais, algoritmos genéticos e lógica nebulosa.
O ponto central que a questão explora é a capacidade preditiva da mineração de dados. Uma das tarefas clássicas do data mining é a predição (ou previsão), que busca descrever a natureza de ocorrências futuras de certos eventos com base nos acontecimentos passados. É essa característica que permite aos gestores tomar decisões com base em fatos e dados analisados, e não em suposições. O texto-base reforça isso ao afirmar que a técnica "pode fazer, entre outras atividades, uma análise antecipada dos eventos, prevendo tendências e comportamentos futuros e permitindo aos gestores a tomada de decisões com base em fatos, em vez de em suposições".
É importante distinguir a mineração de dados do processo mais amplo de KDD. O KDD é um processo sistemático e iterativo que envolve várias etapas: seleção de dados, pré-processamento, transformação, mineração de dados, avaliação e interpretação. A mineração de dados é apenas uma das fases desse processo — a fase central, onde os algoritmos são aplicados para identificar padrões. Portanto, a mineração de dados, sozinha, não é suficiente para a descoberta de conhecimento; ela depende das etapas anteriores de preparação dos dados e das etapas posteriores de avaliação e interpretação dos resultados.
A banca explora aqui uma confusão comum entre os candidatos: achar que a mineração de dados é um processo completo e autossuficiente, quando na verdade ela é uma etapa do KDD. Além disso, há a tentação de marcar a alternativa E, que parece correta à primeira vista, mas contém um erro sutil: ela diz que a mineração permite decisões com base em fatos e em suposições, quando o texto afirma exatamente o contrário — decisões com base em fatos, em vez de suposições. Guarde essa distinção: a mineração de dados é preditiva, é uma etapa do KDD, e substitui suposições por fatos.
1Seleção
2Pré-processamento
3Transformação
4Mineração de dados
5Avaliação e interpretação
LEVEL · soulevel.com.br
Alternativa A — ✅ Correta ⟵ GABARITO
A alternativa A está correta porque reproduz fielmente o texto-base: a mineração de dados "pode fazer, entre outras atividades, uma análise antecipada dos eventos, prevendo tendências e comportamentos futuros". Essa é a característica preditiva da técnica, que analisa dados passados para prever ocorrências futuras. O texto é explícito ao afirmar essa capacidade, e a alternativa espelha exatamente essa ideia.
Alternativa B — ❌ Incorreta
A alternativa B afirma que a mineração de dados tem disponibilidade restrita às grandes organizações. Isso é falso. O texto-base não faz nenhuma restrição desse tipo, e o conceito de mineração de dados não está vinculado ao porte da organização. Pelo contrário, a técnica é amplamente utilizada em diversos ramos — finanças, varejo, marketing, manufatura e saúde — e pode ser aplicada por organizações de diferentes tamanhos. A restrição não existe no conceito; o que existe é a necessidade de grandes volumes de dados, mas isso não se confunde com o porte da organização.
Alternativa C — ❌ Incorreta
A alternativa C afirma que a mineração de dados é incapaz de, sozinha, prever eventos e acontecimentos futuros. Isso contraria diretamente o texto-base, que afirma que a técnica "pode fazer, entre outras atividades, uma análise antecipada dos eventos, prevendo tendências e comportamentos futuros". A predição é uma das tarefas centrais da mineração de dados. A alternativa inverte a capacidade da técnica: ela não só é capaz de prever, como essa é uma de suas principais finalidades.
Alternativa D — ❌ Incorreta
A alternativa D afirma que a mineração de dados é suficiente para a descoberta de conhecimento em banco de dados. Isso é falso porque a mineração de dados é apenas uma das etapas do processo de Descoberta de Conhecimento em Banco de Dados (KDD). O KDD envolve outras fases essenciais, como seleção, pré-processamento, transformação, avaliação e interpretação dos dados. A mineração de dados, sozinha, não é suficiente; ela depende das etapas anteriores de preparação e das posteriores de avaliação para gerar conhecimento útil.
Alternativa E — ❌ Incorreta
A alternativa E afirma que a mineração de dados permite aos gestores a tomada de decisões com base em fatos e em suposições. O erro está na conjunção "e". O texto-base afirma que a técnica permite "a tomada de decisões com base em fatos, em vez de em suposições". Ou seja, a mineração de dados substitui as suposições por fatos; ela não combina os dois. A alternativa troca a relação de exclusão (em vez de) por uma relação de adição (e), o que distorce completamente o sentido do texto.
NÃO CAIA NESSA!
A banca explora duas armadilhas clássicas: (1) a alternativa E, que parece correta, mas troca "em vez de" por "e" — o candidato desatento não percebe a inversão da relação entre fatos e suposições; (2) a alternativa D, que confunde a mineração de dados com o processo completo de KDD, fazendo o candidato achar que a técnica é autossuficiente. Fique atento a essas inversões sutis de sentido e à hierarquia entre os conceitos.
PEGA ESSA DICA!
Para questões sobre mineração de dados, lembre-se do papel dela no KDD: é uma etapa do processo, não o processo inteiro. E, quando o texto falar em "prever tendências e comportamentos futuros", associe diretamente à tarefa de predição. Esses dois pontos — a posição no KDD e a capacidade preditiva — são os mais cobrados pelas bancas.