Questões de Ciência da Computação do ano 2011

Os armazéns de dados (Data Warehouses) servem como uma importante ferramenta aos gestores para avaliarem a uma conveniência da execução da estratégia organizacional utilizada. Sobre concepção/uso de Data Warehouses, tem-se que

• A.

  a concepção de um data warehouse segue os mesmos princípios do projeto de bancos de dados de sistemas transacionais, com as etapas de modelagem conceitual de dados, projeto lógico e projeto físico de banco de dados.

• B.

  as técnicas de geração de modelos multidimensionais sempre consideram a existência de uma tabela de fatos, que mantém associações com tabelas periféricas, chamadas dimensões.

• C.

  o projeto de data warehouses carrega, na base do data warehouses, amostras de dados com alto nível de detalhes, com vistas a auditar, sempre que necessário, os dados consolidados utilizados nas análises realizadas.

• D.

  um data mart pode ser definido como uma porção física ou lógica do data warehouse, centrado em um assunto específico, com a finalidade de facilitar o processo de Extração, Transformação e Carga (ETC) no data warehouse principal.

• E.

  a incorporação da dimensão tempo em data warehouses é opcional e utilizada quando se deseja aprimorar a qualidade das análises realizadas em sistemas OLAP.

Data Warehouses virtuais proporcionam visões de bancos de dados operacionais que são materializadas para acesso eficiente.

PORQUE

Data Warehouse (depósito de dados) proporciona acesso a bancos de dados disjuntos e geralmente heterogêneos.

Analisando as afirmações acima, conclui-se que

• A.

  as duas afirmações são verdadeiras e a segunda justifica a primeira.

• B.

  as duas afirmações são verdadeiras e a segunda não justifica a primeira.

• C.

  a primeira afirmação é verdadeira e a segunda é falsa.

• D.

  a primeira afirmação é falsa e a segunda é verdadeira.

• E.

  as duas afirmações são falsas.

A volatilidade dos dados é característica intrínseca a data warehouses.

PORQUE

Sistemas ROLAP possuem um conjunto de interfaces e aplicações que dão ao Sistema Gerenciador de Banco de Dados Relacionais características multidimensionais.

Analisando as afirmações acima, conclui-se que

• A.

  as duas afirmações são verdadeiras e a segunda justifica a primeira.

• B.

  as duas afirmações são verdadeiras e a segunda não justifica a primeira.

• C.

  a primeira afirmação é verdadeira e a segunda é falsa.

• D.

  a primeira afirmação é falsa e a segunda é verdadeira.

• E.

  as duas afirmações são falsas.

Data warehouse tem por característica ser

• A.

  orientado a assuntos.

• B.

  temporário.

• C.

  descentralizado.

• D.

  focalizado em aspectos operacionais.

• E.

  normalizado.

Técnicas de modelagem de Data Warehouses diferem das tradicionalmente utilizadas em sistemas transacionais. Analisando uma dessas abordagens, o modelo multidimensional estrela, verifica-se que

• A.

  possui melhor desempenho, quando comparado ao modelo floco de neve.

• B.

  representa hierarquias explicitamente.

• C.

  facilita a tarefa de manutenção das dimensões.

• D.

  assemelha-se ao modelo de classes conceitual da UML.

• E.

  é opcional a sua utilização, sendo substituído pelo diagrama de atividades da UML.

• A.

  0

• B.

  3

• C.

  4

• D.

  9

• E.

  12

Um dos grandes desafios na construção de bases de dados de data warehouses reside na qualidade dos seus dados. Como esses dados que servem de matéria- -prima para esses repositórios de dados podem ter as mais diversas procedências, vários tipos de problemas precisam ser resolvidos. Um exemplo da situação acima descrita encontra-se no fato de que os

• A.

  campos numéricos das bases de dados de origem podem conter dados que não pertençam ao domínio de valores do atributo, por problemas relativos ao endereçamento dos cálculos efetuados pela ferramenta de extração, transformação e carga.

• B.

  campos que armazenam datas precisam fazer menção à latitude e à longitude onde se encontra a base de dados do data warehouse, sob pena de comprometer o processo de construção de eventuais datamarts em momentos posteriores.

• C.

  dados que representam medidas que ocorrem em diversas fontes de dados, como um atributo que armazene medições de temperatura de diversas regiões, podem, em algumas bases, se encontrar incompletos, necessitando tratamento.

• D.

  atributos categóricos, tais como, sexo ou categoria funcional, necessitam, na integração, ser convertidos em valores numéricos, pois ferramentas OLAP possuem limitações quanto ao tratamento de valores de atributos discretos.

• E.

  identificadores, tais como, atributos-chave de tabelas, podem, no processo de integração, conter valores de chaves primárias inválidas de outras tabelas, indicando problemas de integridade referencial e de unicidade.

No contexto de DW, é uma categoria de ferramentas de análise denominada open-end e que permite ao usuário avaliar tendências e padrões não conhecidos entre os dados. Trata-se de

• A.

  slice.

• B.

  star schema.

• C.

  ODS.

• D.

  ETL.

• E.

  data mining.

Ao nível de sumarização dos elementos e de detalhes disponíveis nos dados em um DW dá-se o nome de

• A.

  relacionamento.

• B.

  capacidade.

• C.

  granularidade.

• D.

  integridade.

• E.

  arquitetura.

Acerca de soluções de suporte a decisão, julgue os itens seguintes.

As ferramentas de software ETL (extract transform load) têm como função a extração de dados de diversos sistemas, a transformação desses dados de acordo com as regras de negócio e a carga dos dados em um data mart ou um DW.

• C. Certo
• E. Errado