756237 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: FCC
Orgão: CNMP

Provas:

Analista do CNMP - TI/Desenvolvimento
Provas ×

Data Mining

Em relação às ferramentas de Data Discovery e os fundamentos de Data Mining, é correto afirmar:

A

As ferramentas de Data Mining permitem ao usuário avaliar tendências e padrões não conhecidos entre os dados. Esses tipos de ferramentas podem utilizar técnicas avançadas de computação como redes neurais, algoritmos genéticos e lógica nebulosa, dentre outras.

B

Data Mining é o processo de descobrir conhecimento em banco de dados, que envolve várias etapas. O KDD – Knowledge Discovery in Database é uma destas etapas, portanto, a mineração de dados é um conceito que abrange o KDD.

C

A etapa de KDD do Data Mining consiste em aplicar técnicas que auxiliem na busca de relações entre os dados. De forma geral, existem três tipos de técnicas: Estatísticas, Exploratórias e Intuitivas. Todas são devidamente experimentadas e validadas para o processo de mineração.

D

Os dados podem ser não estruturados (bancos de dados, CRM, ERP), estruturados (texto, documentos, arquivos, mídias sociais, cloud) ou uma mistura de ambos (emails, SOA/web services, RSS). As ferramentas de Data Discovery mais completas possuem conectividade para todas essas origens de dados de forma segura e controlada.

E

Estima-se que, atualmente, em média, 80% de todos os dados disponíveis são do tipo estruturado. Existem diversas ferramentas open source e comerciais de Data Discovery. Dentre as open source está a InfoSphere Data Explorer e entre as comerciais está a Vivisimo da IBM.

Provas

Questão presente nas seguintes provas

756235 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: FCC
Orgão: CNMP

Provas:

Analista do CNMP - TI/Desenvolvimento
Provas ×

BI: Business IntelligenceConceitos e Fundamentos de BI

Soluções informatizadas de Business Intelligence (BI) geralmente contêm sistemas que podem ser de diversos tipos, dependendo do objetivo das análises e do perfil do usuário, como:

A

Executive Information Systems (EIS) ou Sistemas de Informações Executivas, que são baseados em relatórios analíticos, normalmente utilizados por usuários de nível operacional.

B

Online Analytical Processing (OLAP), também conhecidos como sintéticos, que baseiam-se em transações, como: Sistemas Contábeis; Aplicações de Cadastro; Sistemas de Compra, Estoque, Inventário; ERPs; CRMs.

C

Decision Support Systems (DSS) ou Sistemas de Apoio a Decisão, voltados para profissionais que atuam no nível estratégico das empresas, como diretoria e presidência. Oferecem, para tanto, um conjunto de indicadores chave de desempenho como o CMMI.

D

Management Information Systems (MIS) ou Sistemas de Informações Gerenciais, que permitem análises mais profundas, com a realização de simulações de cenários. Por vezes, utilizam-se de ferramentas de Data Mining para identificação de cruzamentos não triviais. São utilizados por analistas de negócio no nível tático.

E

Online Transactional Processing (OLTP) ou Sistemas transacionais, que fornecem subsídio para tomadas de decisão a partir de análises realizadas sobre bases de dados históricas, por vezes com milhões de registros a serem totalizados.

Provas

Questão presente nas seguintes provas

729999 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: FCC
Orgão: TRT-15

Provas:

Analista Judiciário - TI
Provas ×

BI: Business IntelligenceOLAP e OLTP

No contexto de Business Intelligence, os sistemas OLAP e OLTP se diferenciam em diversas características. Na tabela abaixo, no que diz respeito às características, está INCORRETO:

enunciado 729999-1

A

Característica - Performance. /OLAP - Otimização para leitura e geração de análise e relatórios gerenciais. / OLTP - Alta velocidade na manipulação de dados operacio- nais, porém ineficiente para geração de análises gerenciais.

B

Característica - Tipo de permissões nos dados. /OLAP - É permitido apenas inserção e leitura. Para o usuário está disponível apenas a leitura. / OLTP - Podem ser feitas leitura, inserção, modificação e exclusão de dados.

C

Característica - Estrutura dos dados./OLAP - Armazenamento feito em Data Warehouse com otimização no desempenho em grandes volumes de dados. / OLTP - Armazenamento feito em bancos de dados convencionais pelos sistemas de informação da organização.

D

Característica - Foco./OLAP - Nível operacional da organização. Visa a exe- cução operacional do negócio. / OLTP - Nível estratégico da organização. Visa a análise empresarial e tomada de decisão.

E

Característica - Volatilidade. /OLAP - Dados históricos e não voláteis que praticamente não sofrem alterações salvo em casos específicos motivados por erros ou inconsistências. / OLTP -Dados voláteis, passíveis de modificação e exclusão.

Provas

Questão presente nas seguintes provas

704487 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: UFMT
Orgão: DETRAN-MT

Provas:

Analista do Serviço de Trânsito - Análise de Sistemas
Provas ×

Data Mining

A mineração de dados busca descobrir novas informações em grandes quantidades de dados. NÃO é objetivo da mineração de dados:

Provas

Questão presente nas seguintes provas

695892 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: CESPE / CEBRASPE
Orgão: CGE-PI

Provas:

Auditor Governamental - TI
Provas ×

BI: Business IntelligenceData Warehouse

Acerca de data warehouse, julgue o item a seguir.

A junção em estrela, que pode ser utilizada em acessos a tabelas de dimensões e posteriormente à tabela de fatos de um data warehouse, é uma estratégia específica de implementação de junção que se difere das estratégias normais pelo fato de começar deliberadamente pelo cálculo do produto cartesiano.

Provas

Questão presente nas seguintes provas

646716 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: CESPE / CEBRASPE
Orgão: TJ-DFT

Provas:

Técnico Judiciário - TI/Desenvolvimento de Sistemas
Provas ×

BI: Business IntelligenceData Warehouse

Julgue o item a seguir, a respeito de datawarehouse e de datamining.

Uma vez que os esquemas floco de neve possuem menor redundância do que os esquemas estrela, sua manutenção é mais fácil de ser realizada.

Provas

Questão presente nas seguintes provas

646708 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: CESPE / CEBRASPE
Orgão: TJ-DFT

Provas:

Técnico Judiciário - TI/Desenvolvimento de Sistemas
Provas ×

BI: Business IntelligenceData Warehouse

Julgue o item a seguir, a respeito de datawarehouse e de datamining.

No projeto de um esquema estrela, é necessário fazer algumas suposições a respeito do comportamento do usuário no que se refere às consultas realizadas ao sistema.

Provas

Questão presente nas seguintes provas

646688 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: CESPE / CEBRASPE
Orgão: TJ-DFT

Provas:

Técnico Judiciário - TI/Desenvolvimento de Sistemas
Provas ×

Data MiningCRISP-DM

Julgue o item a seguir, a respeito de datawarehouse e de datamining.

Em um processo de mineração, durante a etapa de preparação dos dados, são analisados os requisitos de negócio para consolidar os dados.

Provas

Questão presente nas seguintes provas

570274 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: FGV
Orgão: TJ-RO

Provas:

Analista Judiciário - TI/Análise de Sistemas
Provas ×

BI: Business IntelligenceData Warehouse

Em um Data Warehouse, as tabelas Dimensão possuem uma chave primária que identifica unicamente um registro. Usar chaves oriundas dos bancos de dados transacionais da produção pode gerar problemas decorrentes da sua alteração deliberada, como:

• a produção pode decidir reusar a chave primária na virada de ano levando à exclusão de alguns registros; e

• empresas podem se fundir acarretando a modificação das regras de construção de chaves primárias.

Para evitar tais problemas, de forma que o valor da chave primária das tabelas Dimensão seja único para todo o sistema, portanto nunca reutilizadas; e que o valor da chave não contenha nenhum significado semântico, deve-se usar a chave:

Provas

Questão presente nas seguintes provas

570270 Ano: 2015
Disciplina: TI - Ciência de Dados e BI
Banca: FGV
Orgão: TJ-RO

Provas:

Analista Judiciário - TI/Análise de Sistemas
Provas ×

BI: Business IntelligenceData Warehouse

As Dimensões são o ponto de entrada de um Data Warehouse (DW), sendo utilizadas como perspectivas de análise dos Fatos. As tabelas Dimensão e Fato podem ser comparadas conforme descrito no seguinte quadro.

Quantidade de Registros Chave

Dimensão Poucos Uma chave primária

Fato Muitos Muitas chaves estrangeiras

(oriundas das Dimensões)

As tabelas Fato possuem muitos atributos com baixa cardinalidade decorrente da elevada quantidade de chaves estrangeiras oriundas das tabelas Dimensão que possuem menor quantidade de registros. Ao implementar um DW em um banco de dados relacional, o índice que considera essas características da tabela Fato é o: