Uma empresa de varejo online deseja analisar grandes volumes de dados sobre o comportamento dos clientes, incluindo dados de navegação no site, histórico de compras, interações em redes sociais e avaliações de produtos. O objetivo é identificar padrões de consumo, personalizar ofertas e melhorar a experiência do cliente.

Com base nesse cenário, analise as seguintes afirmações sobre Data Warehouse e Data Lake:

I.Um Data Warehouse seria a solução ideal para armazenar e analisar esses dados, pois ele é otimizado para armazenar dados estruturados em tabelas, como dados de vendas e cadastro de clientes.

II.Um Data Lake seria mais adequado para esse caso, pois permite armazenar dados de diferentes fontes e formatos, como dados estruturados, semiestruturados e não estruturados.

III.No Data Lake, os dados são armazenados em seu formato original, sem necessidade de serem transformados antes de serem armazenados. A transformação dos dados ocorre apenas quando necessário, durante a análise.

IV.O Data Warehouse é mais indicado para análises em tempo real, enquanto o Data Lake é mais adequado para análises complexas que exigem processamento de grandes volumes de dados.

Quais afirmações estão corretas?

Julgue os itens que se seguem, relativos a storytelling.

Em uma storytelling, o clímax corresponde ao momento em que o cliente efetivamente percebe a solução ofertada pela empresa como a ideal para suas necessidades.

Julgue os itens que se seguem, relativos a storytelling.

Ao utilizar storytelling como estratégia de vendas, deve-se evitar a inserção de conflitos na narrativa, sob o risco de redução do engajamento do consumidor.

Julgue os itens subsequentes, relativos à visualização de dados.

Dashboards interativos permitem aos usuários explorar os dados em diferentes níveis de detalhe, facilitando a análise e a tomada de decisões.

Acerca de análise quantitativa, julgue os itens que se seguem.

A utilização de técnicas de análise quantitativa, como análise de séries temporais, pode revelar informações relevantes e tendências futuras acerca de determinado conjunto de dados.

Julgue os próximos itens, a respeito de machine leaning.

Os algoritmos de regressão linear, por minimizarem a soma dos resíduos quadrados para ajustar os coeficientes, são sensíveis a outliers, que podem distorcer os coeficientes e comprometer a previsão do modelo.

Julgue os próximos itens, a respeito de machine leaning.

Grandes volumes de dados frequentemente revelam padrões e tendências que são valiosos para análises preditivas e tomadas de decisão, facilitando a antecipação de comportamentos futuros e permitindo melhor alocação de recursos e planejamento.

No que se refere a modelagem estatística de dados, julgue os itens subsecutivos.

O modelo de árvore de decisão é utilizado quando a resposta é binária, como, por exemplo, prever se um cliente fará ou não determinada compra com base em seu histórico de compras.

Julgue os itens que se seguem, relativos a storytelling.

O personagem principal de uma storytelling deve ser o mais personalizado possível de forma a representar com exatidão o perfil do cliente-alvo.