Questão de Banco de Dados — DW - Data Warehouse — FUNDATEC 2023
Banco de Dados›DW - Data Warehouse
Código
qq890142
Banca
FUNDATEC
Órgão
BRDE
Ano
2023
Nível
Superior
Cargo
Analista de Sistemas - Ciência de Dados
Analise as assertivas abaixo, assinalando DW, para as características de Data Warehouse, ou DL, para as características de Data Lakes.( ) O esquema é gravado no momento da análise, denominado esquema de leitura.( ) Quanto à qualidade dos dados, os dados são altamente selecionados e representam a versão central da verdade.( ) Utilizam dados não relacionais e relacionais oriundos de dispositivos como aplicações móveis, mídia social, IoT (Internet das Coisas), aplicações corporativas, entre outras.( ) Os resultados das consultas são mais rápidos e as análises são relatórios em lote e visualizações.A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
ADW – DL – DL – DW.
BDW – DW – DL – DL.
CDW – DL – DW – DL.
DDL – DW – DL – DW.
EDL – DL – DW – DW.
Revelar gabarito e comentário▾
GabaritoD — DL – DW – DL – DW.
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 Warehouse (DW) vs Data Lake (DL)
Gabarito: letra D – DL – DW – DL – DW. A primeira e a terceira assertivas descrevem características típicas de Data Lakes (esquema de leitura e variedade de dados); a segunda e a quarta correspondem a Data Warehouses (dados selecionados como verdade central e consultas rápidas para BI).
A questão exige distinguir os dois repositórios com base em conceitos clássicos: Data Warehouse (DW) armazena dados processados, integrados e estruturados para consultas analíticas rápidas; Data Lake (DL) armazena dados brutos em diversos formatos, com esquema aplicado apenas na leitura.
1ª assertiva — "O esquema é gravado no momento da análise, denominado esquema de leitura." → DL (✅ Correta)
No Data Lake, adota-se o modelo schema-on-read: os dados são ingeridos sem transformação e o esquema é definido no momento da consulta. Já no DW, o esquema é definido antes da carga (schema-on-write). A assertiva capta exatamente essa característica dos Data Lakes.
2ª assertiva — "Quanto à qualidade dos dados, os dados são altamente selecionados e representam a versão central da verdade." → DW (✅ Correta)
O DW passa por um processo de ETL que limpa, transforma e integra os dados, gerando uma única versão da verdade (single source of truth). Os dados são selecionados e curados, ao contrário do Data Lake, que retém dados brutos e pode conter inconsistências.
3ª assertiva — "Utilizam dados não relacionais e relacionais oriundos de dispositivos como aplicações móveis, mídia social, IoT (...), entre outras." → DL (✅ Correta)
Data Lakes aceitam dados estruturados, semiestruturados e não estruturados (JSON, logs, imagens etc.) provenientes de fontes diversas. DWs tradicionalmente só lidam com dados estruturados e relacionais após transformação.
4ª assertiva — "Os resultados das consultas são mais rápidos e as análises são relatórios em lote e visualizações." → DW (✅ Correta)
DWs são otimizados para performance em consultas analíticas e são a base de sistemas de BI, gerando relatórios e dashboards. Data Lakes, por armazenar dados brutos, costumam ter consultas mais lentas e exigem processamento adicional.
Conclusão: a sequência correta é DL (1ª), DW (2ª), DL (3ª), DW (4ª), correspondente à letra D.
Característica
Data Warehouse (DW)
Data Lake (DL)
Esquema
Gravado antes da carga (schema-on-write)
Gravado no momento da análise (schema-on-read)
Qualidade dos dados
Altamente selecionados, versão central da verdade
Dados brutos, podem conter inconsistências
Tipos de dados
Relacionais e estruturados
Relacionais, não relacionais, semiestruturados e não estruturados (IoT, mídia social, etc.)
Performance de consultas
Rápidas, otimizadas para BI (relatórios em lote e visualizações)