OLAP é um conceito de interface com o usuário e não uma forma de armazenamento de dados, que proporciona a capacidade de ter ideias sobre os dados, permitindo analisá-los profundamente em diversos ângulos. O OLAP e o Data Warehouse destinam-se a trabalharem juntos, enquanto o DW armazena as informações de forma eficiente, o OLAP tem por objetivo recuperá-las com a mesma eficiência, porém com muita rapidez. Entre os métodos de armazenamento, no primeiro os dados são armazenados de forma multidimensional e, no segundo, o conjunto de dados multidimensionais deve ser criado no servidor e transferido para o desktop, permitindo a portabilidade aos usuários OLAP que não possuem acesso direto ao servidor.
Esses dois métodos são conhecidos, respectivamente, pelas siglas:

No contexto de Big Data, os Sistemas Gerenciadores de Banco de Dados (SGBD) NoSQL são alternativas para o gerenciamento de dados. "Redis" e "MongoDB" são utilizados, respectivamente, nos modelos de dados:

No Power BI, o resultado das expressões DAX se replicam automaticamente, contudo essas expressões utilizam como referência para o cálculo:

Nos bancos de dados multidimensionais, há uma técnica que é utilizada para analisar dados de eventos conhecidos e descritos por um rótulo. Ela é conhecida como:

Por meio de uma análise em um gráfico no Power BI, um especialista percebeu que terá de trabalhar com valores negativos. Existe um gráfico adequado para esta situação que exibe um valor total acumulado e suas alterações à medida que os valores são alterados e, nesse caso, pode-se acompanhar o resultado por meio da variação dos valores e ainda verificar a sua relevância e como ela incide sobre o total. Nessa situação o especialista escolheria o gráfico:

A linguagem DAX (Data Analysis Expressions) é uma linguagem de fórmula utilizada em ferramentas de análise de dados como Power BI. Quanto às funções DIVIDE e QUOTIENT em DAX, podemos afirmar:

ETL é o processo que as organizações orientadas a dados usam para coletar dados de várias fontes e reuni-los para dar suporte à descoberta, à geração de relatórios, à análise e à tomada de decisões. Com relação as três etapas do ETL, analise as assertivas e identifique as corretas:
I.Eliminação - Durante essa etapa, o ETL identifica os dados duplicados e os remove de suas origens, de forma que possa transportar somente os dados limpos para o destino. Os dados podem vir de fontes estruturadas e não estruturadas, incluindo documentos, e-mails, aplicações de negócios, bancos de dados, equipamentos, sensores, terceiros e muito mais.
II.Transformação - Como os dados extraídos são brutos em sua forma original, eles precisam ser mapeados e transformados para prepará-los para o armazenamento de dados eventual. No processo de transformação, o ETL valida, autentica, deduplica e/ou agrega os dados de formas que tornam os dados resultantes confiáveis e consultáveis.
III.Limpeza - Durante essa etapa, o ETL limpa os dados transformados para o armazenamento otimizado no destino. Esta etapa pode implicar o carregamento inicial de todos os dados de origem ou pode ser o carregamento de alterações incrementais nos dados de origem.
É CORRETO o que se afirma em:

O aprendizado não supervisionado é uma técnica de machine learning que permite identificar padrões e relacionamentos em dados sem que haja supervisão humana.
Avalie as afirmativas quanto ao Aprendizado Não Supervisionado:
I.Para redução de dimensionalidade pode ser utilizada a técnica de Análise de componentes principais (PCA, Principal Component Analysis)
II.O algoritmo de agrupamento K-Means divide um conjunto de dados em k grupos distintos
III.Agrupamento Hierárquico produz uma visualização em forma de árvore hierárquica de clusters (ou grupos), chamada dendrograma
IV.Uma regra de associação é um método baseado em regras para encontrar relacionamentos entre variáveis em um determinado conjunto de dados.
Estão corretas as afirmativas:

Quanto às relações entre os termos empregados nos sistemas Analytics, especialmente associados às tecnologias de Aprendizado de Máquina (ou ML, Machine Learning) e Inteligência Artificial (ou AI, Artificial Intelligence).
I.Um dos subconjuntos do Machine Learning corresponde à Aprendizagem Profunda (ou Deep Learning) 
II.Um subcampo da Artificial Intelligence corresponde ao Machine Learning.
III.As áreas de Machine Learning e de Artificial Intelligence são distintas e não possuem qualquer relacionamento ou conexão.
Estão corretas as afirmativas:

O time de analistas e gestores planejam modelar um datawarehouse corporativo na PPSA. Para atender as necessidades da companhia, o time decidiu adotar como referência o esquema estrela. Os elementos que compõem esse tipo de esquema são: