No que diz respeito ao Business Intelligence e ao apoio à decisão, as informações obtidas de um banco de dados podem ser classificadas em três tipos, conforme descritas a seguir.

I. Dados primários, como listagem das vendas diárias e situação semanal do estoque. Período de tempo envolvido: passado e presente.

II. Dados secundários, como a média mensal das vendas e giro de estoques. Período de tempo envolvido: passado, presente e curto prazo.

III. Dados terciários, como previsão de vendas para os próximos cinco anos em vários cenários, simulação do comportamento do consumidor frente a novos produtos e jogos de empresas. Período de tempo envolvido: médio e longo prazo.

As informações descritas em I, II e III são conhecidas, respectivamente, como:

Na implementação de soluções de BI, existem ferramentas específicas para a criação de cubos, para uso nas atividades de ETL e outras para a visualização de dados, exemplificadas, respectivamente em qual alternativa?

A sigla OLAP tem por significado On-Line Analytical Processing e pode ser entendida como um software cuja tecnologia analítica de construção permite aos analistas de negócios, gerentes e executivos, analisar e visualizar dados corporativos de forma rápida, consistente e principalmente interativa. Já a sigla OLTP tem por significado Online Transactional Processing e refere-se a sistemas com base em transações.

Com relação ao OLTP e aos aspectos “frequência das atualizações”, “quantidade de dados” e “dados trabalhados ” , OLAP apresenta as seguintes características:

A principal atividade de TRANSFORMAÇÃO é:

São características do OLAP, EXCETO:

Entre as ferramentas OLAP, duas operações são utilizadas para realizar navegação por meio de dados na visualização de um cubo. Uma é a operação que corta o cubo, mas mantém a mesma perspectiva de visualização de dados, enquanto outra representa a extração de um “subcubo” e muda a perspectiva de visão.

Essas operações são denominadas , respectivamente:

Nos processos de Data Mining, a partir de uma massa de dados, uma técnica estatística cria e organiza regras de classificação em formato de diagramas, que vão ordenar suas observações ou predizer resultados futuros. Uma das abordagens empregadas nessa técnica é a estratificação, que determina regras para que se possa designar cada caso a uma dentre várias categorias existentes, como, por exemplo, classificar um cliente tomador de crédito em um grupo de elevado, médio ou baixo risco.

Essa técnica estatística é denominada:

O principal objetivo de um Data Warehouse é:

Como forma de implementação de Data Warehouse, a combinada tem o propósito de integrar a top down com a bottom up, executando-se a modelagem dos dados do DW de visão macro, sendo o passo seguinte a implementação de partes do modelo. Essas partes são escolhidas por processos ou atividades da área de interesse e constituem os Data Marts.

Tendo em vista o modelo de dados ser único, possibilitando realizar o mapeamento e o controle dos dados, a principal vantagem da implementação combinada é:

A principal atividade de EXTRAÇÃO é: