Aula 07 Informatica Questões ICMS FCC - 2014 Data Warehousing e Business Intelligence PDF

Aula 07
Curso: Informtica Questes comentadas p/

ICMS PI
Professor: Gustavo Cavalcante
Curso: Informtica p/ ICMS PI

Questes comentadas
Prof. Gustavo Cavalcante - Aula 06
Aula 07 Data Warehousing e Business Intelligence.

Ol pessoal, vamos para a ltima aula de exerccios de informtica para
o ICMS-PI. Espero que o curso tenha sido proveitoso e que possa ajudar na
aprovao de todos vocs.
Continuem estudando, no desistam. Tenham f de que tudo vai dar
certo.
Qualquer dvida que venham a ter, eu estou a disposio.
Vamos ltima aula.
Vamos fazer uma breve introduo sobre os conceitos que estudaremos
nesta aula.
A quantidade de dados disponveis cada vez maior, assim como a
velocidade com que esses dados circulam. Isso torna o ambiente corporativo
muito dependente de sistemas que possam buscar estes dados, armazen-los
e transform-los em informao til empresa, para que possa tomar
decises sobre suas atividades (quais itens estocar, informaes sobre
clientes, fornecedores, etc). Vrias tcnicas e ferramentas esto disponveis
para ajudar com a tomada de decises.
Existem ferramentas que analisam os dados armazenados sob vrios
ngulos e outras calculam resumos de quantidades de dados muito grandes.
Uma destas tcnicas a minerao de dados (ou data mining) que,
segundo Silberschatz, visa detectar vrios tipos de padres em grandes
volumes de dados. Estes padres so como regras de associao ou
sequncias temporais, para detectar relacionamentos entre variveis.
A implementao de solues como Business Inteligence (BI) e Data
Warehouses para ajudar na tomada de decises tem feito empresas
economizarem capital.
Data Warehouse (ou DW ou depsitos de dados) um sistema
utilizado para armazenar dados de vrias origens sob um esquema
unificado, em local nico.
As principais caractersticas do DW so:
- orientado por assunto o DW capaz de organizar os dados por
assuntos especficos;
- integrada integra dados de diferentes fontes de dados em uma base
nica;
- no voltil no h perda de dados ou alterao, somente insero;
- variante no tempo os dados acessados refletem os valores corretos
no momento do acesso.
Prof. Gustavo Cavalcante
www.exponencialconcursos.com.br
2 de 49

Questes comentadas
Os dados do DW so como fotos tiradas dos dados em um

determinado momento, so conjuntos de estticos de registros de uma ou
mais tabelas capturados em um momento de tempo predeterminado. Seus
dados no so atualizados.
O BI se refere ao processo de coleta, organizao, anlise,
compartilhamento e monitoramento de dados que oferecem suporte
tomada de decises. Visam obter informaes de alto nvel a partir de
informaes detalhadas armazenadas nos sistemas de processamento de
transao. Resumindo o BI utilizado para a transformao e dados em
informao.
O BI funciona por meio de um conjunto de ferramentas que capaz
de produzir conhecimento, aumentando a qualidade do planejamento
estratgico e operacional e reduzindo o tempo para a tomada de decises.
Ele fornece informaes precisas organizao quando necessrio,
sendo possvel uma anlise em tempo real do desempenho corporativo. Por
isso, os principais benefcios por utilizar o BI so: economia de tempo,
unicidade das informaes, melhorar as estratgias, planos e decises tticas
da organizao, economia de custos, antecipao mudanas bruscas no
mercado, etc.
Segundo
componente:
Turban,
um
sistema
de
BI
possui
quatro
grandes
1 Data Warehouse, banco ou repositrio de dados preparados para

suportar softwares de tomadas de deciso.
2 Anlise de negcios coleo de ferramentas para manipular e analisar
os dados no DW, como por exemplo, processamento analtico, minerao de
dados, etc.
3 Gesto de desempenho do negcio que monitora e compara
desempenho da organizao s metas estabelecidas.
4 Interface com o usurio.
Uma soluo de um BI centrada em um DW pode se tornar uma fbrica
de informaes, gerando relatrios, grficos, planilhas eletrnicas, etc.
Durante a resoluo das questes detalharei mais esses conceitos alm
de apresentar como normalmente cobrado em concursos.
3 de 49

Questes comentadas
Questes comentadas
1 (FGV - AFRE RJ/SEFAZ RJ/2009) O grande desafio do profissional de
TI que gerencia qualquer processo a anlise dos fatos relacionados funo
que exerce em uma organizao. Essa anlise deve ser feita com as
ferramentas e os dados disponveis, permitindo aos executivos e gerentes
detectar as tendncias e tomar as decises com eficincia e eficcia. Devido a
essa necessidade, surgiu o conceito de Business Intelligence - "BI".
Assinale a alternativa que indique duas caractersticas dos atuais sistemas de
Business Intelligence.
a) procurar relaes de causa e efeito / extrair e integrar dados de mltiplas
fontes.
b) evitar a utilizao de ferramentas automatizadas / desprezar dados
contextualizados.
c) extrair e integrar dados de mltiplas fontes / evitar a utilizao de
ferramentas automatizadas.
d) desprezar dados contextualizados / trabalhar exclusivamente com fatos
reais e no hipotticos.
e) trabalhar exclusivamente com fatos reais e no hipotticos / procurar
relaes de causa e efeito.
Comentrios:
Fazer uso de informaes j disponveis nas empresas que podem
ajudar na tomada de decises de forma mais rpida, para isso so utilizados
os sistemas BI. Estes sistemas permitem acesso e manipulao dos dados
para fornecer aos tomadores de deciso uma melhor compreenso da grande
massa de dados armazenados nos bancos de dados da empresa.
A dificuldade de trabalhar com muitos dados alm da dificuldade de se
utilizar a linguagem SQL para realizar consultas em bancos de dados
gigantescos (com inmeras tabelas, colunas e relacionamentos) fez com que
fosse desenvolvida uma alternativa para facilitar a anlise de dados. Segundo
Silberschatz, OLAP ou processamento analtico on-line (OLAP On-line
Analtical Processing) lida com ferramentas e tcnicas para anlise de
dados, que oferecem respostas quase que instantneas s consultas
solicitando dados resumidos. Algumas das tarefas disponveis so alguns
cclulos estatsticos, facilidade na navegao, distribuies cumulativas, etc.
Contudo, para anlises estatscas detalhadas so usados pacotes ligados
aos bancos de dados.
Alm disso, importante saber que essa grande quantidade de dados
muitas vezes tem origem diversa. As fontes desses dados podem armazenar
os dados sob diferentes esquemas. Por isso, para executar consultas de forma
4 de 49

Questes comentadas
eficiente so utilizados data warehouses , que reuniro dados em um nico

local de diferentes bancos de dados.
Com os dados a disposio, so utilizadas tcnicas de descoberta de
conhecimento, tentando encontrar regras estatsticas e padres, tcnicas
conhecidas como minerao de dados (ou data mining). Esses padres so
qualquer regra que de associao ou sequncias temporais, para detectar
relacionamentos entre variveis.
Analisando os itens da questo:
fontes.
Item correto. Relaes de causa e efeito podem ser uma das regras a
serem utilizadas para associar os dados em busca de conhecimento. Como
vimos os dados so extraidos de diferentes fontes.
contextualizados.
Item incorreto. Os dados que possuem contexto no podem ser
desprezados. Alm disso, so utilizadas ferramentas automatizadas para
encontrar padres.
Item incorreto.
encontrar padres.
So
utilizadas
ferramentas
automatizadas
para

Item incorreto. Os dados que possuem contexto no podem ser
desprezados. O sistema no consegue reconhecer se os faots so reais ou
hipotticos, por isso trabalha-se com todo tipo de dados que estejam no
banco.
Item incorreto. O sistema no consegue reconhecer se os faots so
reais ou hipotticos, por isso trabalha-se com todo tipo de dados que estejam
no banco.
Resposta: A.
2 (FGV - AFRE RJ/SEFAZ RJ/2008) Business Intelligence (BI) refere-se

ao processo para tomada de decises em uma empresa, sendo de elevada
importncia a existncia de um repositrio prprio para os dados consolidados
e j transformados em "informao real", que pode ser um Data Warehouse
5 de 49

Questes comentadas
ou um Data Mart. Nesse contexto, duas aplicaes so identificadas: a

primeira, que sustenta o negcio por meio de ferramentas OLTP (On Line
Transaction Processing), e a segunda, que analisa o negcio por meio de
ferramentas OLAP (On Line Analytical Processing).
Essas aplicaes tm, como objetivos principais, respectivamente:
a) levantamento e armazenamento de dados/implementao de testes.
b) controle e registro de transaes/identificao de tendncias.
c) projeto e anlise de sistemas/transformao de processos.
d) pesquisa e teste de software/especificao de requisitos.
e) busca e coleta de informaes/substituio de rotinas.
Comentrios:
OLAP (On-line Analytical
Processing)
ferramentas e tcnicas para
anlise de dados de um DW
oferecendo os recursos de
modelagem, anlise e
vizualisao de grandes
conjuntos de dados;
Voltada para a tomada de
decises;
oferecem navegao fcil e
interativa e respostas rpidas;
Possibilita uma variedade de
vizualisaes de informaes
facilitando a anlise
multidimensional;
Apresentam resultados em
grficos, planilhas, relatrios, etc.
OLTP (On-line Transaction

Processing)
So sistemas transacionais,
utilizados no processamenteo de
dados de rotina que so gerados
diariamente por meio dos
sistemas da empresa e do
suporte as funes de execuo
do negcio organizacional.
Utilizada em sistemas que
registram pequenas transaes
realizadas em tempo real e que
ocorrem constantemente e de
forma rpida.
Necessita de backup
regularmente;
No so usados para tomada de
deciso.
OLAP uma ferramenta utilizada para tomada de deciso, portanto

identifica tendncias, pode ser utilizada para transformao de processos,
especificao de requisitos.
OLTP so ferramentas mais simples, utilizadas nos processamentos de
rotina dos bancos de dados das empresas. Registram pequenas transaes,
so simples e eficientes. No so utilizados para projeto e anlise de sistemas,
pesquisa e teste de software.
Podem ser utilizados para levantamento e armazenamento de dados,
controle e registro de transaes e busca e coleta de informaes.
Para facilitar o entendimento, coloquei a tabela abaixo, com as
principais diferenas por caracterstica, retirada e adaptada do site:
http://corporate.canaltech.com.br/o-que-e/business-intelligence/O-quesignifica-OLTP-e-OLAP-na-pratica/.
6 de 49

Questes comentadas
OLAP
OLTP
Foco
Nvel estratgico da
organizao. Visa a
anlise empresarial e
tomada de deciso.
Nvel operacional da
organizao. Visa a
execuo operacional
do negcio.
Performance
Alta velocidade na
Otimizao
para manipulao
de
leitura e gerao de dados operacionais,
anlises e relatrios contudo ineficincia
gerenciais
para gerao
de
anlises gerenciais.
Em estruturas DW
com otimizao no
Armazenamento desempenho
em
grandes volumes de
dados
Abrangncia
Sistemas
convencionais de BD
atravs dos sistemas
de informao da
organizao.
Utilizados
pelos
Utilizado
para
analistas e tcnicos e
tomada de deciso
engloba
vrios
pelos gestores
usurios da empresa.
permitido apenas a
Tipos
de insero e leitura.
permisses nos Para os usurios est
dados
apenas disponvel a
leitura.
Podem
ser
feito
leitura,
insero,
modificao
e
excluso de dados.
Resposta:B.
3 (FGV - AFRE RJ/SEFAZ RJ/2011) Business Intelligence - BI engloba
um conjunto de ferramentas e aplicativos que oferece aos tomadores de
deciso possibilidade de organizar, analisar, distribuir e agir, ajudando a
organizao a tomar decises melhores e mais dinmicas. Alm das
ferramentas de modelagem analtica e de previses, outras trs principais
utilizadas em BI so
a) E-Learning, ERP e Data Marts.
b) Data Warehouse, Olap e Data Mining.
c) E-business, Drill Up e Downsizing.
d) Database, E-commerce e Outsourcing.
e) Benchmarch, Drill Through e Walkthrough.
7 de 49

Questes comentadas
Comentrios: As principais ferramentas do BI so: Data Warehouse,

ferramentas OLAP, o data mining e as ferramentas de modelagem analtica e
de previses.
- Data Warehouse - um sistema utilizado para armazenar dados de
vrias origens sob um esquema unificado, em local nico.
- OLAP uma ferramenta utilizada para tomada de deciso, portanto
identifica tendncias, pode ser utilizada para transformao de processos,
especificao de requisitos. Transforma dados em informaes capazes de
dar suporte a decises.
- data mining ou minerao de dados processos utilizados para analisar
grandes bancos de dados procurando por padres, associaes ou regras
que possam gerar informaes teis organizao.
- ferramentas de modelagem analtica e de previses
Resposta:B.
4 (FCC - AFRE RJ/SEFAZ RJ/2014) Sistemas de BI Business
Intelligence renem um conjunto de tecnologias orientadas a disponibilizar
informao e conhecimento em uma organizao, dentre as quais est o DW.
Um ambiente que utiliza DW rene processos e ferramentas, est sempre em
evoluo e pode ser visualizado como na figura abaixo.
8 de 49

Questes comentadas
Os componentes I, II, III e IV esto corretamente identificados em:

I
III
IV
SISTEMAS ETL
DW
SISTEMAS
MINING
b) DW
SISTEMAS ETL
BANCO
DE
DADOS
TRANSACIONAIS
ERP
c) SISTEMAS OLTP
DW
DATA MARTS
SISTEMAS OLAP
DW
BANCO
DE
DADOS
MULTIDIMENSIONAIS
a) SISTEMAS OLAP
II
BANCO
DE
DADOS
d) TRANSACIONAIS DATA MARTS
e) STAGING AREA
BANCO
DE
DADOS SISTEMAS
SISTEMAS OLAP MULTIDIMENSIONAIS
MINING
DE
DE
DATA
DATA
Comentrios:
O objetivo do DW forncecer subsdios necessrios para transformar
dados de bancos de dados transacionais da empresa e um conjunto de dados
OLTP para uma base maior, que no seja orientada ao ambiente operacional
da empresa e que contenha o histrico, tambm conhecido como sries
histricas que possibilitam uma melhor anlise de eventos passados,
oferecendo suporte s tomadas de decises presentes e previses de eventos
futuros.
Arquitetura de um DW - Figura retirada do site: http://corporate.canaltech .com.br /materia/businessintelligence/Conhecendo-a-arquitetura-de-Data-Warehouse/
A arquitetura do DW pode ser resumida da seguinte forma:

9 de 49

Questes comentadas
Fonte de dados
Origem de todos os dados que iro para o DW. So as

bases de dados da empresa, sistemas OLTP, arquivos
diversos formatos (xlsx, txt, etc) outras fontes de dados
quaisquer.
ETL
(Extract, responsvel por extrair, tratar e limpar dados das
Transform
and fontes de dados e inser-los na base do DW.
Load)
Staging Area
rea de armazenamento intermedirio situada dentro

do ETL. Auxilia a transio dos dados das orignes para
o destino final no DW.
DW
Estrutura de armazenamento dos dados. Possui as

seguintes caractersticas: orientado por assunto, integrada,
no voltil, variante no tempo.
Data Mart
So estruturas similares ao DW, porm menores. So

subconjuntos de informaes do DW que podem ser
separadas por assunto ou departamento especficos,
por exemplo.
OLAP
Erramentas
com
capacidade
multidimensional dos dados no DW.
Data mining
Ferramentas capazes de descobrir padres ou regras

especficas nos dados armazenados no DW, gerando assim
informaes teis empresa.
de
anlise
rea
de Local onde os dados ficam organizados e disponveis
apresentao
para consultas, criao e relatrios, grficos,
dos dados
planilhas, etc.
Para facilitar podemos visualizar cada item e suas caractersticas na

figura abaixo retirada do site: http://www.devmedia.com.br/data-wareh
ouse/12609:
10 de 49

Questes comentadas
Analisando a questo teremos que:

I so as fontes de dados, podem ser OLTP, arquivos, bancos de dados
transacionais.
II so os DW ou se menores, ou parte do DW, os Data Marts.
III Para replicar dados e distribu-los podemos usar Data Marts, pois so
menores que o DW.
IV Para acesso e anlise dos dados podemos usar ferramentas OLAP, data
mining, ferramentas de modelagem analtica e de previses.
Resposta:C.
5 (FCC - AFR SP/SEFAZ SP/Tecnologia da Informao/2009) Em um

banco de dados multidimensional, considere, por exemplo, que os dados
podem ser representados como um array de trs dimenses, correspondendo
a produtos, clientes e perodos de tempo. Dessa forma, um determinado valor
individual em uma clula pode representar a quantidade de um produto
vendido a um cliente em um dado momento. De acordo com essa
considerao,
a) produtos so variveis independentes, e clientes, perodos de tempo e
quantidade so variveis dependentes.
b) produtos e clientes so variveis independentes, e perodos de tempo e
11 de 49

Questes comentadas
c) produtos, clientes e perodos de tempo so variveis dependentes, e

quantidade uma varivel independente.
d) produtos, clientes e perodos de tempo so variveis independentes, e
quantidade uma varivel dependente.
e) produtos so variveis dependentes, e clientes, perodos de tempo e
quantidade so variveis independentes.
Comentrios:
Os projetos de DW se baseiam no conceito de modelo dimensional ou
multidimensional de dados. Como a prpria quessto colocou os dados
podem ser representados como um array de trs dimenses, correspondendo
a produtos, clientes e perodos de tempo. Dessa forma, um determinado valor
individual em uma clula pode representar a quantidade de um produto
vendido a um cliente em um dado momento.
O conceito de modelagem multidimensional se baseia em sistemas
com suporte a acessos com alto volume de consultas a um grande
volume de dados. Esses dados so representados em estrutura de um
cubo, transmitindo uma idia de mltiplas dimenses. Esta viso
multidimensional permite o uso mais intuitivo para o processamento analtico
pelas ferramentas OLAP.
Podemos separar os atributos em trs tipos de estrutura:
- Fatos valores numricos a que se deseja analisar, e que sero
agrupados. uma coleo de itens de dados composta de medidas.
utilizado para analisar o processo de negcio da empresa.
- Dimenso estabelece a organizao dos dados, sendo elementos que
participam de um fato e que determinam o contexto de um assunto de
negcios. Por exemplo: tempo, produto, cliente.
- Medidas so atributos numricos que representam um fato,
representando o desempenho de um indicador de negcios relativo s
dimenses que participam desse fato. Uma medida determinada pela
combinao das dimenses que participam de um fato e esto localizadas
como atributos de um fato. Por exemplo: valor em reais das vendas, nmero
de unidades vendidas de produtos, quantidade em estoque.
Um exemplo seria o total de vendas de um produto agrupado por ms e
por loja. Sendo assim, s seria possvel um valor para o n de produtos
vendidos em um determinado ms em uma determinada loja. A representao
por meio de um cubo pode ser vista na figura abaixo, retirada do site:
http://www.devmedia.com.br/qualidade-na-modelagem-dos-dados-de-umdata-warehouse/6978.
12 de 49

Questes comentadas
Representao de dados em forma de cubo - http://www.devmedia.com.br/qualidade-na-modelagem-dosdados-de-um-data-warehouse/6978arivel
As dimenses representam variveis ou dados independentes e os

dados que contem valores so variveis dependentes. Isso ocorre porque a
quantidade de valores que sero armazenados depende da quantidade
de dimenses utilizadas.
No caso da questo, produtos, clientes e perodos de tempo so
dimenses, portanto so variveis independentes, enquanto que quantidade
de um produto vendido uma varivel depdendente.
Resposta: D.
6 (FGV - AFRE RJ/SEFAZ RJ/2007) No contexto do DataWarehouse, a

anlise multidimensional uma das grandes utilidades da tecnologia OLAP,
consistindo em ver determinados cubos de informaes de diferentes ngulos
e de vrios nveis de agregao. As ferramentas que disparam uma instruo
SQL de um cliente qualquer para o servidor e recebem o microcubo de
informaes de volta para ser analisado na workstation constituem uma
determinada arquitetura. Esta apresenta uma grande vantagem, que o
pouco trfego que se d na rede, visto que todo o processamento OLAP
acontece na mquina cliente; a maior agilidade de anlise; alm de o servidor
de banco de dados no ficar sobrecarregado. A desvantagem que o tamanho
do microcubo no pode ser muito grande; caso contrrio, a anlise passa a ser
demorada e/ou a mquina do cliente pode no suportar em funo de sua
configurao. A arquitetura descrita denominada:
a) FOLAP (Free On Line Analytical Processing).
b) HOLAP (Hybrid On Line Analytical Processing).
c) DOLAP (Desktop On Line Analytical Processing).
d) ROLAP (Relational On Line Analytical Processing).
13 de 49

Questes comentadas
e) MOLAP (Multidimensional On Line Analytical Processing).

Comentrios:
As ferramentas OLAP podem ser de vrios tipos:
- MOLAP (Multidimensional OLAP)
dados ficam em um BD
multidimensional em um servidor, onde o microcubo de dados
manipulados. O benefcio neste caso com relao performance, tem
um alto desempenho e pode executar clculos complexos. Os probelmas so
a baixa escalabilidade e o alto custo.
- ROLAP (Relational OLAP) os dados so armazenados e BD
relacionais. A vantagem a alta escalabilidade. As desvantagens so
baixo desempenho.
- HOLAP (Hybrid OLAP) combinao entre MOLAP e ROLAP, tentando
extrair o que h de melhor em cada um, a alta performance do MOLAP e a
alta escalabilidade do ROLAP. Para informaes do tipo sntese, isto ,
dados agregados, utiliza cubos multidimensionais de alta performance. Para
informaes mais detalhadas (granulares) utiliza BD relacionais. Desvantagem
o alto custo.
- DOLAP (Desktop OLAP) Este tipo de ferramenta emite instrues SQL de
um cliente para o servidor aonde esto os dados. O microcubo de dados
enviado ao cliente onde ser analisado e manipulado pelo usurio. A
vantagem o pouco trfego na rede e o fato de no sobrecarregar o
servidor, pois as anlises so feitas no desktop do usurio. A
desvantagen a limitao do cubo de dados, pois o cliente (desktop do
usurio) normalmente muito mai lento que o servidor, por isso, pode no
suportar anlises em grande quantidade de dados.
Voltando a questo:
As ferramentas que disparam uma instruo SQL de um cliente qualquer
para o servidor e recebem o microcubo de informaes de volta para ser
analisado na workstation constituem uma determinada arquitetura ...
grande vantagem, que o pouco trfego que se d na rede ...
desvantagem que o tamanho do microcubo no pode ser muito
grande
Portanto, trata-se da DOLAP.
Resposta: C.
7 (FCC - Ana (CVM)/CVM/Sistemas/2003) O servio OLAP da camada

servidora, em que os dados granulares estaro no SGBDR e os dados
agregados no servidor OLAP, ser descrito, no plano de um projeto
cliente/servidor, numa estrutura
a) DOLAP.
14 de 49

Questes comentadas
b) HOLAP.
c) GOLAP.
d) MOLAP.
e) ROLAP.
Comentrios:
Neste caso temosum BD relacional que utiliza um SGBDR (SGBD
relacional) em que estaro os dados granulados, isto , os dados detalhados,
cada pequeno dado estaria neste servidor.
J em outro servidor teramos os dados agregados, ou seja, algumas
snteses, algumas anlises, por exemplo enquanto no BD relacional poderemos
ter dados como quantidade vendida de cada produto em um determinado dia,
no servidor OLAP teramos o total de produtos vendidos, a mdia por dia. Se
quisessemos analisar dados dirios devemos ver os dados do BD relacional.
Caso quisessemos analisar dados sintticos recorremos ao servidor OLAP.
um caso de HOLAP, pois temos um BD relacional e um banco
multidimensional com dados agregados.
Vejamos um resumo sobre o assunto:
DOLAP (Desktop OLAP)
microcubo de dados enviado ao
cliente onde ser analisado e
manipulado pelo usurio em seu
workstation.
A vantagem o pouco trfego na rede
e o fato de no sobrecarregar o
servidor.
A desvantagen a limitao do cubo
de dados
MOLAP (Multidimensional OLAP)

dados ficam em um BD
multidimensional em um servidor,
onde o microcubo de dados
manipulados.
Tem um alto desempenho e pode
executar clculos complexos.
Os probelmas so a baixa
escalabilidade e o alto custo.
HOLAP (Hybrid OLAP)
ROLAP (Relational OLAP)
combinao entre MOLAP e ROLAP,

a alta performance do MOLAP e a alta
escalabilidade do ROLAP.
tipo sntese, isto , dados agregados,
utiliza cubos multidimensionais de alta
performance. Para informaes mais
detalhadas (granulares) utiliza BD
relacionais
os dados so armazenados e BD
relacionais.
A vantagem a alta escalabilidade.
As desvantagens so baixo
desempenho.
Resposta:B.
8 (FGV - ARE (AP)/SEAD AP/2010) Atualmente, Business Intelligence

tem crescido em importncia, particularmente porque insere em seu cenrio
os conceitos de DataWarehouse. Neste contexto, quando se fala de aplicaes
15 de 49

Questes comentadas
para negcio, lida-se com dois tipos distintos: aplicaes que sustentam o
negcio e aplicaes que analisam o negcio.
As aplicaes de apoio tomada de deciso que analisam o negcio utilizam
como fonte de dados os mesmos sistemas de controle, mas tm como
preocupao principal a identificao de tendncias.
Essas aplicaes so conhecidas por:
a) FLAP (Free Analytical Processing).
b) FLTP (Free Transaction Processing).
c) OLAP (On-Line Analytical Processing).
d) OLTP (Offline Transaction Processing).
e) RLAP (Relational Analytical Processing).
Comentrios:
Como j vimos as ferramentas OLAP so ferramentas e tcnicas para
anlise de dados de um DW oferecendo os recursos de modelagem,
anlise e vizualisao de grandes conjuntos de dados, voltada para a
tomada de decises oferecendo navegao fcil e interativa e respostas
rpidas. Possibilita uma variedade de vizualisaes de informaes facilitando
a anlise multidimensional.
Estas so diferentes da ferramentas OLTP que so ferramentas mais
simples, utilizadas nos processamentos de rotina dos bancos de dados das
empresas. So sistemas transacionais, utilizados no processamenteo de
dados de rotina que so gerados diariamente por meio dos sistemas da
empresa e do suporte as funes de execuo do negcio organizacional.
A questo descreve exatamente as ferramentas OLAP:
As aplicaes de apoio tomada de deciso que analisam o negcio
utilizam como fonte de dados os mesmos sistemas de controle, mas tm como
preocupao principal a identificao de tendncias
Resposta: C.
9 (FCC - AFR SP/SEFAZ SP/Tecnologia da Informao/2009) Se uma

empresa de grande porte, com alto volume de transaes e informaes,
resolver iniciar um projeto usando o conceito de Data Mart (DM) em vez de
Data Warehouse (DW), independentemente disso ser ou no a melhor opo,
os fatores que a levam a tal deciso podem ser justificados por:
I. Possibilidade de extrair e preparar os dados diretamente de fontes de
interesse especficas, fornecendo acesso mais rpido pela no necessidade de
sincronia com dados de outras fontes.
II. Menor risco quanto ao sucesso do projeto.
16 de 49

Questes comentadas
III. Necessidade imediata de informaes organizacionais integradas.

Est correto o que consta em
a) I, II e III.
b) II e III, apenas.
c) I, apenas.
d) I e II, apenas.
e) I e III, apenas.
Comentrios:
Como vimos Data Marts so pequenos DW, isto , possuem estrutura e
funcionam como se fossem um DW, contudo, possuem capacidade bem
inferior. Abrangem uma determinada rea ou assunto, oferecendo informaes
detalhadas sobre essas questes.
O caminho tradicional primeiramente criar um DW e a partir dele os
Data Marts (DM). Contudo, a questo nos traz o caso contrrio, o que no
um erro, apenas uma opo da empresa. Podemos criar DM e DW de duas
maneiras:
- Top-Down (de cima para baixo) cria-se primeiramente um DW e depois os
dados so segmentados em reas menores, gerando DM orientados por
assunto. Inicia-se o processo do DW, o banco mais complexo (para ajudar a
guardar o banco TOP) e vamos para os bancos menores, os DM.
- Bottom-up (de baixo para cima) a situao inversa. Cria-se bancos
somente para as reas em que haja necessidade prioritria, orientados para
somente esta rea especfica. Os custos iniciais so inferiores. A partir da
vizualisao dos resultados pode ser decidio criar mais DM para outras reas e
por fim um DW. Aqui o inverso, vamos dos bancos menores para os maiores
(de baixo para cima). Dividir para conquistar.
Item correto. Neste caso criariamos DM em cada rea, sendo um
independente do outro.
Item correto. Como o custo menor, o risco menor. Caso o projeto
no de certo, o investimento no foi to alto.
Item incorreto. Os DM sero independentes, no sendo um DW que
integrado.
Resposta: D.
17 de 49

Questes comentadas
10 (FGV - AFRE RJ/SEFAZ RJ/2007) Observe a figura abaixo, que ilustra

um exemplo de um modelo dimensional para construo de banco de dados
para DataWarehouse.
So caractersticas desse modelo:

I. Todas as tabelas relacionam-se diretamente com a tabela de fatos, e assim
as tabelas dimensionais devem conter todas as descries que so necessrias
para definir uma classe como Produto, Tempo ou Loja nela mesma.
II. As tabelas de dimenses no so normalizadas; logo, campos como
Categoria, Departamento, Marca contm sua descrio repetida em cada
registro, assim aumentando o tamanho das tabelas de dimenso por repetirem
essas descries de forma textual em todos os registros.
O modelo do tipo conhecido por:
a) hierrquico.
b) distribudo.
c) relacional.
d) estrela.
e) anel.
Comentrios:
18 de 49

Questes comentadas
Os modelos dimensionais utilizados para construo de um DW so:

Estrela
A tabela fatos encontra-se no
centro, e ao seu redor as
dimenses.
Vantagem: eficincia, dada
pelo n de junes e pela chave
simples e a facilidade de
definir hierarquias;
Desvantagens: tamanho e a
desnormalizao das tabelas
dimenso. (tabelas dimenso
no normalizadas)
Snowflakes
Elimina redundancias do
modelo estrela introduzindo
tabelas dimenso
normalizadas;
Apresenta maior nmero de
junes, tendo queda de
desempenho.
mais complexo que o modelo
Estrela.
Exemplo
do
modelo
Estrela
retirado
do
site
http://imasters.com.br/artigo/3836/gerencia-de-ti/modelo-dimensional-paradata-warehouse/:
Exemplo
do
modelo
Snowflakes
retirado
do
site
http://imasters.com.br/artigo/3836/gerencia-de-ti/modelo-dimensional-paradata-warehouse/:
19 de 49

Questes comentadas
Outro exemplo retirado do site http://beyondrelational.com/modules/

2/blogs/65/posts/11596/when-and-how-to-snowflake-dimension-sourcesssas-design-part-1.aspx:
Somente olhando para o desenho j percebemos que se trata do modelo

Estrela. Vamos analisar as caractersticas:
I. Todas as tabelas relacionam-se diretamente com a tabela de fatos, e
assim as tabelas dimensionais devem conter todas as descries que so
necessrias para definir uma classe como Produto, Tempo ou Loja nela
mesma.
So as caractersticas do modelo Estrela.
Resposta: D.
11 (FGV - AFRE RJ/SEFAZ RJ/2007) Uma arquitetura de DataWarehouse

refere-se maneira de representar a estrutura completa de dados,
comunicao, processamento e resultados que so apresentados aos usurios
finais dentro da empresa. Nesse contexto, uma camada visa a prover acesso
universal aos dados, sendo absolutamente necessrio manter algum
repositrio de metadados, entendendo-se um metadado como um dado sobre
um dado dentro da corporao. Exemplos de metadados so os registros
descritivos em um programa codificado em COBOL. Da mesma forma, so
tambm as sentenas DIMENSION em FORTRAN, ou CREATE em SQL. A
camada em referncia denominada de:
a) Acesso a Dados.
b) Diretrio de Dados.
c) Replicao dos Dados.
d) Gerenciamento de Dados.
20 de 49

Questes comentadas
e) Administrao da Base de Dados.

Comentrios:
A arquitetura de um DW pode ser composta pelas seguintes partes:
Base de Dados Operacional / Camada de Base de Dados Externa
Camada de Acesso a Informaes esta camada formada pelas
ferramentas utilizadas pelo usurio final para acesso s informaes:
Excel, Access, etc.
Camada de Acesso aos Dados camada que interliga a camada de
acesso a informaes com a camada de base de dados operacional.
Camada de Diretrio de Dados (Meta Dados) camada que mantem
diretrio de dados ou repositrio de metadados. Estes metadados so
dados sobre os dados da empresa, isto , dados sobre relatrios, sobre as
bases de dados operacionais, entre outros.
Camada de Gerenciamento de Processos esta camada a
controladora de tarefas de alto nvel para muitos procedimentos de que
mantem o DW atualizado. Estas tarefas devem ser realizadas para construir
e manter o DW e o diretorio de informaes sobre os dados.
Camada de Troca de Mensagens entre Aplicaes o sistema de
transporte do DW. Permite a troca de mensagens entre aplicativos, e
pode envolver vrios mecanismos alm de protocolo de redes. Tambm
conhecida como middleware.
Camada do Data Warehouse o ncleo do DW, onde esto os dados
analticos.
Camada de Organizao dos Dados tambm conhecida como
gerenciamento de cpia, ou replicao, inclui todos os processos
necessrios para editar, selecionar, resumir, combinar e carregar o
DW.
A questo trada da Camada de Diretrio de Dados (Meta Dados).
Resposta:B.
12 (FGV - ATI (SEFAZ MS)/SEFAZ MS/2006) Assinale a alternativa que

defina Datawarehouse.
a) Banco de dados corporativos, histricos e detalhados, de valor para uma
unidade empresarial especfica, departamento ou grupo de usurios e que d
uma viso gerencial dos negcios de uma empresa.
b) Banco de dados que coleciona e organiza dados, tornando-os disponveis
para fins de anlise, dando administrao a habilidade para acesso s
informaes de seu prprio negcio.
21 de 49

Questes comentadas
c) Tecnologia de hardware direcionada organizao fsica e multidimensional

dos dados, visando otimizao e recuperao rpida da informao.
d) Tecnologia direcionada aplicao automatizada e otimizada de algoritmos
para descobrir padres em metadados.
e) Tecnologia de software direcionada anlise multidimensional e dinmica
dos dados corporativos e que d uma viso estratgica e operacional dos
negcios de uma empresa.
Comentrios:
Data Warehouse uma base de dados, que consilida as informaes
empresariais. um sistema de computao (no um hardware) utilizado
para armazenar informaes relativas s atividades de uma organizao
em bancos de dados, de forma consolidada.
Data
Warehouse
Orientado a
assunto
Integrado
No voltil
Variante no
tempo

Item incorreto. O DW no um banco corporativo que d uma viso
gerencial de uma empresa, mas sim um banco de dados que consolida as
informaes de vrios bancos de dados, e ajuda na tomada de deciso a nvel
gerencial.
Item correto. Apresenta as caractersticas de um DW.
Item incorreto. DW no um hardware.
Item incorreto. Esta no a definio de DW. Podemos considerar algo
prximo a definio de minerao de dados (ou data mining) que, segundo
Silberschatz, visa detectar vrios tipos de padres em grandes volumes
22 de 49

Questes comentadas
de dados. Estes padres so como regras de associao ou sequncias

temporais, para detectar relacionamentos entre variveis.
Item incorreto. Esta no a definio e DW. Podemos considerar algo
prximo definio de ferramentas OLAP so ferramentas e tcnicas para
anlise de dados de um DW oferecendo os recursos de modelagem,
anlise e vizualisao de grandes conjuntos de dados, voltada para a
tomada de decises oferecendo navegao fcil e interativa e respostas
rpidas. Possibilita uma variedade de vizualisaes de informaes
facilitando a anlise multidimensional.
A questo tenta confundir o candidato utilizando definies de
ferramentas que utilizam dados do DW. Questes como est exigem que as
palavras chaves de cada uma das ferramentas sejam bem conhecidas.
Resposta: B.
13 (FCC - AFR SP/SEFAZ SP/Tecnologia da Informao/2013)

Instrues: Para responder questo, considere o texto a seguir (baseado em
uma notcia real):
O Grupo Montanhs implantou uma soluo de BI para unificar as
informaes de todos os segmentos em que atua e disponibiliz-las de acordo
com a necessidade e permisso de acesso de cada colaborador. Antes da
implementao do sistema, os relatrios departamentais eram elaborados
manualmente, o que demandava muito tempo. Desde os dados contbeis at
as informaes de marketing e de RH eram compiladas de forma mecnica
pelas equipes, lembra o gerente de planejamento do grupo, que foi um dos
lderes do projeto.
Ele explica que, observando os processos da empresa, percebeu que o
mtodo utilizado era ultrapassado e, alm de moroso, no permitia a
integrao de dados entre as unidades de negcios. Da forma como
atuvamos no conseguamos aproveitar as informaes que detnhamos para
otimizar nossos processos, projetar cenrios futuros e desenvolver ofertas
especiais para o perfil dos clientes. Assim, o gerente desenvolveu um projetopiloto para mostrar como a soluo poderia facilitar o dia-adia das reas de
negcio. Nesse primeiro momento, foram integrados apenas os dados
financeiros e contbeis de nossas unidades de negcio vindas de sistemas
legados para os Data Marts, afirma ele.
Aps demonstraes para os gerentes e diretores, a alta diretoria deu o
aval para implementar a iniciativa em todo o grupo Trabalhamos com a
previso de obter um ROI em 3 anos, calcula o executivo. Buscvamos uma
ferramenta que gerasse anlises detalhadas a partir de um grande volume de
23 de 49

Questes comentadas
informaes, at porque tnhamos a necessidade de sermos mais competitivos

frente ao dinmico mercado varejista. O que, segundo o executivo, exigia
decises rpidas e acertadas.
Uma das fases essenciais do projeto foi a criao de uma central de
armazenamento de dados, desenvolvida pela equipe interna de TI. Nesse
repositrio esto todas as principais informaes corporativas, que incluem
dados financeiros, contbeis, de vendas, RH e marketing. Essa fase do
projeto durou cerca de 6 meses e foi uma das mais desafiadoras, visto que
previu a padronizao em uma base nica dos dados que antes eram
gerenciados por diversos sistemas, diz.
Antes da implementao da soluo de BI, o acesso s informaes
acontecia por meio da extrao de arquivos diretamente dos sistemas. Em
seguida, esses dados eram processados em planilha Excel ou por meio do
Access, que geravam os relatrios departamentais no padronizados. Hoje
esses processos foram substitudos por relatrios e paineis (dashboards). As
informaes passaram a ser consolidadas em um Data Warehouse de 1TB,
administrado pela rea de TI.
Uma vez implantado, o sistema integrado comeou a ser acessado pelos
diretores e gerentes das reas de negcios. Por meio de ferramentas OLAP
com interface web, hoje os funcionrios de alto escalo j podem acessar as
informaes de sua rea, bem como cruz-las com outros dados", explica o
gerente, ao informar que isso permite mapear o perfil dos clientes, projetar
cenrios futuros e facilitar a criao de apresentaes setoriais. Alm dos
benefcios de agilidade na elaborao de relatrios e da viso consolidada que
a alta direo consegue ter da empresa, o gerente destaca que a
produtividade
das
equipes
aumentou
consideravelmente
aps
a
implementao da soluo de BI. Em breve todos os funcionrios cada um
com seu nvel de permisso tero acesso interface de dados de todo o
grupo empresarial."
Ao grupo Montanhs foi apresentada uma soluo de BI que trouxe
diversas vantagens para o grupo empresarial. O resultado dessa soluo
permitiu:
1 Informao disponvel para gesto
2 Viso de curvas de comportamento
3 Agilidade de ferramentas para apoio gesto
4 Segurana de informaes para deciso
5 Maior abrangncia de viso de indicadores
6 Recursos mais abrangentes para anlise de negcios
7 Necessidades e expectativas atendidas por ferramentas de TI
24 de 49

Questes comentadas
A soluo apresentada foi

a) um projeto de banco de dados transacional.
b) uma modelagem de banco de dados multidimensional.
c) um projeto de Data Warehouse.
d) um query & report de uma ferramenta OLAP.
e) uma operao ETL.
Comentrios:
Asoluo apresentada foi a implantao de uma ferramenta BI, mas o
detalhe da questo foca no fato de a ferramenta estar baseada em um acesso
a dados de um DW.
Questo um pouco confusa, j que no 5 pargrafo a questo diz:
Antes da implementao da soluo de BI, o acesso s informaes acontecia
por meio da extrao de arquivos diretamente dos sistemas. Em seguida,
esses dados eram processados em planilha Excel ou por meio do Access, que
geravam os relatrios departamentais no padronizados. Hoje esses processos
foram substitudos por relatrios e paineis (dashboards). As informaes
passaram a ser consolidadas em um Data Warehouse de 1TB, administrado
pela rea de TI.
A resposta j est na questo. No sei qual foi a idia da FCC neste
item, mas importante prestar ateno.
Resposta: C.

uma notcia real):
O Grupo Montanhs implantou uma soluo de BI para unificar as informaes
de todos os segmentos em que atua e disponibiliz-las de acordo com a
necessidade e permisso de acesso de cada colaborador. Antes da
lderes do projeto.
Ele explica que, observando os processos da empresa, percebeu que o mtodo
utilizado era ultrapassado e, alm de moroso, no permitia a integrao de
dados entre as unidades de negcios. Da forma como atuvamos no
conseguamos aproveitar as informaes que detnhamos para otimizar nossos
processos, projetar cenrios futuros e desenvolver ofertas especiais para o
perfil dos clientes. Assim, o gerente desenvolveu um projeto-piloto para
25 de 49

Questes comentadas
mostrar como a soluo poderia facilitar o dia-adia das reas de negcio.

Nesse primeiro momento, foram integrados apenas os dados financeiros e
contbeis de nossas unidades de negcio vindas de sistemas legados para os
Data Marts, afirma ele.
Aps demonstraes para os gerentes e diretores, a alta diretoria deu o aval
para implementar a iniciativa em todo o grupo Trabalhamos com a previso
de obter um ROI em 3 anos, calcula o executivo. Buscvamos uma
pela rea de TI.
produtividade
das
equipes
aumentou
consideravelmente
aps
a
grupo empresarial."
Considerando o contexto da soluo de BI do Grupo Montanhs, no segundo
pargrafo, a integrao inicial apenas dos dados financeiros e contbeis vindas
de sistemas legados indica que
a) foi utilizada uma implementao top down. Nesta implementao h um
grande trabalho inicial, envolvendo todas as pessoas da empresa que iro
26 de 49

Questes comentadas
participar do projeto, o que fora a empresa a definir regras de negcio de

forma corporativa antes de se iniciar o projeto do DW.
b) no foi utilizada a implementao top down, porque o processo se iniciou
com a extrao, transformao e integrao das informaes dos sistemas
internos, dados externos e das fontes operacionais para um ODS.
c) foi utilizada uma implementao bottom up, porque a partir do DW foram
extrados os dados e metadados para os Data Marts departamentais do grupo
empresarial.
d) foi utilizada uma implementao bottom up, que permite que o
planejamento e desenho dos Data Marts possam ser realizados sem esperar
pela infraestrutura corporativa do DW, permitindo um ROI mais rpido.
e) foi utilizada uma implementao combinada que tem o propsito de
integrar a arquitetura top down com a bottom up, usando diversos modelos de
Data Marts, gerados de uma s vez.
Comentrios:
Como j vimos o caminho tradicional primeiramente criar um DW e a
partir dele os Data Marts (DM). Mas podemos criar projetos de DW de duas
maneiras:
- Top-Down (de cima para baixo) cria-se primeiramente um DW e depois os
dados so segmentados em reas menores, gerando DM orientados por
assunto. Inicia-se o processo do DW, o banco mais complexo (para ajudar a
guardar o banco TOP) e vamos para os bancos menores, os DM.
- Bottom-up (de baixo para cima) a situao inversa. Cria-se bancos
somente para as reas em que haja necessidade prioritria, orientados para
somente esta rea especfica. Os custos iniciais so inferiores. A partir da
vizualisao dos resultados pode ser decidio criar mais DM para outras reas e
por fim um DW. Aqui o inverso, vamos dos bancos menores para os maiores
(de baixo para cima). Dividir para conquistar.
A questo nos traz:
Primeiro foram criados os bancos menores, os Data Marts, e depois os
DW. Seria um caso de irmos do menor para o maior, ou de baixo para cima.
Utilizou-se a implementao Bottom-up.
Neste caso, a empresa optou por ter menos custo, iniciando o processo
com bancos menores, implementando apenas em algumas reas, financeira e
cntbil. Com isso, a empresa pode apresentar resultados mais rpidos com
custo mais baixos. Contudo, para que todas as reas da organizao passem a
ser influenciadas pelo sistema BI, e para que se tenha um resultado global
27 de 49

Questes comentadas
necessria a integrao de mais reas possveis dentro da empresa, por isso a

opo pelo DW ao final do projeto.
Resposta: D.
15 (CESPE - AA (PREVIC)/PREVIC/Tecnologia da Informao/2011)

Julgue o item a seguir, relativo aos sistemas de suporte a deciso.
Os esquemas em estrela e em flocos de neve so dois modelos
multidimensionais comuns. Dadas as suas caractersticas, o modelo em flocos
de neve aumenta a redundncia de dados e, por isso, aumenta o espao
utilizado em disco.
Comentrios:
A primeira parte da questo est correta, os esquemas em estrela e
em flocos de neve so dois modelos multidimensionais comuns. O
modelo floco de neve elimina redundancias do modelo estrela introduzindo
tabelas dimenso normalizadas, apresenta maior nmero de junes,
tendo queda de desempenho, e mais complexo que o modelo Estrela.
A segunda parte, portanto, est incorreta.
Resposta: Errado.
16 (CESPE - Ana (BACEN)/BACEN/rea 1 - Anlise e

Desenvolvimento de Sistemas/2013) Com relao inteligncia de
negcios, julgue o item subsecutivo.
Data warehouse (DW) e data mart (DM) so componentes importantes
em um ambiente de business intelligence, visto que eles representam
repositrios de mltiplos bancos de dados operacionais da empresa. Um DM
agrega informaes de diversos DWs distribudos pelos departamentos da
empresa.
Comentrios:
Um DW pode agregar informaes de diversos DM e no ao contrrio.
Por isso a questo est errada. DM so bancos de dados menores que os DW.
Segundo RIBEIRO, R. F. Business Intelligence como garantia de
diferencial competitivo, algumas das diferentes caractersticas entre os DW e
os DM so:
28 de 49

Questes comentadas
Data Warehouse
nvel corporativo
baixo nvel de granulidade
grande quantidade de dados
histricos
tecnologia otimizada para
armazenamento e gerncia
de grandes quantidades de
dados
Estruturas construdas para
nvel de corporao
Data Mart
nvel departamental
alto nvel de granulidade
pequena quantidade de
dados histricos
tecnologia otimizada para
consultas rpidas
caractersticas especficas
para cada departametno ou
rea
Resposta: Errado.
17 (FCC - AFRE RJ/SEFAZ RJ/2014) Com o advento da tecnologia de

Data Warehousing, os ambientes de apoio deciso passaram a ser
denominados ambientes de Data Warehouse (DW).
Em relao tecnologia DW, correto afirmar:
a) Um projetista de DW deve ter seu foco na modelagem dos dados e no
projeto de banco de dados. Um sistema transacional armazena as informaes
agrupadas por assuntos de interesse da empresa que so mais importantes,
enquanto um DW orientado a processos e deve ser desenvolvido para
manter disponveis as transaes realizadas diariamente.
b) Os dados de um DW so um conjunto dinmico de registros de uma ou
mais tabelas, capturados em um momento de tempo predeterminado, por isso
tm que ser sempre atualizados.
c) Um sistema multidimensional, como o DW, deve atualizar o valor corrente
das informaes e sua exatido vlida por um tempo curto, por exemplo, o
valor total das notas fiscais processadas pela Receita s 12:00 de um dia pode
ser diferente s 18:00 do mesmo dia.
d) Um DW tem duas operaes bsicas: a carga dos dados (inicial e
incremental) e o acesso a estes dados em modo leitura. Depois de carregado,
um DW no necessita de operaes de bloqueio por concorrncia de usurios
no acesso aos seus dados.
e) Em um DW as convenes de nomes, valores de variveis e outros
atributos fsicos de dados como data types so bastante flexveis. Para facilitar
a tomada de decises, as informaes so apresentadas de diferentes formas,
da mesma maneira que foram carregadas dos sistemas legados.
Comentrios:
Vamos comentar cada um dos itens:
29 de 49

Questes comentadas

As principais caracteristicas do DW so: orientado por assunto,
integrada, no voltil, variante no tempo.
Portanto, a questo est incorreta, pois o DW no orientado a
processos, mas sim por assunto. Alm disso, a questo diz que um sistema
transacional agrupa dados por assunto, quando na verdade quem o faz o
DW.
Item incorreto. Este item confuso. O DW no possui um conjunto
dinmico de registros, pois os dados no se modificam, mas sim novos dados
so inseridos. Esses dados so associados a um determinado momento de
tempo, formando dados histricos. Esses dados histricos no se modificam,
apenas so inseridos novos dados para determinados momentos de tempo
diferentes.
O objetivo do DW forncecer subsdios necessrios para transformar
dados de bancos de dados transacionais da empresa e um conjunto de dados
OLTP para uma base maior, que no seja orientada ao ambiente operacional
da empresa e que contenha o histrico, tambm conhecido como sries
histricas que possibilitam uma melhor anlise de eventos passados,
oferecendo suporte s tomadas de decises presentes e previses de eventos
futuros.
O fato de o DW ser variante no tempo, quer dizer que os dados
acessados refletem os valores corretos no momento do acesso. Mas no quer
dizer que os dados se modificam a cada momento.
Item incorreto. A exatido do DW no valida por um curto tempo. O
item traz novamente o conceito incorreto de que as informaes no DW
devem ser modificadas em um curto espao de tempo.
Alm disso, o DW no voltil, seus dados no se perdem ou so
modificados, apenas so inseridos novos dados.
30 de 49

Questes comentadas

Item correto. No DW os dados so inseridos e consultados. No existe
atualizao ou modificao de dados. Por isso, no existe o perigo de
concorrncia de dados, pois um usurio no pode modificar um dado ao
mesmo tempo que o outro est consultando.
Item incorreto. As convenes de nomes, valores de variveis e outros
atributos fsicos de dados como data type so formalmente unificados e
integrados nesta base nica. Isto , so paresentados sempre da mesma
forma.
Resposta:D.
18 - (FGV - AFRE RJ/SEFAZ RJ/2007) DataWarehouse e DataMining so

recursos utilizados por muitas organizaes para facilitar e agilizar o
processamento, a anlise e a consulta de dados. Sobre esses recursos,
correto afirmar que:
a) um DataMining armazena dados extrados de bancos de dados de diferentes
organizaes.
b) um DataWarehouse armazena dados por perodos no superiores a trs
meses, o que dificulta previses e anlises de tendncia.
c) um DataWarehouse repositrio de dados histricos orientados a assunto,
organizados para serem acessveis para atividades de processamento
analtico.
d) DataMining uma tcnica de anlise de dados exclusiva para aplicao em
um DataWarehouse.
e) num DataWarehouse, os usurios finais necessitam conhecer linguagem de
programao para acessar dados.
Comentrios:
Vamos analisar cada um dos itens:
organizaes.
Item incorreto. Este seria o DW e no o data mining.
Minerao de dados (ou data mining), segundo Silberschatz, visa
detectar vrios tipos de padres em grandes volumes de dados. Estes
31 de 49

Questes comentadas
padres so como regras de associao ou sequncias temporais, para

detectar relacionamentos entre variveis.
Data Warehouse (ou DW ou depsitos de dados) um sistema
utilizado para armazenar dados de vrias origens sob um esquema
unificado, em local nico.
As principais caractersticas do DW so:
- orientado por assunto o DW capaz de organizar os dados por assuntos
especficos;
- integrada integra dados de diferentes fontes de dados;
- no voltil no h perda de dados, somente insero;
- variante no tempo os dados acessados refletem os valores corretos no
momento do acesso.
Os dados do DW so como fotos tiradas dos dados em um determinado
momento, so conjuntos de estticos de registros de uma ou mais tabelas
capturados em um momento de tempo predeterminado. Seus dados no so
atualizados.
Item incorreto. O DW armazena itens em um espao de tempo de 5 a
10 anos. O importante que so perodos longos de tempo.
analtico.
Item correto. Definio de DW.
um DataWarehouse.
Item incorreto. Data Mining pode ser aplicado em Data Marts, por
exemplo.
Item incorreto. So utilizadas vrias ferramentas que facilitam a busca
e manipulao de dados pelo usurio final, sem a necessidade de
conhecimento de linguagem de programao. Um exemplo so as ferramentas
OLAP.
Resposta: C.
19 - (FCC - AFRE/SEFAZ-PE/2014) O grande crescimento do ambiente de

negcios faz com que as empresas armazenem um alto volume de
32 de 49

Questes comentadas
informaes, tornando a sua correta extrao um fator chave para que

consigam espao no mercado competitivo. Nesse contexto, o Data Warehouse
(DW) um depsito de dados
(A) invarivel com o tempo, que consiste na manuteno de um histrico de
dados em relao ao perodo de tempo maior que dos sistemas comuns o que
compromete, de certa forma, o desempenho dos bancos transacionais.
(B) redundante, pois como os dados so provenientes de vrias fontes, podem
aparecer repetidos dezenas de vezes.
(C) orientado por departamentos, e sua modelagem norteada a partir de
todos os assuntos da empresa, fornecendo uma viso geral dos processos de
negcio que permite a tomada de decises estratgicas.
(D) voltil, em que os dados, aps serem filtrados e limpos, podem sofrer
alteraes, consulta e excluso de cadastro que refletem nas bases de dados
originais.
(E) integrado, que visa padronizar os dados dos diversos sistemas em uma
nica representao, para serem transferidos para a base de dados nica do
DW.
Comentrios:
Caractersticas do DW:
1 - Orientao por assunto
2 Integrado
3 - Varincia no tempo
4 - No volatidade
No h redundncia no DW. Isso se deve porque:
- Os dados so filtrados a medida que passam de um ambiente para o outro
- O horizonte de tempo de dados muito diferente do ambiente operacional
para o Data Warehouse
- O Data Warehouse possui dados resumidos os quais no so encontrados no
ambiente operacional
- Os dados sofrem uma transformao fundamental na medida em que
passam para o Data Warehouse.
Vamos s alternativas:
Item incorreto. O DW varia no tempo.
33 de 49

Questes comentadas

Item incorreto. No h redundcnia no DW.
Item incorreto. Orientado a nvel corporativo.
originais.
Item incorreto. O DW no voltil.
DW.
Item correto. O DW integrado, e os dados so apresentados em uma
base de dados nica.
Resposta: E.
20 - (CESPE 2014/TJ-SE/Tcnico Judicirio/Programao de

Sistemas)
Acerca de DataMining e de DataWarehouse, julgue o item
subsecutivo.
Um DataWarehouse prov uma excelente base para a realizao de
DataMining, pois os algoritmos de DataMining demandam grandes quantidades
de dados em nvel detalhado; o DataMining tira vantagem de bases de dados
que estejam integradas e limpas; e a infraestrutura necessria para a criao
de um DataWarehouse atende s necessidades das operaes de DataMining.
Comentrios:
A questo est correta. O DataMining visa detectar vrios tipos de
padres em grandes volumes de dados.
O DW prov esta base nica com um volume muito grande de dados,
integrando bases diferentes, o que facilita o processo de DataMining.
Resposta: Correta.
21 - (CESPE 2014/TJ-SE/Tcnico Judicirio/Suporte tcnico em

infraestrutura) Acerca dos conceitos de Datawarehouse, de Datamining e de
mensageria, julgue os itens a seguir.
34 de 49

Questes comentadas
O processo de extrao, transformao e carga, comumente referenciado

como ETL (Extract-Transform-Load), um processo usado na criao e na
atualizao de um Datawarehouse.
Comentrios:
Como vimos o ETL (Extract, Transform and Load) responsvel por
extrair, tratar e limpar dados das fontes de dados e inser-los na base do DW.
Resposta: Correta.
Como prometi colocarei agora de forma bem resumida alguns comandos

SQL. No vejo necessidade de estud-los, mas, como aparecem em algumas
questes colocarei os principais. Vimos que normalmente no necessrio ter
este conhecimento para resolver as questes, por isso repito, somente para
aqueles que esto muito avanados e desejam muito saber sobre o assunto:
Criar tabelas:
CREATE TABLE nome_tabela ( nome_coluna tipo)
Exemplo:
CREATE TABLE Cliente(Codigo INT NOT NULL AUTO_INCREMENT, Nome VARCHAR
(60), Data_Nascimento DATE, Telefone CHAR (8), PRIMARY KEY (Codigo));
Inserir dados:
NSERT
INTO
nome_tabela
(nome_campo1,...,
valor_campo1, ..., valor_campoN );
nome_campoN)
VALUES
Selecionar dados:
SELECT (atributos da tabela) FROM (nome da tabela) WHERE (condio);
Exemplo:
SELECT (nome) FROM (Cliente) WHERE (Codigo>4.000);
Atualizar dados:
UPDATE tabela SET coluna = valor_novo WHERE condio
Criar uma View:

--sintaxe
CREATE VIEW <nomeView> AS (
SELECT <coluna_1, coluna_2, coluna_n>
FROM <tabela> WHERE <condioDoSeuWhere>
)
)
35 de 49

Questes comentadas
Exemplo:
CREATE VIEW VW_LISTA_ALL_USUARIOS as (
SELECT LOGIN,SITUACAO_CONTA,DATA_CRIACAO
FROM USUARIO
WHERE SITUACAO is not null
and SITUACAO in ('ativo','inativo')
)
36 de 49

Questes comentadas
Lista de questes da aula

1 (FGV - AFRE RJ/SEFAZ RJ/2009) O grande desafio do profissional de
TI que gerencia qualquer processo a anlise dos fatos relacionados funo
que exerce em uma organizao. Essa anlise deve ser feita com as
ferramentas e os dados disponveis, permitindo aos executivos e gerentes
detectar as tendncias e tomar as decises com eficincia e eficcia. Devido a
essa necessidade, surgiu o conceito de Business Intelligence - "BI".
Assinale a alternativa que indique duas caractersticas dos atuais sistemas de
Business Intelligence.
fontes.
contextualizados.
2 (FGV - AFRE RJ/SEFAZ RJ/2008) Business Intelligence (BI) refere-se

ao processo para tomada de decises em uma empresa, sendo de elevada
importncia a existncia de um repositrio prprio para os dados consolidados
e j transformados em "informao real", que pode ser um Data Warehouse
ou um Data Mart. Nesse contexto, duas aplicaes so identificadas: a
primeira, que sustenta o negcio por meio de ferramentas OLTP (On Line
Transaction Processing), e a segunda, que analisa o negcio por meio de
ferramentas OLAP (On Line Analytical Processing).
Essas aplicaes tm, como objetivos principais, respectivamente:
a) levantamento e armazenamento de dados/implementao de testes.
b) controle e registro de transaes/identificao de tendncias.
c) projeto e anlise de sistemas/transformao de processos.
d) pesquisa e teste de software/especificao de requisitos.
e) busca e coleta de informaes/substituio de rotinas.
3 (FGV - AFRE RJ/SEFAZ RJ/2011) Business Intelligence - BI engloba

um conjunto de ferramentas e aplicativos que oferece aos tomadores de
deciso possibilidade de organizar, analisar, distribuir e agir, ajudando a
37 de 49

Questes comentadas
organizao a tomar decises melhores e mais dinmicas. Alm das

ferramentas de modelagem analtica e de previses, outras trs principais
utilizadas em BI so
a) E-Learning, ERP e Data Marts.
b) Data Warehouse, Olap e Data Mining.
c) E-business, Drill Up e Downsizing.
d) Database, E-commerce e Outsourcing.
e) Benchmarch, Drill Through e Walkthrough.
4 (FCC - AFRE RJ/SEFAZ RJ/2014) Sistemas de BI Business

Intelligence renem um conjunto de tecnologias orientadas a disponibilizar
informao e conhecimento em uma organizao, dentre as quais est o DW.
Um ambiente que utiliza DW rene processos e ferramentas, est sempre em
evoluo e pode ser visualizado como na figura abaixo.
Os componentes I, II, III e IV esto corretamente identificados em:

I
II
III
IV
SISTEMAS ETL
DW
SISTEMAS
MINING
b) DW
SISTEMAS ETL
BANCO
DE
DADOS
TRANSACIONAIS
ERP
c) SISTEMAS OLTP
DW
DATA MARTS
a) SISTEMAS OLAP
DE
DATA
SISTEMAS OLAP
38 de 49

Questes comentadas
BANCO
DE
DADOS
d) TRANSACIONAIS DATA MARTS
e) STAGING AREA
DW
BANCO
DE
DADOS
MULTIDIMENSIONAIS
BANCO
DE
DADOS SISTEMAS
SISTEMAS OLAP MULTIDIMENSIONAIS
MINING
DE
DATA

Em um banco de dados multidimensional, considere, por exemplo, que os
dados podem ser representados como um array de trs dimenses,
correspondendo a produtos, clientes e perodos de tempo. Dessa forma, um
determinado valor individual em uma clula pode representar a quantidade de
um produto vendido a um cliente em um dado momento. De acordo com essa
considerao,
a) produtos so variveis independentes, e clientes, perodos de tempo e
b) produtos e clientes so variveis independentes, e perodos de tempo e
c) produtos, clientes e perodos de tempo so variveis dependentes, e
quantidade uma varivel independente.
d) produtos, clientes e perodos de tempo so variveis independentes, e
quantidade uma varivel dependente.
e) produtos so variveis dependentes, e clientes, perodos de tempo e
quantidade so variveis independentes.
6 (FGV - AFRE RJ/SEFAZ RJ/2007) No contexto do DataWarehouse, a

anlise multidimensional uma das grandes utilidades da tecnologia OLAP,
consistindo em ver determinados cubos de informaes de diferentes ngulos
e de vrios nveis de agregao. As ferramentas que disparam uma instruo
SQL de um cliente qualquer para o servidor e recebem o microcubo de
informaes de volta para ser analisado na workstation constituem uma
determinada arquitetura. Esta apresenta uma grande vantagem, que o
pouco trfego que se d na rede, visto que todo o processamento OLAP
acontece na mquina cliente; a maior agilidade de anlise; alm de o servidor
de banco de dados no ficar sobrecarregado. A desvantagem que o tamanho
do microcubo no pode ser muito grande; caso contrrio, a anlise passa a ser
demorada e/ou a mquina do cliente pode no suportar em funo de sua
configurao. A arquitetura descrita denominada:
a) FOLAP (Free On Line Analytical Processing).
b) HOLAP (Hybrid On Line Analytical Processing).
39 de 49

Questes comentadas
c) DOLAP (Desktop On Line Analytical Processing).

d) ROLAP (Relational On Line Analytical Processing).
e) MOLAP (Multidimensional On Line Analytical Processing).
7 (FCC - Ana (CVM)/CVM/Sistemas/2003) O servio OLAP da camada

servidora, em que os dados granulares estaro no SGBDR e os dados
agregados no servidor OLAP, ser descrito, no plano de um projeto
cliente/servidor, numa estrutura
a) DOLAP.
b) HOLAP.
c) GOLAP.
d) MOLAP.
e) ROLAP.
8 (FGV - ARE (AP)/SEAD AP/2010) Atualmente, Business Intelligence

tem crescido em importncia, particularmente porque insere em seu cenrio
os conceitos de DataWarehouse. Neste contexto, quando se fala de aplicaes
para negcio, lida-se com dois tipos distintos: aplicaes que sustentam o
negcio e aplicaes que analisam o negcio.
As aplicaes de apoio tomada de deciso que analisam o negcio utilizam
como fonte de dados os mesmos sistemas de controle, mas tm como
preocupao principal a identificao de tendncias.
Essas aplicaes so conhecidas por:
a) FLAP (Free Analytical Processing).
b) FLTP (Free Transaction Processing).
c) OLAP (On-Line Analytical Processing).
d) OLTP (Offline Transaction Processing).
e) RLAP (Relational Analytical Processing).
9 (FCC - AFR SP/SEFAZ SP/Tecnologia da Informao/2009) Se uma
empresa de grande porte, com alto volume de transaes e informaes,
resolver iniciar um projeto usando o conceito de Data Mart (DM) em vez de
Data Warehouse (DW), independentemente disso ser ou no a melhor opo,
os fatores que a levam a tal deciso podem ser justificados por:
40 de 49

Questes comentadas

Est correto o que consta em
a) I, II e III.
b) II e III, apenas.
c) I, apenas.
d) I e II, apenas.
e) I e III, apenas.
10 (FGV - AFRE RJ/SEFAZ RJ/2007) Observe a figura abaixo, que ilustra

um exemplo de um modelo dimensional para construo de banco de dados
para DataWarehouse.
So caractersticas desse modelo:

I. Todas as tabelas relacionam-se diretamente com a tabela de fatos, e assim
as tabelas dimensionais devem conter todas as descries que so
necessrias para definir uma classe como Produto, Tempo ou Loja nela
mesma.
O modelo do tipo conhecido por:
a) hierrquico.
b) distribudo.
c) relacional.
d) estrela.
e) anel.
41 de 49

Questes comentadas
11 (FGV - AFRE RJ/SEFAZ RJ/2007) Uma arquitetura de DataWarehouse

refere-se maneira de representar a estrutura completa de dados,
comunicao, processamento e resultados que so apresentados aos usurios
finais dentro da empresa. Nesse contexto, uma camada visa a prover acesso
universal aos dados, sendo absolutamente necessrio manter algum
repositrio de metadados, entendendo-se um metadado como um dado sobre
um dado dentro da corporao. Exemplos de metadados so os registros
descritivos em um programa codificado em COBOL. Da mesma forma, so
tambm as sentenas DIMENSION em FORTRAN, ou CREATE em SQL. A
camada em referncia denominada de:
a) Acesso a Dados.
b) Diretrio de Dados.
c) Replicao dos Dados.
d) Gerenciamento de Dados.
e) Administrao da Base de Dados.
12 (FGV - ATI (SEFAZ MS)/SEFAZ MS/2006) Assinale a alternativa que

defina Datawarehouse.

uma notcia real):
42 de 49

Questes comentadas

lderes do projeto.
pela rea de TI.
43 de 49

Questes comentadas

produtividade
das
equipes
aumentou
consideravelmente
aps
a
grupo empresarial."
Ao grupo Montanhs foi apresentada uma soluo de BI que trouxe diversas
vantagens para o grupo empresarial. O resultado dessa soluo permitiu:
1 Informao disponvel para gesto
2 Viso de curvas de comportamento
3 Agilidade de ferramentas para apoio gesto
4 Segurana de informaes para deciso
5 Maior abrangncia de viso de indicadores
6 Recursos mais abrangentes para anlise de negcios
7 Necessidades e expectativas atendidas por ferramentas de TI
A soluo apresentada foi
a) um projeto de banco de dados transacional.
b) uma modelagem de banco de dados multidimensional.
c) um projeto de Data Warehouse.
d) um query & report de uma ferramenta OLAP.
e) uma operao ETL.

uma notcia real):
lderes do projeto.
44 de 49

Questes comentadas

pela rea de TI.
produtividade
das
equipes
aumentou
consideravelmente
aps
a
grupo empresarial."
Considerando o contexto da soluo de BI do Grupo Montanhs, no segundo
pargrafo, a integrao inicial apenas dos dados financeiros e contbeis vindas
de sistemas legados indica que
a) foi utilizada uma implementao top down. Nesta implementao h um
grande trabalho inicial, envolvendo todas as pessoas da empresa que iro
45 de 49

Questes comentadas
participar do projeto, o que fora a empresa a definir regras de negcio de

forma corporativa antes de se iniciar o projeto do DW.
b) no foi utilizada a implementao top down, porque o processo se iniciou
com a extrao, transformao e integrao das informaes dos sistemas
internos, dados externos e das fontes operacionais para um ODS.
c) foi utilizada uma implementao bottom up, porque a partir do DW foram
extrados os dados e metadados para os Data Marts departamentais do grupo
empresarial.
d) foi utilizada uma implementao bottom up, que permite que o
planejamento e desenho dos Data Marts possam ser realizados sem esperar
pela infraestrutura corporativa do DW, permitindo um ROI mais rpido.
e) foi utilizada uma implementao combinada que tem o propsito de
integrar a arquitetura top down com a bottom up, usando diversos modelos de
Data Marts, gerados de uma s vez.
15 (CESPE - AA (PREVIC)/PREVIC/Tecnologia da Informao/2011)
Julgue o item a seguir, relativo aos sistemas de suporte a deciso.
Os esquemas em estrela e em flocos de neve so dois modelos
multidimensionais comuns. Dadas as suas caractersticas, o modelo em flocos
de neve aumenta a redundncia de dados e, por isso, aumenta o espao
utilizado em disco.
16 (CESPE - Ana (BACEN)/BACEN/rea 1 - Anlise e

Desenvolvimento de Sistemas/2013) Com relao inteligncia de
negcios, julgue o item subsecutivo.
Data warehouse (DW) e data mart (DM) so componentes importantes em um
ambiente de business intelligence, visto que eles representam repositrios de
mltiplos bancos de dados operacionais da empresa. Um DM agrega
informaes de diversos DWs distribudos pelos departamentos da empresa.
17 (FCC - AFRE RJ/SEFAZ RJ/2014) Com o advento da tecnologia de

Data Warehousing, os ambientes de apoio deciso passaram a ser
denominados ambientes de Data Warehouse (DW).
Em relao tecnologia DW, correto afirmar:
46 de 49

Questes comentadas

18 - (FGV - AFRE RJ/SEFAZ RJ/2007) DataWarehouse e DataMining so

recursos utilizados por muitas organizaes para facilitar e agilizar o
processamento, a anlise e a consulta de dados. Sobre esses recursos,
correto afirmar que:
organizaes.
analtico.
um DataWarehouse.
19 - (FCC - AFRE/SEFAZ-PE/2014) O grande crescimento do ambiente de

negcios faz com que as empresas armazenem um alto volume de
informaes, tornando a sua correta extrao um fator chave para que
consigam espao no mercado competitivo. Nesse contexto, o Data Warehouse
(DW) um depsito de dados
47 de 49

Questes comentadas

originais.
DW.
20 - (CESPE 2014/TJ-SE/Tcnico Judicirio/Programao de

Sistemas)
Acerca de DataMining e de DataWarehouse, julgue o item
subsecutivo.
Um DataWarehouse prov uma excelente base para a realizao de
DataMining, pois os algoritmos de DataMining demandam grandes quantidades
de dados em nvel detalhado; o DataMining tira vantagem de bases de dados
que estejam integradas e limpas; e a infraestrutura necessria para a criao
de um DataWarehouse atende s necessidades das operaes de DataMining.
21 - (CESPE 2014/TJ-SE/Tcnico Judicirio/Suporte tcnico em

infraestrutura) Acerca dos conceitos de Datawarehouse, de Datamining e de
mensageria, julgue os itens a seguir.
O processo de extrao, transformao e carga, comumente referenciado
como ETL (Extract-Transform-Load), um processo usado na criao e na
atualizao de um Datawarehouse.
48 de 49

Questes comentadas
Gabarito
15
ERRADA
16
ERRADA
10
17
11
18
12
19
13
20
CORRETA
14
21
CORRETA
49 de 49

Aula 07 Informatica Questões ICMS FCC - 2014 Data Warehousing e Business Intelligence PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 07 Informatica Questões ICMS FCC - 2014 Data Warehousing e Business Intelligence PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 07

Curso: Informtica Questes comentadas p/

Curso: Informtica p/ ICMS PI

Aula 07 Data Warehousing e Business Intelligence.

Prof. Gustavo Cavalcante

Curso: Informtica p/ ICMS PI

Os dados do DW so como fotos tiradas dos dados em um

1 Data Warehouse, banco ou repositrio de dados preparados para

Prof. Gustavo Cavalcante

Curso: Informtica p/ ICMS PI

Prof. Gustavo Cavalcante

Curso: Informtica p/ ICMS PI

eficiente so utilizados data warehouses , que reuniro dados em um nico

d) desprezar dados contextualizados / trabalhar exclusivamente com fatos

2 (FGV - AFRE RJ/SEFAZ RJ/2008) Business Intelligence (BI) refere-se

Curso: Informtica p/ ICMS PI

ou um Data Mart. Nesse contexto, duas aplicaes so identificadas: a

OLTP (On-line Transaction

OLAP uma ferramenta utilizada para tomada de deciso, portanto

Curso: Informtica p/ ICMS PI

Prof. Gustavo Cavalcante

Curso: Informtica p/ ICMS PI

Comentrios: As principais ferramentas do BI so: Data Warehouse,

Prof. Gustavo Cavalcante

Curso: Informtica p/ ICMS PI

Os componentes I, II, III e IV esto corretamente identificados em:

Arquitetura de um DW - Figura retirada do site: http://corporate.canaltech .com.br /materia/businessintelligence/Conhecendo-a-arquitetura-de-Data-Warehouse/

A arquitetura do DW pode ser resumida da seguinte forma:

Curso: Informtica p/ ICMS PI

Origem de todos os dados que iro para o DW. So as

rea de armazenamento intermedirio situada dentro

Estrutura de armazenamento dos dados. Possui as

So estruturas similares ao DW, porm menores. So

Ferramentas capazes de descobrir padres ou regras

Para facilitar podemos visualizar cada item e suas caractersticas na

Prof. Gustavo Cavalcante

Curso: Informtica p/ ICMS PI

Analisando a questo teremos que:

5 (FCC - AFR SP/SEFAZ SP/Tecnologia da Informao/2009) Em um

Prof. Gustavo Cavalcante

Curso: Informtica p/ ICMS PI

c) produtos, clientes e perodos de tempo so variveis dependentes, e

Prof. Gustavo Cavalcante

Curso: Informtica p/ ICMS PI

Representao de dados em forma de cubo - http://www.devmedia.com.br/qualidade-na-modelagem-dosdados-de-um-data-warehouse/6978arivel

As dimenses representam variveis ou dados independentes e os

6 (FGV - AFRE RJ/SEFAZ RJ/2007) No contexto do DataWarehouse, a

Curso: Informtica p/ ICMS PI

e) MOLAP (Multidimensional On Line Analytical Processing).

7 (FCC - Ana (CVM)/CVM/Sistemas/2003) O servio OLAP da camada

Curso: Informtica p/ ICMS PI

MOLAP (Multidimensional OLAP)

HOLAP (Hybrid OLAP)

ROLAP (Relational OLAP)

combinao entre MOLAP e ROLAP,

8 (FGV - ARE (AP)/SEAD AP/2010) Atualmente, Business Intelligence

Curso: Informtica p/ ICMS PI

9 (FCC - AFR SP/SEFAZ SP/Tecnologia da Informao/2009) Se uma

Curso: Informtica p/ ICMS PI

III. Necessidade imediata de informaes organizacionais integradas.

Curso: Informtica p/ ICMS PI

10 (FGV - AFRE RJ/SEFAZ RJ/2007) Observe a figura abaixo, que ilustra

So caractersticas desse modelo: