BancoDadosGestaoInfo

INFORMÁTICA PARA ANALISTA TRIBUTÁRIO DA RECEITA FEDERAL
Robson da Costa Farias53026837253
(TEORIA E EXERCÍCIOS)
PROFa. PATRÍCIA LIMA QUINTÃO
Aula 7 – Banco de Dados e Gestão da Informação

Olá pessoal, seguiremos com nossa aula sobre Banco de Dados e Gestão da
Informação!!!
Cabe destacar que estamos juntos para buscar o 100% da prova e a tão
sonhada aprovação. Para isso, continuarei repassando a vocês o máximo de
minha experiência como concurseira e professora, já que “melhor do que
aprender o caminho é aprender os atalhos”. Estamos aqui para isso,
ensinar os atalhos, os macetes, tentar encurtar essa longa trajetória, e
ajudá-los a chegar ao tão almejado objetivo.
53
Que Deus os abençoe, bom proveito e mãos à obra agora em nossa aula!
72
Profa Patrícia Lima Quintão
83
26
30
Dado x Informação x Conhecimento
s5
ria
Importante!!
Fa
O que é um Dado? É um registro de alguma entidade. Um nome é um
ta
dado, uma foto é um dado, 134 é um dado, 5 é um dado, etc.
os
C
Já a informação é um dado depois de processado, é uma contextualização de
da
um dado... Como assim? “5” é um dado, mas e se eu disser o seguinte: “No

n
so
dia 5 não haverá aula!!”. Nesse caso, o 5 passou a ter sentido (ou passou a ter
ob
“contexto”) e agora é uma informação! Complementando, informações são

R
conjuntos de dados significativos e úteis a seres humanos em

53
processos como o de tomada de decisões.

72
83
Na figura seguinte, dados brutos registrados por um caixa de supermercados

26
podem ser processados e organizados de modo a produzir informações úteis,

30
tal como o total de unidades de detergentes vendidas ou a receita total de

s5
vendas do detergente para determinada loja ou território de vendas.

ria
Fa
ta
os
C
da
s on
ob
R
Fonte: (O´BRIEN, 2006)

E conhecimento? Setzer (2001), em http://www.ime.usp.br/~vwsetzer/dado-
info.html, destaca que o conhecimento pode ser considerado como “uma
abstração interior, pessoal, de algo que foi experimentado, vivenciado,
por alguém”.
Conforme destaca Rob e Coronel (2011) o conhecimento implica familiaridade,
consciência e compreensão das informações conforme se apliquem a um
Profa. Patrícia Lima Quintão www.pontodosconcursos.com.br 1 de 118

O conteúdo deste curso é de uso exclusivo de Robson da Costa Farias53026837253, vedada, por quaisquer meios e a qualquer título, a sua
reprodução, cópia, divulgação e distribuição, sujeitando-se os infratores à responsabilização civil e criminal.
ambiente. Uma característica fundamental do conhecimento é que o "novo"

conhecimento pode ser obtido a partir do "antigo". A seguir alguns pontos
fundamentais:
• Os dados constituem os blocos de construção das informações.
• As informações são produzidas pelo processamento de dados e são
utilizadas para revelar o significado dos dados.
• Informações precisas, relevantes e rápidas são a chave para a
boa tomada de decisões.
• A boa tomada de decisão é a chave para a sobrevivência de uma
53
organização no ambiente global.
72
83
Vale destacar que informações rápidas e úteis exigem dados precisos. Esses
26
dados devem ser gerados de forma adequada e armazenados em um formato
30
de fácil acesso. E, como qualquer recurso básico, o ambiente de dados deve ser
s5
gerenciado com cuidado. O gerenciamento de dados é uma disciplina que
ria
foca na geração, no armazenamento e na recuperação adequada dos dados.
Fa
Diante do papel crucial executado pelos dados, você não deve estar surpreso
ta
que o gerenciamento de dados seja uma atividade central para qualquer negó-
os
cio, ou organização (Rob e Coronel, 2011). C
da
Em geral, o gerenciamento eficiente de dados exige a utilização de um banco de
n
dados computacional.
so
ob
R
53
O Que é um Banco de Dados?

72
Elmasri e Navathe (2005) definem um

83
Banco de Dados como uma coleção de

26
dados relacionados, sendo esses dados

30
definidos como fatos que possuem um

s5
ria
significado implícito.
Fa
Silberchatz (2011) destaca que banco de

ta
dados é uma coleção de dados

os
interrelacionados que contém

C
da
informações relevantes para uma

empresa.
s on
Considere um exemplo de um banco de dados de funcionários de uma

ob
empresa. Nele podemos encontrar alguns arquivos, tais como: arquivos de

R
dados pessoais (nome, endereço, data de nascimento, etc.), arquivos de dados

funcionais (cargo, data de admissão, etc.) e dados para pagamento (salário
base, horas trabalhadas, adicionais, etc.). Para obter informações sobre a folha
de pagamento da empresa de cada funcionário, é preciso que os três arquivos
estejam relacionados para fazermos uma consulta. Assim conseguimos
informações como nome, cargo e salário de cada funcionário.
Vale ressaltar que para ser caracterizado como banco de dados a coleção de
dados deve ter uma relação coerente onde se pode extrair informações com
significado inerente.

Uma coleção de dados ao acaso não pode ser interpretada como um

banco de dados. Por exemplo, se em uma pasta está armazenado o fluxo de
caixa da loja da sua mãe, arquivos de músicas de um álbum do seu cantor
preferido e anúncios de imóveis que eu seu pai estava analisando, isso
corresponde a um conjunto de dados sem nenhuma relação lógica ou coerente
entre eles. Logo, não pode ser caracterizado como banco de dados.
Nem sempre um banco de dados precisa estar informatizado no computador. O
que caracteriza um banco de dados é a forma como os dados estão
interrelacionados, representando um universo de discurso, de forma a
apresentar um significado relevante a um grupo de usuários. Por exemplo, um
53
armário no hospital que tem as fichas de prontuários de todos os pacientes
72
pode ser considerado um banco de dados, mesmo estando os dados em papéis.
83
Ali você tem dados pessoais dos pacientes, dados de laudos de exames
26
realizados com esses pacientes e dados de acompanhamento dos pacientes
30
como temperatura e pressão medidas diariamente durante a internação. E um
s5
banco de dados pode atender a usuários diferentes com visões
ria
diferentes. Por exemplo, cada médico pode olhar os dados que o ajudem a
Fa
tomar uma decisão de tratamento para o problema referente à sua área de
ta
atuação.
os
Lembrete!
C
da
n
Dados
so
ob
São fatos em sua forma primária, os quais podem ser armazenados, como, por
R
exemplo: nome, telefone e endereço. Estes dados ou fatos organizados de

53
maneira significativa e relacionados formam uma informação, como por

72
exemplo: os dados das peças em estoque. Assim é possível obter uma lista de
83
peças em falta.
26
30
Banco de Dados
s5
• Sabendo o que são dados e informações é possível definir os Bancos de

ria
Dados como um conjunto de dados devidamente relacionados

Fa
capazes de apresentar uma informação.

ta
os
• Coleção de dados interrelacionados, armazenados de forma centralizada ou

C
distribuída, com algum significado inerente, isto é, informações de interesse

da
de uma ou mais organizações.

s on
• Um banco de dados é projetado, construído e povoado por dados,

ob
atendendo a uma proposta específica. Possui um grupo de usuários definido

R
e algumas aplicações preconcebidas, de acordo com o interesse desse grupo

de usuários.
Caiu em prova!
(ESAF/ATI/SUSEP/ 2010) Um Banco de Dados é um:
a) conjunto de objetos da realidade sobre os quais se deseja manter
informações.

b) conjunto de operações sobre dados integrados destinados a modelar

processos.
c) software que incorpora as funções de definição, recuperação e alteração de
dados.
d) software que modela funções de definição, recuperação e alteração de
dados e programas.
e) conjunto de dados integrados destinados a atender às necessidades de uma
comunidade de usuários.
53
72
Comentários
83
Se na letra a) no lugar de conjunto de objetos da realidade, nesta resposta
26
estivesse escrito conjunto ou coleção de dados que representam objetos ou
30
aspectos do mundo real ou do universo de discurso, essa letra estaria correta.
s5
ria
Na letra b) o erro está ao considerar que banco de dados é um conjunto de
Fa
operações sobre dados. Pois conjunto de operações tem o contexto de código
ta
que transforma os dados e isso não é considerado banco de dados.
os
C
As letras c) e d) cometem o erro de tratar banco de dados como um software.
da
Isso gera um pouco de confusão nos alunos que estão aprendendo essa
n
matéria. Pois existem softwares que implementam e gerenciam banco de

so
dados para serem usados no computador, contudo, conceitualmente banco de

ob
dados não é um software.

R
53
(e) Esta é uma definição de banco de dados dada por (HEUSER, 2001), que
72
trata um banco de dados como um conjunto de dados interrelacionados que

83
tem por objetivo atender a uma proposta específica, geralmente, dada por um
26
grupo de usuários definidos.

30
s5
Gabarito: letra E.
ria
Fa
ta
Principais Tipos de Banco de Dados

os
C
Com o avanço da tecnologia e da computação, houve um crescimento do

da
volume e dos tipos de dados a serem armazenados nas organizações. Isso

on
demandou a necessidade de se utilizar softwares especiais para gerenciar os

s
dados, os chamados SGBDs (Sistemas Gerenciadores de Banco de Dados).

ob
R
O SGBD pode dar suporte a muitos tipos de bancos de dados, que podem ser
classificados de acordo com o número de usuários, localização(ões), e o tipo e
a extensão do uso esperado.
i)Quanto ao número de usuários (monousuário/multiusuário)

O número de usuários determina se o banco de dados é classificado
como monousuário (de um único usuário) ou multiusuário.
• Banco de dados monousuário: dá suporte a apenas um usuário por vez.
Em outras palavras, se o usuário A estiver utilizando o banco, os usuários B

e C devem esperar até que o A termine. Um banco de dados monousuário

executado em um computador pessoal é chamado banco de dados de
desktop.
• Por outro lado, um banco de dados multiusuário dá suporte a vários
usuários simultaneamente. Quando esse suporte cobre um número
relativamente pequeno de usuários (em geral menor que cinquenta) ou um
departamento específico de uma organização, o banco é chamado de banco
de dados de grupo de trabalho. Já quando é utilizado por uma
organização inteira, com suporte a muitos usuários (mais de cinquenta,
normalmente centenas) em vários departamentos, o banco é conhecido
53
como banco de dados empresarial.
72
83
26
ii)Quanto à localização de dados (Centralizado/Distribuído)
30
A localização também pode ser utilizada para classificar o banco de
s5
ria
dados.
Fa
• Por exemplo, um banco que dê suporte a dados localizados em um único local
ta
é chamado de banco de dados centralizado.
os
• C
Já um que dê suporte a dados distribuídos por vários locais diferentes é
da
chamado de banco de dados distribuído.
n
so
ob
iii)Quanto à utilização de dados (Banco de Dados

R
53
Operacional/DataWarehouse/Bancos de Dados em XML,...)

72
Atualmente, o modo mais popular de classificação baseia-se em como os

83
bancos de dados serão utilizados e na sensibilidade ao tempo das

26
informações nele coletadas. Por exemplo, transações como vendas,

30
pagamentos e aquisições de suprimentos de produtos ou serviços refletem

s5
operações diárias fundamentais. Essas transações devem ser registradas de

ria
modo preciso e imediato.

Fa
ta
Um banco projetado principalmente para dar suporte às operações diárias de

os
uma empresa é classificado como banco de dados operacional (às vezes

C
referido como transacional ou de produção).

da
on
Por outro lado, os data warehouses (armazém de dados) focam na

s
armazenagem dos dados utilizados para gerar informações necessárias à

ob
tomada de decisões táticas e estratégicas. A maioria dos dados de suporte a

R
decisões baseiam-se em dados históricos obtidos de bancos de dados

operacionais. Além disso, o data warehouse pode armazenar dados
provenientes de muitas fontes. Para facilitar a recuperação desses dados, a
estrutura do data warehouse difere muito de um banco operacional ou
transacional.
Os bancos de dados também podem ser classificados de modo a

refletir até que grau seus dados são estruturados.

• Dados não estruturados são aqueles que existem em seu estado original
(bruto), ou seja, no formato em que foram coletados. Portanto, estão em
um formato que não possibilita o processamento que produz informações.
• Dados estruturados são o resultado da obtenção de dados não estru-
turados e de sua formatação (estruturação) visando facilitar o
armazenamento, a utilização e a geração de informações. A estrutura
(formato) é aplicada com base no tipo de processamento que se deseja
executar nos dados. Alguns dados podem não estar prontos (não
estruturados) para determinados tipos de processamento, mas podem
estar prontos (estruturados) para outros tipos. Por exemplo, o valor de
53
dados 37890 pode se referir a um CEP, um valor de vendas ou um código
72
de produto. Se representar um CEP ou um código de produto e for
83
armazenado como texto, não será possível executar cálculos matemáticos
26
com ele. Por outro lado, se esse valor representar uma transação de
30
vendas, será necessário formatá-lo como numérico.
s5
ria
Para ilustrar o conceito de estrutura, imagine uma pilha de faturas
Fa
impressas em papel. Caso deseje simplesmente armazená-las como
ta
imagens para recuperação e exibição futura, é possível escaneá-las e salvá-
os
las em formato gráfico. Por outro lado, se desejar obter informações como
C
vendas mensais totais e médias, esse armazenamento gráfico não seria útil.
da
Em vez disso, é possível armazenar os dados das faturas em um formato de

n
so
planilha (estruturado) de modo a permitir a execução dos cálculos

ob
necessários. Na verdade, em sua maioria, os dados que encontramos são

R
mais bem classificados como semiestruturados.

53
Dados semiestruturados são aqueles que já foram parcialmente

72
•
83
processados. Por exemplo, olhando-se uma página comum da web, os

26
dados são apresentados em um formato pré-organizado para transmitir

30
alguma informação.
s5
Os tipos de bancos de dados mencionados até aqui focam no

ria
armazenamento e gerenciamento de dados altamente estruturados.

Fa
No entanto, as corporações não se limitam ao uso de dados estruturados,

ta
os
também utilizam dados semiestruturados e não estruturados. Basta pensar nas

C
informações muito valiosas que podem ser encontradas em e-mails da

da
empresa, memorandos, documentos como procedimentos e regras, conteúdos

on
de páginas da web e assim por diante.

s
ob
As necessidades de armazenamento e gerenciamento de dados não

R
estruturados e semiestruturados estão sendo atendidas pela nova geração de

bancos de dados em XML. A Linguagem de Marcação Extensível (XML, sigla
em inglês para Extensible Markup Language) é uma linguagem especial utilizada
para representar e manipular elementos de dados em formato textual. Os
bancos de dados em XML dão suporte ao armazenamento e gerenciamento
de dados semiestruturados em XML. A tabela seguinte compara os recursos de
vários sistemas de gerenciamento de bancos de dados conhecidos.

Número de Usuários Localização de Utilização de

Único Multiusuário Dados Dados
Prod Usuá Grupo Empresa Centraliz Distribu Operaci D XM
uto rio de rial ado ído onal W L
Trabal
ho
MS x x x x
Acces
s
MS x** x x x x x x x
SQL
53
72
Server
83
DB2 x** x x x x x x x
26
da
30
IBM
s5
MySQ X x x x x x x x*
ria
L
Fa
Oracle x** x x x x x x X
ta
(SGB
os
DR) C
da
*Dá suporte apenas a funções de XML. Os dados em XML são armazenados em
n
grandes objetos de texto.

so
**O fornecedor oferece versão pessoal/usuário único do SGBD.

ob
Figura. Tipos de banco de dados - Fonte: Rob e Coronel (2011)

R
53
72
83
Sistemas de Gerenciamento de Banco de Dados (SGBDs)

26
Um banco de dados pode ser criado e mantido por um conjunto de aplicações

30
desenvolvidas especialmente para esta tarefa ou por um Sistema Gerenciador

s5
de Banco de Dados ou Sistema de Gerenciamento de Banco de Dados

ria
Fa
(SGBD).
ta
Um SGBD é um software (conjunto de programas) de caráter geral que

os
executa os processos de definição, construção, manipulação e

C
compartilhamento de bancos de dados entre vários usuários e aplicações,

da
incluindo módulos para consulta, atualização e as interfaces entre o sistema e

on
o usuário. Em um SGBD as grandes coleções de informações são estruturadas

s
ob
e armazenadas de uma forma consistente e integrada.

R
Os SGBDs são programas capazes de criar bancos de dados, e a partir

daí realizar uma série de operações básicas, tais como: inclusão,
pesquisa, atualização, impressão e ordenação.
Podemos dizer então que SGBD = Conjunto de dados + Conjunto de
programas de acesso aos dados.
Dentre os SGBDs que estão sendo mais utilizados atualmente tem-se:

• SGBDs livres, como o MySQL que possui o código fonte aberto,

projetado para servir como opção aos SGBDs corporativos proprietários.
Apesar de seu crescimento nos últimos anos e de sua grande
popularidade, especialmente em aplicativos voltados para a web, ainda
não tem uso difundido em grandes empresas, que ainda preferem confiar
seus dados a aplicações mais “maduras” e com maior capacidade de
suporte. Há outros SGBDs livres que seguem a linha do MySql, como o
PostgreSql, por exemplo.
• Microsoft Access (Faz parte do pacote Microsoft Office, voltado para
bancos de dados pessoais (uso doméstico) e menos robustos (pequenas
53
aplicações de uso não crítico);
72
• Base (Faz parte do pacote BrOffice.Org, também mais voltado para uso
83
doméstico);
26
30
• SGBDs comerciais e proprietários para uso corporativo, como o SQL
s5
Server e o Oracle, utilizados em projetos mais volumosos que
ria
envolvem bancos de dados corporativos (de grandes empresas). Outros
Fa
SGBDs podem ser destacados, como: SyBase, Adabas, DB2, etc.
ta
os
Muitas vezes, até mesmo profissionais de TI referem-se aos SGBDs como
C
banco de dados. Até certo ponto, o banco de dados se assemelha a um arquivo
da
eletrônico com conteúdo muito bem organizado com a ajuda de um software

n
poderoso, conhecido como sistema de gerenciamento de banco de dados. No

so
ob
entanto, os SGBDs são softwares, já banco de dados conceitualmente NÃO é

R
um software. Porém os SGBDs sozinhos não têm nenhuma relevância, os

53
bancos de dados armazenados em um SGBD é que têm significado e são

72
importantes para a organização que os mantém.

83
26
Lembrete!
30
SGBD: Conjunto de software para gerenciar um BD, que provê

s5
armazenamento e acesso multiusuário eficiente a uma grande quantidade de

ria
dados armazenados.
Fa
ta
os
C
da
s on
ob
R

Figura. O SGBD gerencia a interação entre o usuário final e o banco de dados

Fonte: Rob e Coronel, 2011.
Os Sistemas Gerenciadores de Bancos de Dados surgiram para atender à
necessidade de armazenamento e de recuperação de grandes volumes de
informações, propiciando um ambiente seguro e adequado.
O SGBD ajuda a tornar o gerenciamento de dados mais eficiente e

eficaz. Por exemplo, fornece vantagens como (Rob e Coronel, 2011):
• Evitar/controlar a REDUNDÂNCIA. O que é: é a repetição de um mesmo
53
dado em locais distintos. Temos a redundância controlada e a não
72
controlada. Como podemos evitar: centralizando os dados através do
83
banco. Pode ser utilizada em situações em que haja necessidade de
26
melhoria no desempenho e/ou economia de recursos da transmissão.
30
s5
• Manter a integridade. Garante que os dados armazenados no BD estão
ria
corretos. Para manter a integridade, lança-se mão da implementação de
Fa
regras de negócio através de restrições de integridade (automáticas ou
ta
implementadas através de triggers (gatilhos) ou stored procedures
os
(procedimentos armazenados no banco)). C
da
• Melhoria na INTEGRAÇÃO dos dados.
n
so
• Minimização da INCONSISTÊNCIA dos dados, que ocorre quando

ob
diferentes versões dos mesmos dados aparecem em locais diferentes. Por

R
exemplo, quando o departamento de vendas de uma empresa armazena o

53
nome de uma representante de vendas como "Gris Silva" e o departamento

72
de recursos humanos armazena o nome da mesma pessoa como "Cristina G.

83
Da Silva". Esse problema é reduzido por meio de um adequado projeto de

26
banco de dados.
30
s5
• Aprimoramento do acesso aos dados. Aprimoramento da tomada de

ria
decisão. Aumento de produtividade do usuário final.

Fa
• Tolerância a Falhas: Fornece recursos para recuperação de falhas tanto

ta
os
de software quanto de hardware.

C
Restrição a Acesso não Autorizado: Fornece um subsistema de

da
•
autorização e segurança, o qual é utilizado pelo DBA para criar contas e
on
especificar as restrições destas contas. O controle de restrições se aplica

s
ob
tanto ao acesso aos dados quanto ao uso de softwares inerentes ao Sistema

R
Gerenciador de Banco de Dados.

As vantagens da utilização de um SGBD não se limitam aos itens aqui
listados. Na verdade, você descobrirá muito mais vantagens ao conhecer os
detalhes técnicos dos bancos de dados e seu projeto adequado.
Observe a seguinte questão da ESAF sobre esse assunto.
(ESAF/Administrador/ENAP/2006/Adaptada) Analise a seguinte
afirmação relacionada a Conceitos Básicos de Informática e gerenciadores de
banco de dados. [Um SGBD (Sistema de Gerenciamento de Banco de
Dados) é um sistema computadorizado de armazenamento e

organização de dados. Pode trazer vantagens, como alteração e

recuperação de dados com mais rapidez, armazenagem de informação
em menor espaço, minimização de redundâncias e de inconsistências
de informações, compartilhamento de estrutura e dados].
Comentários
Bem fácil essa questão!! Um SGBD é um software (sistema computadorizado)
de armazenamento e organização de dados, que permite alteração e
recuperação de dados com mais rapidez, economia de espaço, minimização de
redundâncias e inconsistência, além do compartilhamento de estruturas de
dados.
53
72
O termo “redundância de dados” que se está usando aqui consiste na gravação
83
de um mesmo dado em dois locais (ou mais) distintos. Isso, geralmente, não é
26
recomendando dentro do contexto de banco de dados, já que podemos
30
atualizar o dado em um local e não atualizar nos demais!! Por exemplo,
s5
poderia gravar o endereço de um cliente em dois locais distintos, mas só
ria
atualizo em um desses locais. Basta gravar uma vez, correto? Quando for feita
Fa
uma pesquisa para o endereço do cliente, não saberia qual o endereço correto.
ta
os
A inconsistência em Bancos de Dados significa ter dados incompletos, que não
C
refletem a realidade do minimundo. Por exemplo, se uma Nota Fiscal tem o
da
valor total de R$ 50.000,00, e no Banco de Dados o valor total dela é de R$

n
5.000,00, esse dado está inconsistente. Por fim, estruturas de dados são
so
ob
formas de se armazenar e organizar os dados em um Sistema de Informação,

R
para que possam ser usados de forma eficiente.

53
Gabarito: item correto.

72
83
Funções Básicas de um Sistema Gerenciador de Banco de Dados

26
30
Como todo e qualquer aplicativo, os SGBDs dispõem de funções que são

s5
compartilhadas por qualquer tipo de sistema gerenciador de banco de dados,

ria
independente de seu fabricante.

Fa
Dentre elas, destacam:

ta
os
• Proporcionar maior abstração, isolando o usuário dos pormenores internos

C
de como os dados estão armazenados;

da
Rapidez no acesso às informações;

on
•
s
ob
• Proporcionar independência dos dados em relação aos programas de

R
recuperação, cuja estrutura física de armazenamento independe da

estratégia de acesso;
• Compartilhar a base de dados entre vários aplicativos, em que diferentes
tipos de interfaces atendem às necessidades de distintos usuários;
• Maior facilidade de realizar cópias de segurança;
• Proporcionar a comunicação diretamente com um software ou servidor;
• Proporcionar integridade dos dados.

Classificação dos SGBDs

O principal critério para se classificar um SGBD é o modelo de dados no qual é
baseado. A grande maioria dos SGBDs contemporâneos são baseados
no modelo relacional, alguns em modelos conceituais e alguns em modelos
orientados a objetos. Outras classificações são:
* usuários: um SGBD pode ser monousuário, comumente utilizado em
computadores pessoais ou multiusuários, utilizado em estações de
trabalho, mini-computadores e máquinas de grande porte;
* localização: um SGBD pode ser localizado ou distribuído; se ele for
53
localizado, então todos os dados estarão em uma máquina (ou em um
72
único disco) ou distribuído, onde os dados estarão distribuídos por
83
diversas máquinas (ou diversos discos);
26
* ambiente: ambiente homogêneo é o ambiente composto por um único
30
SGBD e um ambiente heterogêneo é o ambiente composto por diferentes
s5
ria
SGBDs.
Fa
ta
os
Interação com o SGBD
C
Para um grande banco de dados, existe um variado número de pessoas
da
envolvidas, desde o projeto, uso, até manutenção, executando funções

n
so
exclusivas e complementares.
ob
- Os administradores de sistema supervisionam as operações gerais do

R
53
sistema de banco de dados.

72
- Os administradores de banco de dados, também conhecidos como DBAs

83
(sigla em inglês para database administrator), gerenciam o SGBD e garantem

26
que o banco de dados funcione adequadamente. São usuários especializados

30
em banco de dados. Cabe a eles a administração dessas bases, definição da

s5
ria
melhor estrutura de armazenamento desses dados, definição de aspectos de

Fa
segurança, programação de cópias de segurança (backup’s) dos dados,

ta
dentre outros.
os
- Os projetistas de banco de dados projetam a estrutura do banco. Na

C
da
prática, são os arquitetos dos bancos de dados. Se o projeto for ruim,

mesmo os melhores programadores de aplicações e os DBAs mais
s on
dedicados não serão capazes de produzir um ambiente útil de sistema de

ob
banco de dados. Como as organizações esforçam-se para otimizar seus

R
recursos de dados, a descrição do trabalho do projetista expandiu-se para

cobrir novas dimensões e suas responsabilidades são crescentes.
- Os programadores e analistas de sistemas projetam e implementam os
aplicativos. Desenvolvem e criam as telas de entrada de dados, os relatórios
e os procedimentos por meio dos quais os usuários finais acessam e
manipulam os dados do banco de dados.
- Usuários Finais. Existem basicamente três categorias de usuários finais que
são os usuários finais do banco de dados, fazendo consultas, atualizações e
gerando documentos:

- usuários casuais: acessam o banco de dados casualmente, mas que podem

necessitar de diferentes informações a cada acesso; utilizam sofisticadas
linguagens de consulta para especificar suas necessidades;
- usuários novatos ou paramétricos: utilizam porções pré-definidas do banco
de dados, utilizando consultas preestabelecidas que já foram
exaustivamente testadas;
- usuários sofisticados: são usuários que estão familiarizados com o SGBD e
realizam consultas complexas.
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R

Sistema de Banco de Dados

Para completar nossa definição inicial chamaremos o banco de dados e o
software SGBD, juntos, de Sistema de Banco de Dados.
O termo sistema de banco de dados refere-se a uma organização de
componentes que define e regula a coleta, o armazenamento, o gerenciamento
e a utilização de dados em um ambiente de banco de dados. Do ponto de vista
do gerenciamento real, o sistema de banco de dados é composto de cinco
partes principais, apresentadas na figura seguinte: hardware, software,
pessoas, procedimentos e dados.
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
30
Figura. Sistema de Banco de Dados

s5
Hardware. O hardware refere-se a todos os dispositivos físicos do

ria
sistema, como, por exemplo, computadores (microcomputadores,

Fa
estações de trabalho, servidores, clusters e supercomputadores), dis-

ta
os
positivos de armazenamento, impressoras, dispositivos de rede (hubs,

C
switches, roteadores, fibra óptica) e outros dispositivos (caixas

da
automáticos, leitores de ID etc.).

on
Software. Embora o software identificado de imediato seja o próprio

s
ob
SGBD, o funcionamento completo do sistema de banco de dados

R
necessita de três tipos de softwares: sistema operacional, SGBD e

aplicativos e utilitários.
o O sistema operacional gerencia todos os componentes de
hardware e possibilita que os outros softwares sejam executados
nos computadores. Os exemplos de sistema operacional incluem o
Microsoft Windows, o Linux, o UNIX, etc.
o O SGBD gerencia o banco de dados em um sistema de banco de
dados. Alguns exemplos desse tipo de software são o Microsoft
SQL Server, o Oracle da Oracle Corporation, o MySQL da MySQL
AB e o DB2 da IBM.
o Os aplicativos e utilitários são utilizados para acessar e

manipular dados no SGBD e gerenciar o ambiente computacional
no qual ocorre o acesso e a manipulação de dados. Os aplicativos
são usados com mais frequência para acessar os dados
encontrados no banco de dados e gerar relatórios, tabelas e outras
informações que facilitem a tomada de decisões. Os utilitários são
as ferramentas de software utilizadas para ajudar no
gerenciamento dos componentes computacionais do sistema de
bancos de dados. Por exemplo, todos os principais fornecedores de
SGBD atualmente fornecem interfaces gráficas de usuário (GUIs)
para ajudar a criar estruturas de bancos de dados, controlar seu
53
acesso e monitorar suas operações.
72
83
Pessoas. Esse componente inclui todos os usuários do sistema de
26
banco de dados. Com base na função de trabalho principal, é possível
30
identificar cinco tipos de usuários em um sistema: administradores de
s5
sistemas, administradores de bancos de dados, projetistas de bancos de
ria
dados, analistas e programadores de sistemas, e usuários finais.
Fa
ta
Procedimentos. São as instruções e regras que orientam o projeto e a
os
utilização do sistema de banco de dados. Os procedimentos são um
componente fundamental, embora às vezes esquecido, do sistema.
C
da
Executam um papel importante na empresa, pois aplicam os padrões

n
so
pelos quais os negócios são conduzidos dentro da organização e em

ob
relação aos clientes. Também são utilizados para garantir que haja um
R
modo organizado de monitorar e auditorar tanto os dados que entram

53
no banco como as informações geradas pela utilização desses dados.

72
83
Dados. A palavra dados cobre o conjunto de fatos armazenados no

26
banco de dados. Como eles são o material bruto a partir do qual as

30
informações são geradas, a definição de quais dados devem

s5
ser inseridos no banco e como esses dados devem ser organizados

ria
constitui uma parte vital do trabalho do projetista.

Fa
ta
os
Um sistema de banco de dados adiciona uma nova dimensão à estrutura

C
de gerenciamento de uma organização. A complexidade dessa estrutura

da
depende do tamanho da organização, de suas funções e de sua cultura

on
corporativa. Portanto, os sistemas de banco de dados podem ser criados e

s
ob
gerenciados em diferentes níveis de complexidade e com adesão variável a

R
padrões precisos.
Por exemplo, compare um sistema local de locação de filmes com um
sistema nacional de reclamações de seguros.
• O sistema de locação de filmes pode ser gerenciado por duas pessoas,
o hardware utilizado provavelmente é um único microcomputador, os
procedimentos são simples e o volume de dados tende a ser baixo.
• O sistema nacional de reclamações de seguros possui pelo menos um
administrador de sistemas, vários DBAs em tempo integral e muitos
projetistas e programadores; o hardware inclui diversos servidores em

vários locais; é provável que os procedimentos sejam numerosos,

complexos e rigorosos e que o volume de dados tenda a ser alto.
Além dos diferentes níveis de complexidade dos sistemas de banco de
dados, os gerentes também devem levar em consideração: as soluções de
bancos de dados devem ser efetivas em relação a custos-benefícios e a
fatores táticos e estratégicos. A criação de uma solução de um milhão de
dólares para um problema de mil dólares dificilmente constará entre os
exemplos de boa seleção de sistema e de bom projeto e gerenciamento de
bancos de dados. Por fim, é provável que a tecnologia de bancos de dados
já em uso afete a seleção de um sistema.
53
Embora o sistema de banco de dados apresente vantagens
72
consideráveis em relação a abordagens de gerenciamento anteriores,
83
também trazem desvantagens significativas. Por exemplo (Rob e
26
Coronel, 2011):
30
s5
- Aumento de custos. Os sistemas de banco de dados exigem hardware e
ria
software sofisticados e pessoal altamente treinado. O custo de
Fa
manutenção do hardware, software e pessoal necessários para operar e
ta
gerenciar um sistema de banco de dados pode ser substancial. Os custos
os
de treinamento, licenciamento e atendimento às regulamentações C
da
costumam ser negligenciados quando da implementação desses sistemas.
n
- Complexidade de gerenciamento. Os sistemas de banco de dados

so
ob
apresentam interfaces com muitas tecnologias diferentes e têm um

R
impacto significativo sobre os recursos e a cultura de uma empre-

53
sa. As alterações introduzidas pela adoção do sistema de banco de dados

72
deve ser adequadamente gerenciadas para garantir que ajudem no

83
progresso dos objetivos da empresa. Levando em conta o

26
fato de que os bancos de dados mantêm dados fundamentais da empresa

30
que são acessados a partir de várias fontes, as questões de segurança

s5
devem ser uma constante preocupação.

ria
Fa
- Manutenção do banco de dados atualizado. Para maximizar a

ta
eficiência do sistema de banco de dados, deve-se manter o sistema

os
atualizado. Portanto, é necessário fazer atualizações frequentes

C
e aplicar os últimos pacotes e medidas de segurança a todos os

da
componentes. Como a tecnologia dos bancos de dados avança

on
rapidamente, os custos com treinamento de pessoal tendem a ser

s
ob
significativos.
R
- Dependência do fornecedor. Em virtude do alto investimento em

tecnologia e treinamento de pessoal, as empresas podem hesitar em
trocar os fornecedores de bancos de dados. Por essa razão, é
menos provável que estes ofereçam vantagens de preço aos clientes
existentes, que ficarão restritos quanto a suas escolhas de componentes
de sistemas de banco de dados.
- Ciclos frequentes de atualização/substituição. Os fornecedores de
SGBDs atualizam seus produtos adicionando novas funcionalidades. Em
geral, esses recursos são integrados a novas versões de
atualização do software. Algumas dessas versões exigem atualizações de
hardware. Não são apenas as atualizações que geram custo, mas também
o treinamento dos usuários e administradores para que utilizem e
gerenciem adequadamente os novos recursos.
Níveis de Abstração
Considerando que o nível de conhecimento dos usuários de bancos de dados é
muito variável, oscilando entre aqueles que conhecem muito e outros que são
leigos, os Sistemas de Bancos de Dados devem prover mecanismos que
administrem essa complexidade, simplificando as interações dos usuários com
53
o sistema.
72
O grande objetivo de um sistema de banco de dados é proporcionar aos
83
usuários uma visão abstrata dos dados. Isto é, o sistema omite certos
26
detalhes de como os dados são armazenados e mantidos. No entanto,
30
para que o sistema possa ser utilizado, os dados devem ser buscados de forma
s5
ria
eficiente. Este conceito tem direcionado o projeto de estrutura de dados
Fa
complexas para a representação de dados em um banco de dados. Uma vez
que muitos dos usuários de banco de dados são leigos ou não treinados para
ta
os
computação, a complexidade está escondida desses usuários através de
C
diversos níveis de abstração que simplificam a interação do usuário com o
da
sistema.
n
so
Atualmente, existem várias tendências para arquitetura de SGBD nas mais

ob
diversas direções. A arquitetura mais conhecida é a ANSI/SPARC,

R
fundamentada em TRÊS NÍVEIS de abstração em que cada um desses níveis

53
corresponde às abstrações dos dados armazenados no banco de dados.

72
83
• Nível de Visão: é o nível mais alto de abstração, diz respeito à forma

26
como os dados são vistos pelos usuários (individualmente) , de acordo com

30
as necessidades de cada usuário. Diferentes usuários poderão ter diferentes

s5
visões de um mesmo banco de dados. Um determinado usuário, tanto pode

ria
ser um programador de aplicações, quanto um usuário final. O DBA é um

Fa
caso especialmente importante. Ao contrário dos usuários comuns, o DBA

ta
terá de se interessar pelos níveis conceitual e físico.

os
C
• Nível Lógico: descreve QUAIS dados estão armazenados no banco de

da
dados e seus relacionamentos, isto é, qual a relação existente entre eles.

on
Podemos dizer que a visão lógica é a visão dos dados “como realmente são”
s
ob
e não como os usuários são forçados a vê-los devido às restrições de

R
linguagem ou hardware. Neste nível, o banco de dados é descrito através de

estruturas relativamente simples, que podem envolver estruturas
complexas no nível físico.
• Nível Físico: nível mais baixo de abstração. Descreve COMO os dados
estão realmente armazenados. Diz respeito à forma como os dados
estão armazenados fisicamente. Preocupa-se em descrever as estruturas de
dados complexas de baixo nível.
A figura seguinte representa os níveis de abstração aqui listados.

53
72
83
26
30
s5
Figura. Níveis de abstração de dados
ria
Fa
Fonte: Silberschatz, Korth e Sudarshan, 2006. Adaptação
ta
os
Independência de Dados
C
da
n
A independência de dados pode ser definida como a imunidade das aplicações

so
às alterações feitas, seja no nível físico seja no nível lógico de um banco de

ob
dados. O objetivo é alcançar o máximo de independência possível.

R
53
72
83
É a capacidade de MODIFICAR a definição dos

26
esquemas em determinado nível, sem afetar o

30
esquema do nível superior. Existem dois níveis

s5
de INDEPENDÊNCIA DOS DADOS: física e

ria
lógica!
Fa
ta
os
C
Pode ser classificada em:

da
on
• Independência de dados FÍSICA: modifica o esquema físico sem que,

s
com isso, qualquer programa aplicativo precise ser reescrito (As

ob
modificações no nível físico são ocasionalmente necessárias para aumento

R
de desempenho).
• Independência de dados LÓGICA: modifica o esquema lógico sem que,
com isso, qualquer programa aplicativo precise ser reescrito. As
modificações no nível conceitual são necessárias quando a estrutura lógica
do banco de dados é alterada (por exemplo, a adição de contas de bolsas
de mercado num sistema bancário).
Atenção!
Normalmente modificações no nível físico visam a melhoria de desempenho,
como a criação de índices!

A independência lógica dos dados é mais difícil de ser alcançada do que a

independência física, porém os programas são bastante dependentes da
estrutura lógica dos dados que eles acessam.
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
n
so
Figura. Independência de dados

ob
Este conceito de independência dos dados é similar em muitos aspectos ao

R
53
conceito de tipos abstratos de dados em modernas linguagens de

72
programação. Ambos escondem detalhes de implementação do usuário. Isto

83
permite ao usuário concentrar-se na estrutura geral em vez de detalhes de

26
baixo nível de implementação.

30
s5
ria
Dicionário de Dados
Fa
É uma coleção de metadados que contêm definições e representações de

ta
os
elementos de dados. Dentro do contexto de sistemas gerenciadores de bancos

C
de dados, um dicionário de dados é um grupo de tabelas, habilitadas apenas

da
para leitura ou consulta, ou seja, é uma base de dados, propriamente dita, que
on
entre outras coisas, mantém as seguintes informações:

s
ob
- Definição precisa sobre elementos de dados;

R
- Perfis de usuários, papéis e privilégios;

- Descrição de objetos;
- Integridade de restrições;
- Stored procedures e gatilhos;
- Estrutura geral da base de dados;
- Informação de verificação;
- Alocações de espaço.

Um dos benefícios de um dicionário de dados bem preparado é a consistência

entre itens de dados através de diferentes tabelas. Por exemplo, diversas
tabelas podem conter números de telefones. Utilizando uma definição de um
dicionário de dados bem feito, o formato do campo 'número de telefone'
definido com "(99)9999-9999" deverá ser obedecido em todas as tabelas que
utilizarem esta informação.
Os dicionários de dados são gerados, normalmente, separados do
Modelo de Dados visto que estes últimos costumam incluir complexos
relacionamentos entre elementos de dados.
53
72
Modelos de Bancos de Dados
83
Os modelos de bancos de dados definem a forma como os dados encontram-se
26
organizados internamente. A seguir, tem-se uma breve descrição sobre os
30
principais modelos.
s5
ria
1. Modelo Hierárquico ou de árvore
Fa
É aquele no qual os dados estão organizados de cima para baixo ou estrutura
ta
os
de árvore invertida. Por exemplo, os dados sobre um projeto para uma
empresa podem seguir este tipo de modelo. Este método de ligação é C
da
semelhante à relação entre pais e filhos: a criança não existirá sem os pais. É
n
o que mais bem se adapta a situações nas quais as relações lógicas entre os
so
dados podem ser representadas com a abordagem (um-para-muitos).

ob
R
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
on
Fonte: (Takai, Italiano e Ferreira, 2005)

s
ob
2. Modelo em Rede
R
Um modelo em rede é uma extensão do modelo hierárquico. Em vez de se

terem apenas vários níveis de relações um-para-muitos, o modelo em rede é
uma relação membro-proprietário, na qual um membro pode ter muitos
proprietários. Nesse modelo, há frequentemente mais de um caminho pelo
qual um determinado elemento de dado pode ser acessado.

53
72
Figura. Modelo em Rede
83
3. Modelo Relacional
26
30
Os modelos relacionais se tornaram os mais populares. A finalidade global
s5
deste modelo é descrever o dado usando um formato tabular padrão (todos os
ria
elementos são localizados em tabelas bidimensionais). As tabelas organizam os
Fa
dados em linhas e colunas, simplificando o acesso e a manipulação dos dados.
ta
Uma vez colocados os dados no Banco de Dados relacional, pode-se fazer
os
C
perguntas e manipular dados utilizando as operações da álgebra relacional. As
da
manipulações básicas de dados incluem a sua seleção, projeção e
n
agrupamento.
so
ob
R
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R

Modelagem de Dados
53
72
83
26
30
s5
ria
Fa
Figura. Etapas da Modelagem de Dados em linhas gerais
ta
Vamos estudar a seguir cada uma das fases relacionadas à modelagem de
os
dados: C
da
• Análise e Coleta de Requisitos: busca-se aqui identificar os atores, os

n
so
documentos, as informações, as regras de negócio, as necessidades e assim

ob
sucessivamente. Nesta etapa procura-se conhecer o minimundo do seu

R
problema. No final, devemos ter aquele primeiro esboço do modelo, que

53
pode ser um desenho, um documento descrevendo o que foi entendido etc.

72
83
• Projeto Conceitual (ou Modelo Conceitual): é uma representação de

26
alto nível (ou seja, próximo do minimundo) do Modelo de Banco de Dados.

30
Esse é o primeiro modelo que aprenderemos a fazer e interpretar.

s5
É a descrição de mais alto nível da estrutura do BD, NÃO contendo

ria
Fa
detalhes de implementação. Nesta etapa não é necessário se preocupar

com o tipo de SGBD a ser usado, ou seja o projeto é independente
ta
os
do tipo de SGBD usado. É o ponto de partida do projeto de Banco de

C
Dados e seu objetivo é representar a semântica da informação,

da
independente de considerações de eficiência. O objetivo é a representação

on
dos requisitos de dados do domínio. Requisitos: clareza (facilidade de

s
ob
compreensão) e exatidão (formal).

R
• Projeto Lógico (ou Modelo Lógico). No modelo lógico existe a descrição

da estrutura do BD que pode ser processada pelo SGBD. Este modelo está
mais próximo de uma representação no computador. Veremos que nesse
ponto o Analista já sabe qual modelo de dados vai usar.
A ênfase do modelo lógico está na eficiência de armazenamento, ou seja,
em evitar muitas tabelas (e junções); tabelas subutilizadas, etc. Futuras
alterações no modelo lógico devem ser primeiro efetuadas no Modelo
Conceitual.

• Projeto Físico (ou Modelo Físico): é uma representação da

implementação do modelo em um SGBD específico. Nesta etapa ocorre o
mapeamento do modelo lógico em um esquema físico de acordo com o
SGBD específico, ou seja, o modelo criado está diretamente ligado ao SGBD
escolhido. Assim, poderíamos a partir de um projeto lógico criar dois
projetos físicos, um para ser implementado no SGBD MySQL e outro para o
SQL Server,por exemplo.
53
A figura seguinte faz uma descrição simplificada do processo de projeto de um
72
banco de dados.
83
26
30
s5
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R
Figura. Projeto de um BD

Resumindo!!
Modelos Descrevem a estrutura de um Banco de Dados de uma forma
Conceituais mais próxima da percepção dos usuários. Independente de
aspectos de implementação. Conceitos: entidades, atributos,
relacionamentos. Exemplos:
• Modelo Entidade-relacionamento (ER).
• Modelo Funcional.
Modelo Modelo de dados que representa a estrutura de dados de um
Lógico banco de dados conforme vista pelo usuário do SGBD.
53
Dependente do tipo particular de SGBD que está se utilizando.
72
83
Exemplos:
26
30
• Modelo Relacional.
s5
• Modelo Hierárquico.
ria
Fa
Modelo É uma representação gráfica do detalhamento físico das
ta
Físico estruturas dos dados que o banco de dados irá armazenar.
os
Este modelo é dependente do SGBD em que será implementado.
C
da
Conceitos: formatos dos registros, ordenamento dos registros,

n
caminhos de acesso (eficiência).

so
ob
R
53
72
** Modelo Funcional
83
26
Nesse contexto, cabe destacar o DFD (conhecido como Diagrama de Fluxos

30
de Dados, Modelo Funcional), uma ferramenta para a modelagem de

s5
sistemas, que nos permite imaginar um sistema como uma rede de

ria
processos funcionais, interligados por “dutos” e “tanques de

Fa
armazenamento” de dados. Um DFD típico é composto de: processo, fluxo de

ta
dados, depósito de dados e o terminador (entidade externa).

os
C
Se estivermos desenvolvendo um sistema no qual os relacionamentos entre os

da
dados sejam mais importantes que as funções, podemos dar menos

on
importância ao DFD e dedicar-nos aos Diagramas de Entidade-Relacionamento

s
ob
(DER).
R
**Abordagem Entidade-Relacionamento (ER)

A abordagem entidade-relacionamento é um padrão para a modelagem
conceitual. Foi criada em 1976 por Peter Chen que junto com alguns
conceitos apresenta uma notação gráfica para diagramas que tem por
características: ser um modelo simples, com poucos conceitos; com
representação gráfica de fácil compreensão.
Um esquema conceitual de dados é também chamado de esquema ER,
diagrama ER, ou modelo ER.

O modelo Entidade-Relacionamento (ER) é um modelo de dados

conceitual de alto nível, cujos conceitos foram projetados para estar o mais
próximo possível da visão que o usuário tem dos dados, não se preocupando
em representar como estes dados estarão realmente armazenados. O modelo
ER é utilizado principalmente durante o processo de projeto de banco de
dados.
Os principais elementos de um Diagrama de Entidades e Relacionamentos

(DER) são identificados a seguir:
53
Entidades
72
O objeto básico tratado pelo modelo ER é a entidade, que pode ser definida
83
como um objeto do mundo real, concreto ou abstrato e que possui
26
existência independente.
30
s5
ria
Fa
ta
os
C
da
n
so
Figura. Exemplos de Entidades

ob
Para se referir a uma entidade em particular é também usado o termo

R
instância (ou ocorrência). A entidade é representada no DER (Diagrama

53
Entidade-Relacionamento) como um retângulo contendo o nome da entidade.

72
83
Exemplos:
26
30
s5
ria
Figura. Notação de Entidade

Fa
Principais características dos conjuntos de entidades:

ta
os
• São substantivos e perduram no tempo.

C
da
• Cada elemento de um conjunto de entidades só ocorre uma  única vez

on
e a ordenação do conjunto é irrelevante.

s
ob
• Representa-se em um conjunto de entidades todos os elementos do

R
mundo real referidos pelo universo de discurso. Ex:  ALUNOS = todos

os alunos de uma escola.
Atributos
Os atributos são propriedades particulares que descrevem uma entidade, ou
mesmo características de um relacionamento.
Quanto transpostos para o modelo físico são chamados de colunas ou
campos.

A primeira característica importante de um atributo é que tem um domínio. O

domínio de um atributo é o conjunto de possíveis valores para o mesmo.
Exemplo:
53
72
83
Figura. Atributos de Entidade
26
30
No exemplo aqui ilustrado, o domínio do atributo Título pode ser o conjunto de
s5
todos os textos string de um certo tamanho. O domínio do atributo tipoFilme
ria
pode ser o conjunto de strings {drama, comédia, romance...}.
Fa
O domínio determina que valores um atributo pode receber. Existe um valor
ta
os
especial em Bancos de Dados, conhecido como NULL (nulo), que é a ausência
de qualquer valor naquele atributo. Importante C
da
n
so
Vamos às principais classificações de atributos:

ob
R
• Simples e Compostos
53
Atributos Simples Atributos Compostos

72
83
Atributos que não são divisíveis (não Podem ser divididos em partes
26
é dividido em partes). São chamados menores, ou subpartes, os quais

30
também por atributos atômicos. representariam atributos básicos mais

s5
simples com significados

ria
independentes.
Fa
ta
Exemplo: CEP. Exemplo: o atributo Endereço, pode

os
ser subdividido em número,

C
logradouro, cidade, estado e CEP.

da
s on
ob
• Monovalorados e Multivalorados
R
Atributos Monovalorados Atributos Multivalorados

Possuem apenas um valor para uma Podem assumir múltiplos valores.
entidade em particular. Uma única entidade tem diversos
valores para este atributo.
Por exemplo, o atributo CPF de uma Ex1: O atributo telefone é
entidade Funcionário é monovalorado, multivalorado, pois um funcionário
pois cada funcionário possui apenas pode possuir vários telefones ao
um CPF. mesmo tempo ou até mesmo nenhum
valor.

Ex2: O atributo idioma de uma

entidade aluno pode conter os valores
inglês e francês. Para outro aluno
poderia conter apenas um valor -
espanhol. Para um terceiro aluno,
poderíamos ter 3 valores para este
atributo. Este tipo de atributo é
representado por uma elipse com
linha dupla.
53
72
83
• Armazenados e Derivados
26
Atributos Armazenados Atributos Derivados
30
s5
Atributos que realmente pretendemos Podem ser gerados ou calculados a
ria
guardar no Banco de Dados. partir de outros atributos.
Fa
Por exemplo, o atributo Data de Caso tivéssemos no nosso modelo um
ta
os
Nascimento de uma entidade atributo armazenado Data de
Funcionário é armazenado. C
Nascimento, na entidade Funcionário
da
poderíamos ter um atributo derivado

n
idade, calculada a partir da data de

so
ob
nascimento.
R
53
72
• Atributo Chave (Determinante)

83
Existem alguns atributos cujos valores são distintos para cada elemento do
26
conjunto. Esses atributos são chamados de chaves. Uma chave é um

30
atributo único para cada elemento do conjunto, servindo para identificar

s5
ria
univocamente um elemento.
Fa
Como exemplo, o atributo CPF pode ser uma chave para a entidade
ta
Funcionário, pois diferencia cada funcionário de forma única dentro do

os
conjunto, já que dois funcionários não podem ter o mesmo CPF.

C
da
on
Relacionamentos
s
ob
R
Um relacionamento pode ser entendido como uma associação entre instâncias

de Entidades devido a regras de negócio.
Normalmente, um relacionamento é representado por um losango com um
verbo para indicar a ação de relacionamento.
Figura. Notação de Relacionamento

Ex.:
Por que o relacionamento é necessário?

• Quando existem várias possibilidades de relacionamento entre o par das
53
entidades e se deseja representar apenas um.
72
Quando ocorrer mais de um relacionamento entre o par de entidades
83
•
26
• Para evitar ambiguidade.
30
Quando houver auto-relacionamento.
s5
•
ria
Fa
Várias são as possibilidades de relacionamentos. Uma entidade pode participar
ta
os
de relacionamentos com quaisquer outras entidades do modelo, inclusive com
ela mesma. Nesse caso, diz-se que há um auto-relacionamento do conjuntoC
da
de entidades, como ilustrado no relacionamento ”chefiam” da figura seguinte.
n
so
ob
R
53
72
83
26
30
s5
ria
Fa
Figura. Exemplo de auto-relacionamento - Fonte: Ferreira, 2009.

ta
Outros exemplos de relacionamentos:

os
C
Bares vendem cervejas e são frequentados por apreciadores de

da
cerveja.
s on
ob
R
• O valor corrente de um conjunto de entidades é o conjunto de entidades

que pertence a ele. Exemplo: Conjunto de Entidades BAR={Muito Prazer,
Bigode, Churrasqueira, AeroPub...}.

• O valor de um relacionamento é o conjunto de pares de entidades que se

relacionam, de acordo com o mesmo.
Observe no exemplo seguinte que um relacionamento pode ter atributos
53
72
descritivos.
83
26
30
s5
ria
Fa
ta
No exemplo dado, o atributo salário não pertence nem à entidade filme e nem
os
à entidade estrela isoladamente, mas pertence ao relacionamento entre aC
da
estrela e o filme. Uma estrela em um filme diferente pode ter outro salário e
uma outra estrela do mesmo filme pode ter salário diferente.
n
so
Exemplo: “Rodrigo Santoro” no filme “As panteras” é uma estrela do filme e

ob
R
seu salário é de $ 500.000,00. A estrela “ Lucy Liu” também é estrela do filme

53
e tem salário de $1.000.000,00.

72
83
26
Cardimalidade
30
s5
Para definir o número de ocorrências de uma entidade usamos o conceito de

ria
Cardinalidade, que indica quantas ocorrências de uma Entidade participam no

Fa
mínimo e no máximo do relacionamento.

ta
• Cardinalidade Mínima: define se o relacionamento entre duas entidades é

os
obrigatório ou não. É o número mínimo de instâncias da entidade associada

C
da
que devem se relacionar com uma instância da entidade em questão. Usada

para indicar o tipo de participação da entidade em um relacionamento.
s on
ob
R

• Cardinalidade Máxima de uma entidade: é o número máximo de

instâncias da entidade associada que devem se relacionar com uma
instância da entidade em questão.
53
72
83
Note que a cardinalidade vai anotada do outro lado do relacionamento a que se
26
refere!
30
s5
A cardinalidade, então, representa o número máximo de elementos de
ria
uma entidade que se relacionam com elementos da outra entidade.
Fa
Assim, é definida como:
ta
os
- 1:1 (Um para um)
- 1:N (Um para muitos)
C
da
n
- N:1 (Muitos para um)

so
ob
- N:N (Muitos para muitos)

R
(observe que N é um número arbitrário que representa qualquer valor maior

53
que 1).
72
83
26
30
Alguns exemplos de Restrições de Mapeamento (cardinalidade):

s5
Um-para-um: uma entidade em A está associada no máximo a uma entidade

ria
em B e uma entidade em B está associada no máximo a uma entidade em A

Fa
ta
os
C
da
s on
ob
R
Obs: Chave estrangeira em uma das entidades

Um-para-muitos: uma entidade em A está associada a qualquer número de

entidades em B, enquanto uma entidade em B está associada no máximo a
uma entidade em A
53
72
83
26
30
s5
ria
Fa
ta
os
Obs.: Chave estrangeira na direção muitos.
C
da
n
Muitos-para-muitos: Uma entidade em A está associada a qualquer número

so
de entidades em B, e uma entidade em B está associada a qualquer número de

ob
entidades em A.
R
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R
Obs.: Requer tabela extra para representá-lo.

O número de entidades que participam de um tipo relacionamento é irrestrito e

armazenam muito mais informações do que diversos relacionamentos binários.
Dica: Como ler a cardinalidade nos relacionamentos?

Alguns modelos ER mostram somente a cardinalidade máxima, e outros
mostram a mínima e a máxima. Observe o modelo seguinte que apresenta a
cardinalidade mínima e a máxima.
53
72
• Parcialidade mínima: para um departamento ser criado, devem existir
83
pelo menos 10 empregados alocados!!
26
30
A leitura é feita da seguinte forma: você pega a primeira entidade, esquece a
s5
cardinalidade que está do lado dela e segue pelo relacionamento, lê a outra
ria
cardinalidade e chega até a próxima entidade.
Fa
Ou seja, a leitura é assim: UM(A) + ENTIDADE ORIGEM + RELACIONAMENTO
ta
os
+ CARDINALIDADE + ENTIDADE DESTINO
C
da
Veja o exemplo acima de relacionamento de ALOCAÇÃO de EMPREGADO no
DEPARTAMENTO:
n
so
ob
1. Partindo de DEPARTAMENTO para EMPREGADO, lê-se: Um DEPARTAMENTO

R
(Entidade Origem) ALOCA (relacionamento) de no mínimo 10 e no máximo N

53
(cardinalidade) EMPREGADO (Entidade Destino). Ou seja, um DEPARTAMENTO

72
tem que ter no mínimo 10 e no máximo N EMPREGADOS.

83
26
2. Partindo de EMPREGADO para DEPARTAMENTO: Um EMPREGADO (Entidade

30
Origem) É ALOCADO EM (relacionamento) no mínimo 1 e no máximo 1

s5
(cardinalidade) DEPARTAMENTO (Entidade Destino). Ou seja, um EMPREGADO

ria
só pode ser alocado em 1 e somente 1 (é o mesmo que no mínimo e no

Fa
máximo 1) DEPARTAMENTO.
ta
os
Pode-se incluir nos modelos entidade-relacionamento (MER) conjuntos de

C
entidades com diversas características em comum, diferenciando apenas em

da
algumas características. Nesse caso, pode-se usar o conceito de

on
generalização, onde se cria um conjunto de entidades genérico contendo as

s
características em comum, e de especialização em que se especializam

ob
R
(apresentam diferenças) nas características que são distintas.
Diagrama Entidade – Relacionamento (DER)

O DER é composto por um conjunto de objetos gráficos que visa representar
todos os objetos do modelo ER tais como entidades, atributos, atributos
chaves, relacionamentos, restrições estruturais, etc. O DER fornece uma visão
lógica do banco de dados, fornecendo um conceito mais generalizado de como
estão estruturados os dados de um sistema.

TIPO
ATRIBUTO
ENTIDADE
ATRIBUTO
TIPO ENTIDADE CHAVE
FRACA
ATRIBUTO
MULTI
TIPO VALORADO
RELACIONAMENTO
ATRIBUTO
COMPOSTO
53
TIPO
72
RELACIONAMENTO
83
IDENTIFICADOR ATRIBUTO
26
DERIVADO
30
s5
1 N
ria
E1 R E2 E1 R E2
Fa
Taxa de Cardinalidade 1:N Participação Parcial de E1 em R,
ta
para E1:E2 em R Participação Total de E2 em R
os
C
da
(min, max)
R E1
n
so
Restrição Estrutural (min,max) na

ob
Participação de E1 em R
R
53
72
Figura - Objetos que Compõem o Diagrama ER (Importante!)

83
26
30
**Abordagem Relacional
s5
ria
Abordagem de modelagem de dados utilizada nos SGBDs do tipo

Fa
relacional, criado por Codd em 1970.

ta
Modelagem a nível lógico.

os
C
O modelo relacional tem por finalidade representar os dados como

da
uma coleção de relações, em que cada relação é representada por uma

on
tabela, composta por linhas, colunas e chaves primárias,

s
ob
relacionadas por meio de chaves estrangeiras.

R
Opera com os dados organizados como um conjunto de tabelas

O conceito de tabela é o mais forte no modelo relacional.
Na terminologia do modelo relacional, cada tabela é chamada de
relação; uma linha de uma tabela é chamada de tupla; o nome de cada
coluna é chamado de atributo; o tipo de dado que descreve cada coluna
é chamado de domínio.

53
72
83
26
30
s5
ria
Fa
Tuplas
ta
os
Os atributos e seus valores descrevem as instâncias de uma entidade,
formando o que chamamos de tuplas ou registros. C
da
n
so
ob
R
53
72
83
26
30
s5
ria
Figura. Tuplas
Fa
No modelo relacional são consideradas as chaves:

ta
os
• Chave Primária: coluna ou combinação de colunas cujos valores

C
distinguem uma linha das demais dentro de uma tabela.

da
• Chave Estrangeira: coluna ou combinação de colunas, cujos valores

on
aparecem na chave primária (ou candidata) de uma tabela do banco. A

s
ob
chave estrangeira é o mecanismo que permite a implementação de

R
relacionamentos (navegabilidade) em um banco de dados

relacional!! Importante O termo chave estrangeira pode levar a crer que
está sempre referenciada a uma chave primária de outra tabela, mas em
certos casos ela pode estar referenciada a uma chave primária da mesma
tabela.

• Chave Alternativa: em certas situações mais de uma coluna ou

combinação de colunas servem para distinguir uma linha das demais dentro
de uma tabela. Se uma destas for escolhida como chave primária, as
demais serão chamadas de chaves alternativas. Não há qualquer
53
diferença entre usar as CódigoEmp ou CIC como chave primária (listada a
72
seguir).
83
26
30
s5
ria
Fa
ta
os
C
da
n
so
ob
R
Dependência Funcional
53
72
Um atributo Y é funcionalmente dependente de um atributo X se cada valor de

83
X tenha associado a ele precisamente um valor de Y. Quando o atributo X é

26
uma chave primária, então todos os atributos são, por definição, dependentes
30
de X, pois não podem existir dois registros com o mesmo valor para X.
s5
ria
Fa
Notação: R.x R.y (lê-se a coluna x da tabela relacional R

ta
os
funcionalmente determina (identifica) a coluna y.

C
da
on
A dependência funcional pode ser classificada em:

s
ob
• Total: um atributo é totalmente dependente de outro se ele for

R
funcionalmente dependente do outro e não dependente de um

subconjunto de outro.
• Parcial: um atributo é parcialmente dependente de outro se ele for
funcionalmente dependente de um subconjunto de outro.
Considere a tabela seguinte, em que a chave primária é formada pelos

atributos código-func + código-curso.
O atributo avaliação é dependente total da chave composta.

Já o atributo descrição-curso tem dependência parcial com relação a esta

chave, pois depende somente de parte dela, ou seja, de código-curso.
Normalização
• O processo de normalização pode ser visto como o processo no qual são
53
eliminados esquemas de relações (tabelas) não satisfatórios,
72
decompondo-os, através da separação de seus atributos em
83
esquemas de relações menos complexas mas que satisfaçam as
26
propriedades desejadas.
30
s5
• O processo de normalização, proposto inicialmente por Codd, conduz um
ria
esquema de relação através de uma bateria de testes para certificar se o
Fa
mesmo está na 1a, 2a e 3a Formas Normais. Estas três Formas
ta
Normais são baseadas em dependências funcionais dos atributos do
os
esquema de relação. C
da
Formas Normais Básicas

n
so
1ª Forma Normal
ob
R
Uma relação estará na 1ª FN se não houver atributo representando

53
agrupamento (não atômico) e nem atributo repetitivo (multivalorado).

72
2ª Forma Normal
83
26
Uma relação estará na 2ª FN, se e somente se, estiver na 1a FN e os

30
seus atributos não chaves forem dependentes funcionais completos da

s5
chave primária.
ria
Fa
3ª Forma Normal
ta
Uma relação estará na 3ª FN, se e somente se, estiver na 2 a FN e

os
todos os seus atributos não chaves forem dependentes não transitivos

C
da chave primária.
da
s on
ob
• 1a Forma Normal
R
A 1a Forma Normal prega que todos os atributos de uma tabela devem ser
atômicos (indivisíveis), ou seja, não são permitidos atributos
multivalorados, atributos compostos ou atributos multivalorados
compostos. Leve em consideração o esquema a seguir:
• CLIENTE
1. Código
2. { Telefone }
3. Endereço: ( Rua, Número, Cidade )

gerando a tabela resultante:

Telefone 1 Endereço
Cliente Código Telefone n Rua Número Cidade
sendo que a mesma não está na 1a Forma Normal pois seus atributos não são
atômicos. Para que a tabela acima fique na 1a Forma Normal temos que
eliminar os atributos não atômicos, gerando as seguintes tabelas como
resultado:
Cliente Código Rua Número Cidade
53
72
Cliente_Telefone Código_Cliente Telefone_Cliente
83
26
30
2a Forma Normal
s5
•
ria
A 2a Forma Normal prega o conceito da dependência funcional total. Uma
Fa
dependência funcional X Y é total se removemos um atributo A qualquer do
ta
componente X e desta forma, a dependência funcional deixa de existir.
os
A dependência funcional X Y é uma dependência funcional parcial se C
da
existir um atributo A qualquer do componente X que pode ser removido e a
n
dependência funcional X Y não deixa de existir.

so
ob
{ RG_Empregado, Número_Projeto } Horas

R
é uma dependência funcional total, pois se removermos o atributo

53
72
RG_Empregado ou o atributo Número_Projeto, a dependência funcional

83
deixa de existir.
26
Uma tabela T está na 2a Forma Normal se estiver na 1a Forma Normal e

30
todos os seus atributos não chaves forem totalmente funcionalmente

s5
dependente da chave primária C.

ria
Fa
Se uma tabela não está na 2a Forma Normal a mesma pode ser normalizada
ta
gerando outras tabelas cujos atributos que não façam parte da chave primária
os
sejam totalmente funcionalmente dependente da mesma, ficando a tabela na

C
2a Forma Normal.
da
s on
ob
• 3a Forma Normal
R
A 3a Forma Normal prega o conceito de dependência transitiva. Uma

tabela está na 3a Forma Normal se estiver na 2a Forma Normal e não
houver dependência transitiva entre atributos não chave.

Aspecto de Integridade
Restrição de Chave
• Uma relação deve ter pelo menos uma chave.
• Definição de chave: uma chave é um atributo ou conjunto de atributos
cujo valor ou combinação de valores deve ser distinto em qualquer
instância da relação.
• A existência de pelo menos uma chave é uma condição obrigatória,
tendo em vista que uma relação é definida como um conjunto de tuplas
53
72
e, todas as tuplas devem ter um valor distinto.
83
26
30
Restrição de Entidade
s5
• Especifica que nenhum valor de chave primária pode ser nulo.
ria
Fa
• Uma tupla em uma tabela que se refere a uma outra relação deve
ta
referenciar uma tupla existente naquela relação.
os
C
da
Outros Tipos de Restrições

n
so
• As restrições verificadas tratam somente das restrições estruturais.

ob
Existem as restrições de integridade semântica ou regras de negócio que

R
•
53
são implementadas por meio de gatilhos ou stored procedures

72
(procedimentos armazenados).
83
• Ex: o salário de uma atriz não pode ser maior que 1/3 do orçamento
26
total do filme.
30
s5
ria
Fa
Observações:
ta
STORED PROCEDURES
os
(procedimentos armazenados no banco).

C
da
Stored Procedure é uma sequência de comandos em SQL para

on
realização de diferentes tarefas repetitivas no banco, aceitando

s
parâmetros de entrada e retornando valores. Algumas das

ob
R
vantagens das Stored Procedures são: redução do tráfego na rede;

melhora do desempenho; criação de mecanismos de segurança e
backup.
TRIGGERS
(gatilhos).
Uma trigger é uma sub-rotina, parecida com uma stored
procedure, que tem como característica ser executada
automaticamente a partir de alguma ação realizada no banco de

dados. Geralmente utilizada com um tipo de proteção ao acesso

indiscriminado a dados de uma tabela. Quando há uma tentativa de
inserir, atualizar ou excluir os dados em uma tabela, e uma trigger
tiver sido definida na tabela para essa ação específica, ela será
executada automaticamente, não podendo nunca ser ignorada.
Restrições de integridade no Modelo Relacional

Integridade Lógica
• Conjunto de regras que existem para o modelo de dados, assim como
53
um conjunto de regras de negócio, que regem a manipulação do BD, de
72
forma a não ferir nenhuma destas regras estabelecidas.
83
26
30
Integridade Física
s5
ria
• Conjunto de procedimentos operacionais que garantem a integridade do
Fa
BD, mesmo em situações de falha de algum componente do ambiente
ta
onde o BD é manipulado.
os
• Exemplo: C
da
• Valor mínimo de depósito para abertura de uma conta R$10.000,00

n
so
• Conta corrente sem movimento há 180 dias será encerrada.

ob
R
Podem ser cumpridas e implementadas pelos SGBDs Relacionais, através

53
do mecanismo de Regras ou gatilhos (Triggers), hoje existentes no SQL.

72
83
26
Especificação de Banco de Dados Relacionais

30
A especificação de um banco de dados relacional (chamada de esquema do

s5
ria
banco de dados) deve conter no mínimo a definição do seguinte:

Fa
- Tabelas que formam o banco de dados

ta
os
- Colunas que as tabelas possuem

C
- Restrições de integridade
da
on
Na prática, na definição de esquemas relacionais são usadas diversas

s
notações, que variam de um SGBD para o outro.

ob
R

Independente do tipo de controle de concorrência efetuado o BD deve

garantir as propriedades ACID, listadas a seguir.
Atomicidade Uma transação é uma unidade atômica de processamento que

deve ser executada integralmente, ou totalmente desfeita.
Consistência A execução de uma transação deve levar o banco de dados de
um estado consistente a outro. Isto significa respeitar todas
as restrições de integridade como unicidade de chaves e
53
integridade referencial.
72
83
Isolamento A execução de uma transação não pode ser afetada por outras
26
sendo executadas concorrentemente, para isso suas
30
atualizações não devem ser efetivadas até que se tenha uma
s5
confirmação (COMMIT).
ria
Fa
Durabilidade Os efeitos de uma transação confirmada não podem ser
desfeitos, a menos que outra transação modifique tais dados,
ta
os
sendo que se deve prevenir falhas durante a efetivação da
transação. C
da
n
so
ob
Utilização das Linguagens de Definição e Manipulação de Dados

R
O SGBD possui um compilador DDL (Data Definition Language -

53
Linguagem de Definição de Dados) que permite a execução das

72
declarações para identificar as descrições dos esquemas e para armazená-las

83
no catálogo do Sistema Gerenciador.

26
30
Uma vez que o esquema esteja compilado e o banco de dados esteja populado
s5
(preenchido com dados), utiliza-se uma linguagem para fazer a manipulação

ria
dos dados, a DML (Data Manipulation Language – Linguagem de

Fa
Manipulação de Dados).
ta
os
Vamos a um entendimento da SQL (Structured Query Language

C
Linguagem de Consulta Estruturada) e linguagens de definição e

da
manipulação de dados!
s on
A SQL é agora a linguagem-padrão para os SGBDs relacionais comerciais. Isto

ob
decorre da sua simplicidade e facilidade de uso. Ela se diferencia de outras

R
linguagens de consulta a banco de dados no sentido em que uma consulta SQL

especifica a forma do resultado e não o caminho para chegar a ele. Ela é uma
linguagem declarativa em oposição a outras linguagens procedurais. Isto reduz
o ciclo de aprendizado daqueles que se iniciam na linguagem.

Terminologia Utilizada nesta Aula

• Uma relação é uma tabela.
• Um único registro será chamado de linha (tupla).
• Um atributo será chamado de coluna.
• A SQL usa os termos tabela, linha e coluna, em vez dos termos relação,
tupla e atributo, respectivamente, para o modelo relacional formal.
• Um valor individual existente na interseção de qualquer linha com coluna
será chamado de dado.
53
• Chave Primária (Primary Key): uma ou mais colunas com valores que
72
são únicos dentro da tabela e por isso podem ser usados para identificar as
83
linhas dessa tabela.
26
30
s5
Regras Básicas para Escrever Comandos SQL
ria
Fa
• Os comandos podem ser escritos em mais de uma linha;
ta
• Cláusulas diferentes são colocadas usualmente em linhas diferentes;
os
• Podem ser usadas tabulações; C
da
• Comandos podem ser escritos em letras maiúsculas ou minúsculas.

n
so
Alguns exemplos:
ob
R
select * from cliente; select SELECT *

53
* from cliente;
72
from cliente;
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R
**DDL – Data Definition Language ou Linguagem de Definição de

Dados
• Para a definição dos dados é utilizada uma DDL (Data Definition
Language – Linguagem de Definição de dados). Os comandos DDL
são armazenados no dicionário de dados (ou catálogo). Logo, o dicionário
de dados contém os metadados (dados a respeito das estruturas de
armazenamento) do banco.
• Os principais comandos da DDL são:
o CREATE TABLE: cria uma nova tabela com seus campos e define as
restrições de campo.
o CREATE INDEX: cria um novo índice em uma tabela existente.

o ALTER TABLE: altera as definições de campos e de restrições.
o CREATE DOMAIN: cria um tipo de dado definido pelo usuário.
o DROP TABLE: exclui uma tabela existente de um banco de dados
o DROP INDEX: exclui um índice existente de uma tabela.
• Criação de Tabelas
A criação do banco de dados deve começar com a criação das tabelas nas
53
quais os dados serão introduzidos. Para criar uma tabela em SQL, usa-se o
72
comando CREATE TABLE. O comando DDL para criar uma tabela deve conter
83
26
os nomes das colunas, os tipos dos seus dados e os tamanhos dos dados a
30
serem introduzidos.
s5
É a seguinte a sintaxe desse comando:
ria
Fa
ta
CREATE TABLE nome_da_tabela
os
(Nome_da_coluna1 tipo_do_dado (tamanho_do_dado) C
da
Nome_da_coluna2 tipo_do_dado (tamanho_do_dado)

n
so
...
ob
R
Nome_da_colunaN tipo_do_dado (tamanho_do_dado));

53
72
83
26
30
• Note que toda a descrição da coluna é colocada entre parênteses.

s5
• Na criação de tabelas é possível especificar vários tipos de restrições:

ria
Fa
o Chave Primária: PRIMARY KEY;

ta
o Chave Estrangeira: FOREIGN KEY;

os
C
o Chave Alternativa (ou alternada): UNIQUE;

da
o Restrição de Domínio: CHECK.

s on
Pode-se atribuir nomes às restrições de integridade:

ob
•
R
o CONSTRAINT NOME_RESTRIÇÃO TIPO RESTRIÇÃO.
• Criação de um Índice
Para criar um índice em uma tabela, o comando SQL é:
CREATE INDEX nome_do_índice

ON nome_da_tabela(nome_da_coluna);

O comando CREATE INDEX constrói o índice nome_do_índice na tabela

especificada. Os índices são utilizados, principalmente, para melhorar o
desempenho do banco de dados (embora a utilização não apropriada possa
resultar em uma degradação desse desempenho).
Você pode criar tantos índices quantos desejar em qualquer tabela. Você pode
ter um índice para cada coluna da tabela, assim como um índice para uma
combinação de colunas. Quantos índices e de que tipos você criará para uma
determinada tabela dependerá do tipo de consultas que você espera que sejam
dirigidas ao banco de dados e do tamanho deste. Excesso de índices pode ser
53
tão prejudicial quanto sua falta!
72
83
26
• Alteração de Tabelas
30
s5
Conforme ocorram novas situações ou novos dados sejam armazenados no
ria
banco de dados, a definição original de uma tabela pode tornar-se insuficiente.
Fa
A SQL permite-nos realizar diversas alterações em uma tabela, como:
ta
os
• incluir novas colunas em uma tabela; C
da
• excluir colunas existentes em uma tabela;
n
so
• adicionar a definição de uma restrição em uma tabela;

ob
• excluir a definição de uma restrição existente em uma tabela;

R
53
• modificar uma coluna.

72
A sintaxe para INCLUIR uma coluna é:

83
26
30
ALTER TABLE nome_da_tabela

s5
ria
ADD nome_da_coluna tipo_do_dado;

Fa
ta
os
A sintaxe para ALTERAR A LARGURA de uma coluna já existente é:

C
da
on
ALTER TABLE nome_da_tabela

s
ob
MODIFY nome_da_coluna tipo_do_dado

R
nova_largura;
Exemplos:
ALTER TABLE Telefone
DROP COLUMN Tipo;
ALTER TABLE TELEFONE

ADD CONSTRAINT TIPO_TELEFONE

CHECK (TIPO IN(‘Fixo’, ‘Movel’));

DROP CONSTRAINT TIPO_TELEFONE;

MODIFY (TIPO VARCHAR2(5));
53
72
83
Nota: para diminuir tamanho a coluna precisa estar vazia.
26
30
s5
ria
Fa
• Exclusão de Tabelas
ta
os
Para excluir uma tabela de um banco de dados, use o comando DROP TABLE
seguido do nome da tabela: C
da
n
so
DROP TABLE nomedatabela;

ob
R
53
72
Quando uma tabela é excluída por um comando SQL, como acima, todas as
83
visões e índices definidos sobre a tabela são automaticamente excluídos.

26
30
s5
Exemplo:
ria
DROP TABLE EMP;

Fa
ta
os
C
• Exclusão de Índices
da
Para EXCLUIR um índice, use o comando SQL DROP INDEX seguido do nome
on
do índice:
s
ob
R
DROP INDEX nome_do_índice

ON nome_da_tabela;
Se você tem índices definidos com o mesmo nome em tabelas diferentes, deve
usar a cláusula ON, como no exemplo acima, para indicar o índice que quer
eliminar.
Se há apenas um índice com este nome, então você não precisa especificar o
nome da tabela. O comando DROP abaixo será suficiente:

DROP INDEX nome_do_índice;
NOTA: A eliminação de um índice não elimina as tabelas ou visões

relacionadas com o índice.
**DML – Data Manipulation Language ou Linguagem de Manipulação

de Dados
53
• Após a carga dos dados nas tabelas criadas pelos comandos DDL, os
72
comandos de manipulação de dados tornam possível sua manipulação,
83
incluindo inserções, atualizações, exclusões e consultas (com a utilização
26
do comando SELECT da SQL).
30
s5
• A DML visa à manipulação de dados (incluir, alterar, excluir e consultar)
ria
por meio do usuário.
Fa
• Principais comandos:
ta
os
o SELECT: seleção de registros;
C
o INSERT: inserção de registros;
da
n
o UPDATE: atualização de registros;

so
ob
o DELETE: deleção de registros

R
53
72
• Inserção
83
26
A maioria dos sistemas trata a carga inicial no banco de dados de um grande

30
conjunto de dados numa operação genérica de carga. O comando SQL INSERT

s5
geralmente é usado para inserir linhas individuais de dados num banco de

ria
dados já existente.
Fa
A sintaxe desse comando é:

ta
os
C
da
INSERT
on
INTO nome_da_tabela (nome_da_coluna1, nome_da_coluna2,...)

s
ob
VALUES (‘valor1’, ‘valor2’, ...);

R
Se a lista de valores está na mesma sequência que as colunas na tabela e há

um valor para cada coluna da tabela, então a lista de nomes das colunas pode
ser omitida. Caso contrário, os nomes das colunas devem ser especificados
como mostrado acima.
Os valores inseridos devem ter o tipo compatível com o tipo da coluna na qual
estão sendo inseridos.
Valores do tipo CHAR devem estar entre aspas simples; valores do tipo NUM ou
do tipo NULL não devem ser colocados entre aspas simples.
Exemplos:
Insert Into PESSOA (CPF, NOME, SEXO)

values ('11122233344','Patricia', 'F');
Insert Into PESSOA (CPF, NOME, SEXO)
Select CPF, NOME, SEXO From Aluno
53
72
• Atualização
83
26
O comando UPDATE é usado para alterar valores em linhas já existentes. Sua
30
forma geral é:
s5
ria
Fa
UPDATE nome_da_tabela
ta
SET coluna1=novo_valor,
os
Coluna2=novo_valor, C
da
...
n
so
colunaN=novo_valor,
ob
R
WHERE condição;
53
72
83
A cláusula SET do comando UPDATE indica as colunas a serem alteradas e

26
quais os novos valores.

30
s5
O comando UPDATE atua em todas as linhas que satisfazem a condição

ria
especificada pela cláusula WHERE. A cláusula WHERE é opcional, mas, se for

Fa
omitida, todas as linhas serão atualizadas.

ta
Você pode atualizar várias colunas em cada linha com um único comando
os
C
UPDATE listando as várias colunas após a cláusula SET, conforme visto acima.
da
A cláusula WHERE no comando UPDATE pode conter uma subconsulta.

s on
ob
R
Exemplo:
UPDATE PESSOA
SET idade = 20
WHERE nome = ‘Maria’;
• Exclusão

O comando DELETE é usado para remover linhas de uma tabela. Sua forma
geral é:
DELETE
FROM nome_da_tabela
WHERE condição;
Você não pode excluir parcialmente uma linha, portanto não precisa especificar
os nomes das colunas no comando DELETE.
53
72
A cláusula WHERE determina que linhas serão eliminadas. Ela pode ser
83
complexa e incluir várias condições, conectores e/ou subconsultas.
26
Se você deseja excluir todas as linhas de uma tabela, omita a cláusula WHERE,
30
s5
como abaixo listado:
ria
Fa
DELETE
ta
os
FROM nome_da_tabela; C
da
n
O comando acima eliminará todas as linhas, deixando apenas as especificações

so
das colunas e o nome da tabela.

ob
R
53
72
• Recuperação Usando SELECT

83
A estrutura básica de uma consulta em SQL consiste em TRÊS

26
cláusulas: SELECT, FROM e WHERE.

30
s5
ria
Fa
ta
Assim, uma consulta típica em SQL tem a forma:

os
C
SELECT coluna1, coluna2, ..., colunaN

da
FROM nome_da_tabela
s on
WHERE condição;
ob
R
• A cláusula SELECT relaciona as colunas que se quer presentes no

resultado da consulta. Essa cláusula corresponde à operação de
projeção da álgebra relacional.
• A cláusula FROM corresponde à operação de produto cartesiano da

álgebra relacional. Ela associa a tabela ou tabelas que serão pesquisadas

durante a avaliação de uma expressão. Em outras palavras, é uma lista de

relações a serem varridas na execução da expressão.
• A cláusula WHERE corresponde à seleção do predicado da álgebra

relacional. Consiste em um predicado envolvendo atributos da relação que
aparece na cláusula FROM.
Nota!
53
• SELECT e a cláusula FROM são necessárias em todas as consultas
72
SQL. Devem aparecer antes de qualquer outra cláusula na
83
consulta.
26
30
• O resultado de uma consulta SQL é SEMPRE uma tabela.
s5
ria
Fa
Estrutura de uma Consulta Simples
ta
SELECT coluna1, coluna2, ..., colunaN
os
FROM nome_da_tabela C
da
[WHERE (expressão lógica)]

n
so
[GROUP BY (atributos de agrupamento)]

ob
R
[HAVING (condição de agrupamento)]

53
72
[ORDER BY (lista de atributos)]

83
26
30
• Where: filtra ANTES do agrupamento.

s5
ria
• Having: filtra DEPOIS do agrupamento.

Fa
ta
os
C
Expressões Tabulares (Cláusulas)

da
Expressões tabulares são cláusulas que são usadas para produzir tabelas. As
on
expressões tabulares suportadas pela SQL e seus propósitos são:

s
ob
Especifica o(s) nome(s) da(s) tabela(s) de onde deve(m) ser

R
FROM
selecionada(s) as linhas.
WHERE Especifica a condição ou condições que as linhas selecionadas
devem satisfazer.
GROUP BY Separa as linhas selecionadas nos grupos especificados.
HAVING Estabelece as condições que cada grupo exibido deve
satisfazer.
ORDER BY Especifica a ordem em que as linhas selecionadas serão
exibidas (individualmente ou em grupo).

A cláusula FROM é necessária para uma consulta SQL; as cláusulas WHERE,

GROUP BY, HAVING e ORDER BY são opcionais.
Exemplos:
SELECT * From PESSOA;
SELECT CPF, NOME, SEXO, IDADE

FROM PESSOA
53
72
WHERE sexo = ‘M’ or sexo = ‘F’;
83
26
30
s5
SELECT CPF, NOME, SEXO, IDADE
ria
Fa
FROM PESSOA
ta
WHERE IDADE > ANY (10,20,30);
os
ou C
da
WHERE IDADE > ALL (10,20,30);

n
so
ob
R
SELECT CPF, NOME, SEXO

53
72
FROM PESSOA
83
WHERE nome LIKE ‘P%’;

26
30
s5
ria
Observe o uso do LIKE no exemplo acima. LIKE determina se uma cadeia

Fa
de caracteres específica corresponde a um padrão especificado. Um

ta
padrão pode incluir caracteres normais e curingas.

os
Durante a correspondência de padrões, os caracteres normais devem

C
da
corresponder exatamente aos caracteres especificados na cadeia de

caracteres. No entanto, os caracteres curinga podem ser correspondidos a
s on
fragmentos arbitrários da cadeia de caracteres.

ob
R

53
72
83
26
30
s5
ria
Criação de Visões
Fa
Uma visão (view) pode ser considerada como uma maneira alternativa de
ta
observação de dados de uma ou mais entidades (tabelas). Pode ser
os
considerada também como uma tabela virtual ou uma consulta armazenada. C
da
As vantagens de se usar views são:

n
so
• permite economizar tempo, evitando retrabalho;

ob
aumenta a velocidade de acesso aos dados;

R
•
53
• esconde a complexidade do banco de dados;

72
83
• simplifica a gerência de permissão de usuários; e

26
• organiza os dados a serem exportados.

30
s5
Uma vez que a view é gerada, o seu conjunto de dados é armazenado em uma
ria
tabela temporária (virtual), tornando o acesso às informações mais rápido.

Fa
Deve-se ressaltar que uma view não existe fisicamente, é uma tabela virtual.
ta
No entanto, os dados contidos em uma view podem ser modificados

os
C
normalmente.
da
Para criar uma visão, você seleciona apenas as colunas da tabela (ou tabelas)
on
básica em que está interessado.

s
ob
Para definir uma visão, você deve dar um nome para a visão e então
R
estabelecer a consulta contendo os nomes das colunas e as especificações que

constituirão a visão.
A sintaxe é:
CREATE VIEW nome-de-visão [ (nomes_das_colunas_da_visão) ]

AS (expressão da consulta);
onde (expressão da consulta) é um comando SELECT FROM.

Exemplo:
CREATE VIEW Empregados_Sede
AS SELECT (Nome, Endereco, Sexo, Data-nasc)
FROM EMPREGADO
Projeto de Bancos de Dados

Visão geral das etapas!!
53
72
1.Construir o Modelo Conceitual.
83
26
Modelo de alto nível, independente da implementação.
30
Etapa de levantamento de dados.
s5
ria
Uso de uma técnica de modelagem de dados.
Fa
Abstração do ambiente de hardware/software.
ta
os
C
2.Construir o Modelo Lógico.
da
n
Modelo implementável, dependente do tipo de SGBD a ser usado.

so
ob
Considera as necessidades de processamento.

R
Considera as características e restrições do tipo de SGBD.

53
72
Etapa de normalização dos dados.

83
26
30
3.Construir o Modelo Físico.

s5
ria
Modelo implementável, com métodos de acesso e estrutura física.

Fa
Considera necessidades de desempenho.

ta
os
Considera as características e restrições do SGBD.

C
Dependente das características de hardware/software.

da
s on
ob
4.Avaliar o Modelo Físico.

R
Avaliar o desempenho das aplicações.

Avaliar os caminhos de acesso aos dados e estruturas utilizadas.
5.Implementar o BD.
Etapa de carga (load) dos dados.
Gerar as interfaces com outras aplicações.

Conceitos de Administração e Tuning

Pode-se observar atualmente um incremento da demanda por SGBDs, bem
como um crescimento do volume de dados que estes sistemas devem
gerenciar e a complexidade de suas aplicações.
Neste cenário, realizar operações, de forma EFICIENTE, é um desafio, pois
podem ocorrer instalações com o uso de valores padrões, sem levar em
consideração o tipo de aplicação para o qual serão utilizados, o hardware, e
até mesmo o sistema operacional. Assim, nem sempre se obtém o melhor
desempenho do sistema, visto que diversos parâmetros podem ainda ser
considerados e ajustados.
53
72
Nesse caso, pode-se prestar atenção às observações que devem ser realizadas
83
durante a fase de projeto, como as que envolvem o volume esperado de dados
26
em cada relação do sistema e quais consultas serão realizadas com mais
30
frequência.
s5
ria
Segundo pesquisa realizada, a prática tem mostrado que na maioria dos
Fa
sistemas o seu real desempenho só pode ser conseguido após algum tempo de
uso, e muitas das considerações que os projetistas haviam feito podem
ta
os
mostrar-se incorretas. Após um banco de dados ter sido desenvolvido e estar
C
em operação, o uso real das aplicações, das transações, das consultas e das
da
visões revela fatores e áreas de problemas que podem não ter sido
n
so
considerados durante o projeto físico inicial.

ob
Nesse contexto, uma fase subsequente de ajuste do sistema torna-se

R
necessária, com base em dados reais de seu comportamento, com o objetivo

53
de maximizar o desempenho e a estabilidade. Esta fase é chamada de

72
database tuning ou simplesmente tuning.

83
26
Assim, é necessário monitorar e revisar o projeto físico de banco de dados

30
constantemente. Os objetivos da sintonia (ou tuning) são os seguintes:

s5
ria
• fazer com que as aplicações sejam executadas mais rapidamente,

Fa
• diminuir o tempo de resposta de consultas/transações e

ta
os
• melhorar o desempenho geral das transações.

C
da
on
A linha divisória entre o projeto físico de um banco de dados e sua sintonia é

s
muito pequena. As mesmas decisões de projeto são revisadas na fase de

ob
R
sintonia, que é um ajuste continuado do projeto.

As informações de entrada para o processo de sintonização incluem estatísticas
relacionadas a diversos fatores. Em particular um SGBD pode coletar
internamente as seguintes estatísticas: tamanho de tabelas individuais;
número de valores distintos em uma coluna; número de vezes que uma
consulta ou transação em particular é submetida/executada em um intervalo
de tempo. Essas e outras estatísticas criam um perfil do conteúdo e do uso de
banco de dados.
Outras informações obtidas a partir do monitoramento das atividades do
sistema de banco de dados incluem estatísticas de armazenamento,

estatísticas de desempenho de entrada/saída, estatísticas de processamento

de consultas (tempos de execução de consultas, etc.), estatísticas relacionadas
a bloqueios/registro de log, etc. Muitas dessas estatísticas acima se referem a
transações, ao controle de concorrência e a recuperação de dados.
Mas a sintonia de bancos de dados envolve tratar diretamente os
seguintes tipos de problema: como evitar excessivas disputas por
bloqueios, aumentando, de modo, a concorrência entre as transações,
como minimizar a sobrecarga de registrar logs e o armazenamento
desnecessário de dados, como otimizar o tamanho do buffer e o
escalonamento de processos e ,finalmente, como alocar recursos tais
53
como discos, memória e processos para uma utilização mais eficiente.
72
A maioria desses problemas mencionados pode ser resolvida por meio de
83
ajuste apropriado de parâmetros físicos do SGBD, da alteração das
26
configurações de dispositivos, da alteração de parâmetros do sistema
30
s5
operacional e de outras atividades similares.
ria
Fa
Conceitos de Soluções de Suporte à Decisão
ta
os
C
da
Mineração de Dados
n
so
De 1990 em diante, o volume de informações armazenadas em meio eletrônico

ob
cresceu aceleradamente. Estudos mostram que a quantidade de informação

R
no mundo dobra a cada 20 meses, e como consequência o tamanho e a

53
quantidade de banco de dados espalhados pelo mundo cresce ainda mais

72
aceleradamente.
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
Figura. O Tsunami de Dados, O que é e como nos afeta?

R
“Estamos nos afogando em informação mas com sede de

conhecimento” – John Naisbitt, Megatrends (1984).
E que valor tem esses dados armazenados? Por que tanta informação precisa
ser mantida de modo cumulativa e não é simplesmente descartada pouco
tempo depois do seu uso?
O fato é que nesse meio há um amontoado de dados que estão
gravados nos bancos de dados e também há muita informação não
explorada que poderia ser de grande valia para o suporte às decisões
nas grandes corporações, governos, universidades e outros.
Há nesse enxame de dados, tidos como desnecessários por alguns, padrões e

tendências que se descobertos podem ser úteis para entender e otimizar os
processos de negócio em empresas, ajudar a entender melhor os resultados de
experiências científicas, colaborar com a medicina no entendimento e
tratamento de casos de epidemias, e muitos outros.
É justamente nesse cenário que entra em cena o Data Mining (Mineração de
Dados). Pode ser entendido também como um campo de estudo que procura
encontrar informações que estão implícitas, ou seja, procura padrões e
tendências ocultas em base de dados.
Um exemplo de Data Mining muito comum são as previsões meteorológicas,
53
em que é utilizado como forma de prever as alterações climáticas. Para tanto,
72
são analisados os registros climáticas dos últimos 10 a 20 anos e procura-se
83
identificar os padrões de alterações climáticas nesses períodos a fim de se
26
conseguir prever as próximas alterações. Assim, o Data Mining exerce a função
30
s5
de identificar padrões e tendências meteorológicas.
ria
Esse novo campo de estudos que é o Data Mining já é tido como crítico para os
Fa
negócios das grandes empresas e continua a crescer, já que o uso das
ta
informações obtidas através de mineração de dados tornou-se imprescindível
os
para a sustentação da competitividade no ambiente comercial dos dias deC
da
hoje. E também, alia-se a isso, o fato de que com o armazenamento de
grandes quantidades de dados num local comum e também o contínuo avanço
n
so
da capacidade de processamento dos computadores, os empresários passaram

ob
a procurar por tecnologias para extração de informação útil em meio aos

R
infindáveis amontoados de dados.

53
72
83
26
O Processo de Descoberta de Conhecimento em Base de Dados (KDD -

30
Knowledge Discovery in Databases)

s5
• “É o processo não trivial de identificação de padrões/modelos em dados

ria
que sejam válidos, novos, potencialmente úteis e compreensíveis.”

Fa
ta
• “É uma tarefa cujo uso de conhecimento é intensivo, consistindo de

os
complexas interações, prolongadas no tempo, entre uma pessoa e um

C
banco de dados, possivelmente suportada por um conjunto heterogêneo de

da
ferramentas.”
s on
KDD é pluridisciplinar pois envolve banco de dados, técnicas de estatísticas,

ob
redes neurais, de aprendizado de máquinas, de reconhecimento de padrões e

R
de visualização de dados.
Fayyad et al. (1996) destaca o processo de descoberta de conhecimento de
forma mais simplificada, baseada em três etapas: Preparação, Data Mining e
Análise de Dados. Vejamos cada uma delas:
• Preparação: É a etapa que trata de preparar os dados antes de serem
submetidos às técnicas de Data Mining. Nessa etapa os dados são
selecionados (Quais dados são importantes?), purificados (Retirar as
inconsistências e incompletude de dados) e pré-processados
(Reapresentá-los de uma forma adequada para o processo de Data Mining).

Esse passo é executado sob a supervisão de um especialista, pois é

necessária a colaboração de uma pessoa apta para definir quais dados são
relevantes e também
ambém para definir o que fazer com os dados antes de
utilizá-los
los no Data Mining.
• Data Mining: É a etapa em que os dados preparados são processados, ou
seja, é onde se faz a mineração dos dados propriamente dita. O principal
objetivo desse passo é transformar
transformar os dados de uma maneira que permita a
identificação mais fácil de informações importantes. O que se tenta fazer
nessa etapa é identificar padrões de comportamento, por exemplo, pode ser
verificado que 75% dos clientes de um supermercado que compram um
53
produto
roduto X também compram um produto Y. Essa informação pode levar as
72
empresas a criarem novos planos de marketing em cima dos produtos X e
83
Y. Portanto, esses padrões e associações, vão compor o conhecimento da
26
empresa sobre o negócio em que atua, ajudando-a
ajudando a obter maiores lucros e
30
aumentar a satisfação de seus clientes.
s5
ria
O Data Mining é uma etapa do KDD em que são aplicadas técnicas
Fa
para identificação de padrões sobre os dados disponíveis. Tais dados
ta
estão disponíveis em meios digitais, e comumente são trabalhados
traba os dados
os
que estão em bases de dados. Mais adiante estudaremos as principais
técnicas que podem ser aplicadas nos processos de Data Mining.
C
da
Esse processo como um todo tem o intuito de trabalhar os dados

n
so
registrados ao longo do tempo de vida de um negócio

negócio a fim de se identificar
ob
padrões que representam alguma informação sobre o comportamento do

R
negócio. E em função dessas informações busca-se

busca se identificar conhecimento
53
que possa conduzir a melhores decisões sobre o negócio. Esse processo

72
83
de Descoberta de e Conhecimento sendo repetido continuamente

26
resultará em sabedoria sobre o domínio de negócio para os

30
tomadores de decisões.
s5
ria
Fa
ta
os
C
da
s on
ob
R
Fonte: Navega, 2002

Nota
O que é DADO?
◦ Dado é a estrutura fundamental sobre a qual um sistema de informação é
construído.
O que é INFORMAÇÃO?

◦ A transformação de dados em informação é frequentemente realizada através

da apresentação dos dados em uma forma compreensível ao usuário.
O que é CONHECIMENTO?
◦ Fornece a capacidade de resolver problemas, inovar e aprender baseado em
experiências prévias.
◦ Uma combinação de instintos, ideias, regras e procedimentos que guiam as
ações e decisões.
Importante observar...
◦ Dado NÃO é Informação.
53
72
◦ Informação não é Conhecimento.
83
26
◦ Conhecimento não é Inteligência.
30
◦ Inteligência não é Sabedoria.
s5
ria
• Análise de Dados: Aqui o resultado do Data Mining é avaliado, com o
Fa
objetivo de determinar se algum conhecimento adicional foi descoberto,
ta
assim como definir a importância dos fatos gerados. Nessa etapa, várias
os
formas de análise podem ser utilizadas, por exemplo: o resultado do Data
C
Mining pode ser expresso em um gráfico, em que análise dos dados passa a
da
ser uma análise do comportamento do gráfico.

n
so
ob
R
Processo de Descoberta de Conhecimento

53
72
Preparação Data Análise de

83
Mining Dados
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R
Padrões e Entendimento de
Dados Tendências
Mercado e
Transformados Previsões
Dados Pré (Purificados)
Dados Processados
Selecionados
Dados
Originais
Figura. Etapas do Processo de Descoberta de Conhecimento

A figura seguinte ilustra o processo proposto por Usama Fayyad, Gregory

Piatetsky-Shapiro e Padhraic Smyth (1996).
53
72
83
26
Figura. Processo de KDD. Adaptação da proposta realizada por Usama Fayyad,
30
s5
Gregory Piatetsky-Shapiro e Padhraic Smyth (1996)
ria
O processo de KDD é interativo (pois o usuário pode intervir e controlar o
Fa
curso das atividades) e iterativo (por ser uma sequência finita de operações
ta
em que o resultado de cada uma é dependente dos resultados das que a
os
precedem). C
da
A seguir, daremos uma visão geral de cada uma das fases.

n
so
**Entendimento do domínio da aplicação e identificação do objetivo do

ob
processo de KDD.
R
53
72
**Seleção dos dados

83
26
A fase de seleção dos dados é a primeira no processo de descobrimento de

30
informação. Nesta fase é escolhido o conjunto de dados, pertencente a um

s5
domínio, contendo todas as possíveis variáveis (também chamadas de

ria
características ou atributos) e registros (também chamados de casos ou

Fa
observações) que farão parte da análise. Normalmente a escolha dos dados

ta
fica a critério de um especialista do domínio.

os
C
O processo de seleção é bastante complexo, uma vez que os dados podem vir
da
de uma série de fontes diferentes (data warehouses, planilhas, sistemas

on
legados) e podem possuir os mais diversos formatos. Este passo possui

s
ob
impacto significante sobre a qualidade do resultado do processo.

R
**Pré-processamento e limpeza dos dados

Esta é uma parte crucial no processo, pois a qualidade dos dados vai
determinar a eficiência dos algoritmos de mineração. Nesta etapa deverão ser
realizadas tarefas que eliminem dados redundantes e inconsistentes,
recuperem dados incompletos e avaliem possíveis dados discrepantes ao
conjunto (outliers). Mais uma vez o auxílio do especialista do domínio é
fundamental. Nesta fase também são utilizados métodos de redução ou
transformação para diminuir o número de variáveis envolvidas no processo,
visando com isto melhorar o desempenho do algoritmo de análise.
-Dados ausentes (missing values)

Um problema bastante comum nesta fase é a ausência de valores para
determinadas variáveis. Em outras palavras, registros com dados incompletos,
seja por falhas no processo de seleção ou de revisão. O tratamento destes
casos é necessário para que os resultados do processo de mineração sejam
confiáveis. Existem basicamente três alternativas de solução para esse
problema: usar técnicas de imputação (fazer a previsão dos dados ausentes e
completá-los individualmente); substituir o valor faltante pela média aritmética
da variável; excluir o registro inteiro.
-Dados discrepantes (outliers)
53
72
Dados que possuem valores extremos, atípicos ou com características bastante
83
distintas dos demais registros são chamados de discrepantes, ou outliers.
26
Normalmente, registros que contêm valores outliers são descartados da
30
amostra, porém isto só deve ocorrer quando o dado outlier representar um
s5
erro de observação, de medida ou algum outro problema similar.
ria
Fa
O dado deve ser cuidadosamente analisado antes da exclusão, pois embora
ta
atípico, o valor pode representar um dado verdadeiro. Outliers podem
os
representar, por exemplo, um comportamento não usual, uma tendência ou C
ainda transações fraudulentas.
da
n
-Dados derivados
so
ob
Muitas das variáveis de uma população apresentam relacionamentos entre si.

R
Sendo assim, se houver a necessidade de dados que não estejam disponíveis,

53
é possível tentar obtê-los através da transformação ou combinação de outros.

72
Estes dados são chamados de dados derivados. Um exemplo de um dado que

83
pode ser calculado a partir de outro é a idade de um indivíduo, que pode ser
26
encontrada a partir de sua data de nascimento.

30
s5
ria
Fa
**Transformação dos dados

ta
Após serem selecionados, limpos e pré-processados os dados necessitam ser

os
armazenados e formatados adequadamente para que os algoritmos de

C
aprendizado possam ser aplicados. Em grandes corporações é comum

da
encontrar computadores rodando diferentes sistemas operacionais e diferentes

on
Sistemas Gerenciadores de Bancos de Dados (SGDB). Estes dados que estão

s
ob
dispersos devem ser agrupados em um repositório único.

R
**Mineração de dados (Data Mining)

Todas as etapas do processo de KDD possuem grau elevado de importância
para o sucesso do mesmo. Entretanto, é a etapa de Mineração de Dados (data
mining) que recebe o maior destaque na literatura.
Conforme BERRY e LINOFF (1997), data mining é a exploração e análise,
de forma automática ou semi-automática, de grandes bases de dados
com objetivo de descobrir padrões e regras. O objetivo principal do
processo de data mining é fornecer as corporações informações que a

possibilitem montar melhores estratégias de marketing, vendas e suporte,

melhorando assim os seus negócios.
**Interpretação e avaliação
Esta é mais uma fase que deve ser feita em conjunto com um ou mais
especialistas no assunto. O conhecimento adquirido através da técnica de data
mining deve ser interpretado e avaliado para que o objetivo final seja
alcançado.
Caso o resultado não seja satisfatório, o que não é raro, o processo pode
53
retornar a qualquer um dos estágios anteriores ou até mesmo ser recomeçado,
72
conforme pode ser observado na Figura.
83
26
Duas das ações mais comuns caso o resultado não seja satisfatório são:
30
modificar o conjunto de dados inicial e/ou trocar o algoritmo de data mining
s5
(ou ao menos alterar suas configurações de entrada).
ria
Fa
ta
**Agir a partir do conhecimento descoberto.
os
C
da
O processo de KDD segundo outros autores, como Terra (2000) pode ser visto
n
a seguir:
so
ob
R
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
Figura. Proposta de processo de KDD (TERRA, 2000)

R

53
72
Figura. Metodologia CRISP-DM (CRoss Industry Standard Process for Data
83
26
Mining), obtido em www.crisp-dm.org
30
A seguir destacamos uma visão geral do ciclo de vida de um projeto de
s5
mineração de dados destacado na figura anterior.
ria
Fa
Entendimento do Foco no entendimento do negócio que visa obter
ta
Negócio conhecimento sobre os objetivos do negócio e seus
os
requisitos.
C
da
Seleção dos Dados Consiste no entendimento dos dados, que visa à
n
familiarização com o banco de dados pelo grupo de

so
projeto, utilizando-se de conjuntos de dados "modelo".

ob
R
Limpeza dos Fase de preparação de dados, que consiste na

53
Dados preparação dos dados buscando a limpeza, a

72
transformação, a integração e a formatação dos dados

83
da etapa anterior.
26
30
Modelagem dos Fase que consiste na modelagem dos dados, a qual visa
s5
Dados a aplicação de técnicas de modelagem sobre o conjunto

ria
de dados preparado na etapa anterior.

Fa
Técnicas são baseadas em conceitos de:

ta
os
– Aprendizagem de máquina;
C
da
– Reconhecimento de padrões;
on
– Estatística.
s
ob
Avaliação do Visa garantir que o modelo gerado atenda às

R
processo expectativas da organização. Os resultados do processo

de descoberta do conhecimento podem ser mostrados
de diversas formas.
Execução Esta fase consiste na definição das fases de implantação
do projeto de Mineração de Dados.
Em outra visão temos:

53
72
83
26
30
s5
Figura. Fonte: Cavalcanti (2012)
ria
Fa
ta
Mineração de Dados (Data Mining)x DataWarehouse
os
Nesse momento, cabe destacar a diferença entre o Data Mining e o Data C
da
Warehouse, cobrada pela ESAF.
n
so
• DataWarehouse (DW) – propõe sustentar a tomada de decisão com

ob
dados. Trata-se de uma coleção de dados orientada por assunto,

R
integrada, não-volátil, variante no tempo, que dá apoio às decisões da

53
administração.
72
83
o Orientado a assunto: refere-se ao fato do Data Warehouse (DW)

26
ser organizado conforme diferentes visões de negócio, ou seja,

30
armazena informações sobre temas específicos importantes para o

s5
negócio da empresa.Ex: Vendas, Compras, etc.

ria
Fa
o Integrado: a partir de fontes de dados heterogêneas.

ta
o Não volátil: os dados são sempre inseridos, nunca excluídos. Em um

os
DW não existem alterações de dados, somente a carga inicial e as

C
consultas posteriores.
da
on
o Variável com tempo: posições históricas das atividades no tempo.

s
ob
O Data Warehouse é um armazém centralizado de dados, ou seja, um

R
banco de dados ou um agrupamento de bases de dados que contêm dados

sobre os negócios organizados por assunto.
Por exemplo, uma indústria automotiva poderia ter um Data Warehouse
com uma base dados destinada a armazenar registros inerentes ao setor de
Vendas. Poderia haver também uma outra base dados que contivesse dados
inerentes ao departamento de Produção de Automóveis. A cada uma
dessas bases de dados dar-se o nome de Data Mart, e ao
agrupamento de todos esses Data Marts damos o nome de Data
Warehouse.

• Os processos de Data Mining são muito facilitados quando a empresa já

possui seu Data Warehouse bem estruturado. É justamente por isso, que
esses dois termos Data Warehouse e Data Mining caminham tão juntos.
Pois, as empresas comumente irão primeiramente amadurecer seus
processos de organização dos dados sobre o negócio e agrupá-los por
assunto, formando seus Data Marts e em seguida compondo seu Data
Warehouse, para após, iniciar seus processos de Data Mining a fim de
encontrar algum conhecimento de valor em meio aos dados sobre o
negócio.
A utilização de um data warehouse ajuda o KDD de duas formas
53
importantes:
72
Preparação dos dados: como as organizações são forçadas a pensar
83
•
sobre uma visão lógica unificada da grande variedade de dados e bases de
26
dados que elas possuem, elas têm que lidar com as questões de
30
s5
mapeamento de dados para uma convenção única de nomes, representação
ria
uniforme e manipulação de dados faltosos, e manipulação de ruídos e erros
Fa
quando possível.
ta
Acesso aos dados: métodos uniformes e bem definidos devem ser criados
os
•
para acessar os dados e fornecer caminhos de acesso aos dados que eram
C
da
historicamente difíceis de obter.
n
Uma vez que as organizações e indivíduos resolveram o problema de como

so
ob
armazenar e acessar os dados, o próximo passo natural é a questão “o que

R
fazer com todos estes dados?” Aqui é onde as oportunidades para o KDD
53
surgem naturalmente. Além disso, se o problema envolve pessoas, então

72
devem ser realizadas as devidas considerações em relação à privacidade.

83
26
30
Data Mining (ou Mineração de Dados)

s5
ria
Nos seus primeiros anos o Data Mining foi popularmente tratado como
Fa
sinônimo de Descoberta de Conhecimento em Base de Dados (da sigla em

ta
inglês KDD - Knowledge Discovery in Databases). Mas na visão de muitos

os
pesquisadores Data Mining deve ser entendido como um passo da

C
descoberta de conhecimento, independentemente se será sobre uma

da
base de dados ou sobre quaisquer outros repositórios de

on
conhecimento.
s
ob
O Data Mining (Mineração de Dados) é entendido como o processo de

R
identificar informações relevantes, tais como padrões, associações,

mudanças, anomalias e estruturas, em grandes conglomerados de
dados que estejam em banco de dados ou outros repositórios de
informações.
“A mineração de dados é um campo interdisciplinar que reúne
técnicas de aprendizado de máquina, reconhecimento de padrões,
estatísticas, banco de dados e visualização para abordar a questão
da extração de informações a partir de grandes bases de dados”
(Evangelos Simoudis, citado em Daniel T. Larose, Discovering
Knowledge in Data – An Introduction to Data Mining).

Fayyad (Fayyad et al. 1996) sintetiza Data Mining como “o processo não-
trivial de identificar, em dados, padrões válidos, novos,
potencialmente úteis e ultimamente compreensíveis”.
Importante
-Mineração de Dados (ou Data Mining)-
Etapa do processo de KDD. Corresponde à execução de um algoritmo
particular que, sob algumas limitações aceitáveis de eficiência computacional,
encontra padrões ou modelos nos dados.
É o processo de análise de conjuntos de dados que tem por objetivo a
53
descoberta de padrões interessantes e que possam representar
72
informações úteis.
83
26
Um conceito já cobrado pela banca foi proposto na edição antiga do livro “Data
30
Mining Techniques: For Marketing, Sales, and Customer Support” , listada a
s5
seguir:
ria
Fa
ta
Caiu em prova!
os
C
A mineração de dados é a exploração e análise, por meios automáticos ou
da
semiautomáticos, de grandes quantidades de dados a fim de descobrir

n
padrões e regras significativas (1997).

so
ob
Na edição mais atual do livro o conceito é o seguinte:

R
53
A mineração de dados é um processo de negócio para explorar grandes

72
quantidades de dados para descobrir padrões e regras significativas

83
(2011).
26
30
s5
Motivos que Potencializam o Uso do Data Mining

ria
Fa
• O volume de dados disponível atualmente é enorme.

ta
Os dados estão sendo organizados.

os
•
C
• Os recursos computacionais estão cada vez mais potentes.

da
A competição empresarial exige técnicas mais modernas de decisão.

on
•
s
Programas comerciais de mineração de dados já podem ser adquiridos.

ob
•
R
Quando a Mineração de Dados é mais Indicada?

Hoje praticamente não existe nenhuma área de conhecimento em que técnicas
de data mining não possam ser usadas. Entretanto existem áreas onde o uso
tem sido mais frequente, como por exemplo:
Marketing: redução dos custos com o envio de correspondências através
de sistemas de mala direta a partir da identificação de grupos de clientes
potenciais;

Detecção de fraude: reclamações indevidas de seguro, chamadas

clonadas de telefones celulares, compras fraudulentas com cartão de
crédito;
Produção: empresas desenvolvem sistemas para detectar e diagnosticar
erros na fabricação de produtos. Estas falhas são normalmente agrupados
por técnicas de Análise de Agrupamentos.
As áreas em que as aplicações de mineração de dados são mais bem sucedidas
possuem estas características:
• exigem decisões baseadas em conhecimento;
53
• possuem um ambiente em mudança constante;
72
83
• possuem dados acessíveis, suficientes, e relevantes;
26
• fornece um retorno significativo para decisões corretas.
30
s5
Business Intelligence (BI)
ria
Refere-se ao processo para tomada de decisões em uma empresa, sendo de
Fa
elevada importância a existência de um repositório próprio para os dados
ta
consolidados e já transformados em “informação real”, que pode ser um Data
os
Warehouse ou um Data Mart por exemplo. C
da
Nesse contexto, duas aplicações são identificadas: a primeira, que sustenta o

n
so
negócio por meio de ferramentas OLTP (On Line Transaction Processing), e a

ob
segunda, que analisa o negócio por meio de ferramentas OLAP (On Line
R
Analytical Processing).
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R

53
72
Finalizando, cabe destacar que os sistemas OLTP registram as transações,
83
enquanto que os sistemas OLAP realizam uma análise minuciosa dos dados
26
brutos, extraindo informações variadas para a tomada de decisões. Através
30
dos padrões desenhados pelas ferramentas de OLAP, é possível analisar
s5
ria
tendências de mercado, padrões de comportamento dos clientes, dentre
Fa
outros.
ta
os
Conceitos de GED, Workflow e Gestão de Conhecimento C
da
GED (Gerenciamento Eletrônico de Documentos) é um conjunto de

n
so
tecnologias que permitem a uma empresa administrar seus documentos em

ob
forma digital (CENADEM, 2009). Esses documentos podem ser papéis,

R
imagens, sons, microfilmes e arquivos já criados na forma digital, como

53
planilhas eletrônicas, arquivos de textos, desenhos de engenharia, e-mails,

72
entre outros.
83
26
Segundo o Gartner Group (BALDAM, CAVALCANTI e VALLE, 2002), GED é a

30
tecnologia que provê um meio de facilmente armazenar, localizar e recuperar

s5
informações existentes em documentos e dados eletrônicos, durante todo o

ria
seu “Ciclo de Vida”. A Ilustração seguinte mostra as fases do ciclo de vida

Fa
documental, as quais serão detalhadas a seguir, e podem variar de acordo com

ta
a situação, o negócio da empresa ou o tipo do documento (RIOS, 2005):

os
C
• criação: pode ser feita a partir de uma aplicação, como um editor de texto,
da
por exemplo, ou pela captura através da digitalização ou importação;

on
alteração: o documento pode ser alterado diversas vezes até chegar na

s
•
ob
versão ideal. As diversas versões devem ser controladas, visando publicar

R
somente a mais recente;

• roteamento: direcionamento do documento a um outro usuário ou grupo,
antes de publicá-lo;
• aprovação: disponibilização do documento para reutilização;
• recuperação: pesquisa do documento permitindo sua reutilização.
Geralmente é feita através de atributos do documento, utilizando uma
linguagem de consulta. Há ainda outras técnicas de recuperação de
documentos como texto integral, proximidade, fragmento de texto, entre
outras;

• armazenamento: pode ser feito on-line, utilizando-se mídias como CD’s,

DVD’s, fitas, discos magnéticos ou por meio de formatos analógicos, como
microfilme ou papel;
• reutilização: após ser recuperado, o documento poderá ser reutilizado e até
mesmo alterado, criando-se uma nova versão;
• segurança: controle de acesso em vários níveis como leitura, alteração,
exclusão, etc.
53
72
83
26
30
s5
ria
Fa
Figura. Ciclo de Vida do Documento - Fonte: Baldam, Cavalcanti e Valle (2002)
ta
os
C
Quando uma empresa decide implementar uma solução de GED, ela precisa
da
verificar quais são suas necessidades. Tem que estipular quais tipos de
n
so
arquivos serão contemplados e o que será feito com eles (disponibilização via
ob
Web, acesso restrito à rede interna da empresa, etc.). Com estas informações,
R
a equipe de TI verificará as tecnologias necessárias para a implantação da

53
solução mais adequada e satisfatória para a empresa em questão.

72
83
26
30
Funcionalidades do GED
s5
O GED é utilizado para captar, gerenciar, armazenar, preservar e disponibilizar

ria
documentos de uma empresa. A seguir, são abordadas estas funcionalidades.

Fa
ta
- Captação
os
É a maneira com que uma informação ou documento, eletrônico ou em

C
da
papel, passa para um repositório de conteúdo, para que possa ser utilizado
posteriormente (CENADEM, 2010). Quando o documento é de papel, este
on
passo é chamado de digitalização.

s
ob
R
Na captação, normalmente são usados scanners, para capturar as imagens

dos documentos, que são guardadas em servidores ou em mídias como
DVDs. A qualidade dessas imagens é essencial pois, caso não seja boa,
quando houver a necessidade de imprimi-las, o resultado não será
satisfatório, fazendo com que o usuário tenha que localizar o documento
físico para fazer uma cópia, inutilizando, desta forma, o GED.
É de fundamental importância, também, ter um bom plano de backup para
estas imagens. Não se pode correr o risco de perdê-las, desperdiçando,
assim, todo o trabalho de digitalização dos documentos.

- Armazenamento
É o local em que os arquivos digitais serão guardados. O armazenamento
deve seguir regras previamente estabelecidas, para que as informações não
se percam. Isto inclui estabelecer o local em que as imagens serão
arquivadas (diretórios, pastas, mídias), a nomenclatura utilizada para
nomear os arquivos e o formato que estes deverão ter (.tif, .jpg, .pdf)
(KOCK, 1998).
É interessante separar os arquivos por tipos (memorandos, plantas de
engenharia, documentos fiscais, etc.) ou por datas, de maneira a facilitar
sua localização. Se possível, o nome dado ao arquivo deve ser algo
53
sugestivo, que lembre o conteúdo do mesmo.
72
83
No local de armazenamento devem ser criadas pastas de forma organizada,
26
nas quais os arquivos digitais serão alocados. Se não houver uma rigorosa
30
padronização com relação aos nomes dados aos arquivos e ao local de
s5
armazenamento dos mesmos, com o tempo e com o aumento do número de
ria
imagens, estas podem se perder.
Fa
-Gerenciamento
ta
os
São ferramentas utilizadas para disponibilizar, monitorar, incluir, excluir,
C
etc., os arquivos digitais (KOCK, 1998).
da
n
- Preservação
so
ob
A preservação do arquivo físico é feita por meio de armazenamento em local

R
seguro, organizado e adequado para o tipo de documento que lá se

53
encontra. Determinados papéis são mais frágeis e têm mais importância que
72
outros, dispensando assim, maior atenção e mais cuidado. Este é o caso dos
83
documentos históricos, que exigem ambientes especiais, com iluminação e

26
climatização adequadas.
30
s5
- Disponibilização
ria
Os arquivos digitais serão disponibilizados para o acesso dos usuários.

Fa
ta
os
C
Tecnologias Associadas ao GED

da
Existem muitas tecnologias associadas ao GED e o uso de uma delas ou de

on
várias depende das necessidades da empresa. A seguir, são listadas as

s
ob
principais:
R
Document Imaging O Gerenciamento da Imagem dos Documentos

(DI) (DI) é a tecnologia mais popular do GED. Ela
converte, com a utilização de scanners, papéis em
imagens, ou seja, documentos físicos em digitais.
Estes documentos digitais serão inseridos em um
sistema para que sejam devidamente gerenciados.
Esta técnica também é conhecida como
digitalização (CENADEM, 2010).
Document O Gerenciamento de Documentos Digitais é uma
management tecnologia que possibilita gerenciar a criação, os
(DM) acessos, as revisões e o descarte dos documentos

eletrônicos. Através do DM tem-se como saber a
localização física de um documento (CENADEM,
2010).
Forms processing O Processamento de Formulários é uma tecnologia
(OCR/ICR) que automatiza a indexação das informações
constantes em formulários padronizados. Cada
campo do formulário em questão é relacionado a
um campo do banco de dados do sistema de DM.
Para isso são utilizados softwares de OCR (Optical
53
Character Recognicion) e de ICR (Intelligent
72
Character Recognicion). Estes fazem o
83
reconhecimento automático dos caracteres
26
preenchidos em um formulário e os envia para o
30
banco de dados. Eles substituem a indexação,
s5
proporcionando um grande ganho de tempo.
ria
Fa
Computer Output to A tecnologia COLD, foi inicialmente introduzida no
ta
Laser Disc/Enterprise mercado para substituir a tecnologia COM,
os
Report Management Computer Output to Microfilm, devido à redução de
(COLD/ERM)
C
custos quando se armazenam as informações em
da
discos ópticos comparados ao microfilme. Essa

n
so
tecnologia permite o armazenamento e

ob
gerenciamento de relatórios de forma digital.

R
Devido à abrangência dessa tecnologia, em vez de

53
COLD ela passou a ser chamada de ERM (Enterprise

72
Report Management – Gerenciamento Corporativo

83
de Relatórios).
26
30
Workflow O Fluxo de Trabalho é uma tecnologia que permite

s5
gerenciar qualquer processo de negócio de uma

ria
empresa. Acompanha constantemente todas as

Fa
atividades e aumenta a produtividade, com

ta
objetividade e segurança (CENADEM, 2009).

os
C
Segundo a IDOC Tecnologia (IDOC TECNOLOGIA,

da
2011), geralmente o workflow é dividido nos

on
seguintes tipos:
s
ob
• ad hoc – para ser usado dinamicamente por

R
grupos de trabalho cujos participantes

necessitem executar procedimentos
individualizados para cada documento
processado;
• administrativo – orientado para as rotinas
administrativas e ideal para tratamento de
documentos e formulários. Proporciona o
gerenciamento de prazos com todos os tipos de
alarmes possíveis;

• produção ou transação – orientado para

aplicações que envolvem grandes quantidades
de dados, muitas políticas de negócio e recursos
financeiros em grande escala;
• orientado para objeto – é o conjunto de
atributos ou dados, e instruções sobre como os
dados e os atributos devem ser processados,
estocados, recuperados e visualizados pelo
usuário;
• baseado no conhecimento – vai além da
53
execução pura e simples das regras
72
preestabelecidas e incorpora exceções a seus
83
procedimentos. Ele aprende com seus próprios
26
erros e acertos.
30
s5
ria
Fa
Gestão do Conhecimento
ta
Gestão do Conhecimento é o processo sistemático de identificação,
os
criação, renovação e aplicação dos conhecimentos que são C
da
estratégicos na vida de uma organização.
n
A gestão do conhecimento leva as organizações a mensurar com mais

so
ob
segurança a sua eficiência, tomar decisões acertadas com relação a melhor

R
estratégia a ser adotada em relação aos seus clientes, concorrentes, canais de

53
distribuição e ciclos de vida de produtos e serviços, saber identificar as fontes

72
de informações, saber administrar dados e informações, saber gerenciar seus

83
conhecimentos. Trata-se da prática de agregar valor à informação e de

26
distribui-la.
30
Há alguns desafios a vencer na Gestão do Conhecimento: influenciar o

s5
comportamento do trabalhador, considerado o maior deles; fazer com que as

ria
lideranças da organização comprem a ideia; e, por fim, determinar como

Fa
classificar o conhecimento.
ta
os
Para desenvolver os sistemas de conhecimento é necessário ter foco externo

C
(benchmarking da concorrência), tecnologias facilitadoras (groupware), gestão

da
de performance (mensuração, recomendação, recompensas para equipes,

on
obrigações contratuais) e gestão de pessoas (equipes virtuais, comunidade de

s
ob
prática, coordenadores de conhecimento, busca do perfil do disseminador do

R
conhecimento).
Ufa, rs!!!! Continuem firmes e rumo às questões!!

Questões de Provas Comentadas

1. Sobre dados, informações e conhecimento, é errado afirmar que:
(A) dados são descrições elementares que são registradas, classificadas e
armazenadas, mas não são organizadas para carregar significados
específicos.
(B) um banco de dados consiste em itens de dados armazenados,
organizados para a recuperação.
(C) itens de dados podem ser formados por caracteres, números, sons ou
imagens.
53
(D) informação são dados organizados de modo que tenham significado e
72
83
valor para quem os receber.
26
(E) conhecimento e informação são sinônimos, pois quem tem informação
30
tem conhecimento.
s5
ria
Fa
Comentários
ta
os
Dado Registro de alguma entidade.134 é um exemplo de dado.
C
da
Informação É um dado depois de processado, é uma contextualização de
um dado... Como assim? “5” é um dado, mas e se eu disser
n
so
o seguinte: “No dia 5 não haverá aula!!”. Nesse caso, o 5

ob
passou a ter sentido (ou passou a ter “contexto”) e agora é

R
uma informação! Informações são conjuntos de dados

53
significativos e úteis a seres humanos em processos

72
83
como o de tomada de decisões.

26
Conhecimento Uma abstração interior, pessoal, de algo que foi

30
experimentado, vivenciado, por alguém.

s5
ria
Fa
Importante observar...
ta
os
◦ Dado NÃO é Informação. | Informação não é Conhecimento.

C
◦ Conhecimento não é Inteligência. | Inteligência não é Sabedoria.

da
on
Portanto, como a letra E destacou indevidamente que conhecimento e

s
informação são sinônimos, ela será a resposta da questão.

ob
R
Gabarito: letra E.
2. (FUMARC/Prefeitura Municipal de Betim/Analista de Sistemas da

Saúde/2007) Analise as seguintes afirmativas sobre modelagem de
dados:
I. A normalização do modelo de dados tem o objetivo de eliminar
redundâncias para evitar possíveis inconsistências em bases de dados
criadas a partir desse modelo.

II. Diagramas Entidade-Relacionamento representam os modelos de dados

relacionais e são ferramentas úteis para os administradores de dados, pois
permitem visualizar os esquemas (metadados) dos bancos de dados
implementados.
III. O modelo lógico está intimamente ligado à implementação do banco de
dados, é dependente do SGBD e tem ênfase na eficiência de acesso.
São VERDADEIRAS as afirmativas:
a) I, apenas.
b) I e II, apenas.
53
c) II e III, apenas.
72
83
d) I, II e III.
26
30
s5
Comentários
ria
Fa
Item I. A “Normalização” é um método utilizado para analisar um Banco de
Dados e obter o mínimo de redundância e o máximo de integridade de dados.
ta
os
Principais objetivos: reduzir as redundâncias; reduzir a necessidade de
C
reestruturar as tabelas do banco de dados quando novos tipos de dados são
da
introduzidos. O item I é verdadeiro.

n
so
Item II. Um modelo de dados é a descrição formal da estrutura do Banco de

ob
Dados (descrição dos dados, dos relacionamentos entre os dados, da

R
semântica e das restrições impostas aos dados).

53
72
Os modelos conceituais são usados para a descrição de dados no nível

83
conceitual, independente do SGBD a ser utilizado. Exemplo: Diagramas

26
Entidade-Relacionamento.
30
s5
O modelo relacional já é um exemplo de modelo lógico, que representa um

ria
nível de abstração visto pelo usuário do SGBD. Ao contrário do Diagrama E-R,

Fa
é dependente do tipo particular de SGBD que está se representando. Item

ta
errado.
os
Item III. É o modelo físico que está intimamente ligado à implementação do

C
da
banco de dados, é dependente do SGBD e tem ênfase na eficiência de acesso.

São usados para descrever os dados em seu nível mais baixo, capturam os
s on
aspectos de implementação do SGBD. Item errado.

ob
R

53
72
83
26
Fonte: http://homepages.dcc.ufmg.br/~mirella/DCC011/aula19.pdf
30
s5
Gabarito: letra A.
ria
Fa
ta
os
Saúde/2007) Analise as seguintes afirmativas sobre o Diagrama
Entidade-Relacionamento: C
da
I. Através do DER podemos expressar todas as restrições de integridade

n
so
necessárias de um domínio de aplicação.

ob
II. A cardinalidade mínima indica se a participação das ocorrências de

R
53
entidades no relacionamento é obrigatória ou opcional.

72
III. O DER é um modelo conceitual que independe de detalhes de

83
implementação, é simples, portanto melhor compreendido por usuários

26
leigos, e pode ser mapeado para qualquer modelo lógico de banco de dados
30
relacional.
s5
ria

Fa
a) I, II e III.
ta
os
b) I e II apenas.
C
da
c) I e III, apenas.
on
d) II e III, apenas.
s
ob
R
Comentários
Item I. Item errado. O DER é pouco poderoso para expressar restrições de
integridade (regras de negócio).
Item II. Item correto. A cardinalidade de uma entidade em um
relacionamento expressa o número de instâncias da entidade que podem ser
associadas a uma determinada instância da entidade relacionada. Devem ser
consideradas duas cardinalidades:

• Cardinalidade máxima: é o número máximo de instâncias da entidade

associada que devem se relacionar com uma instância da entidade em
questão.
53
72
83
26
30
s5
ria
• Cardinalidade mínima: é o número mínimo de instâncias da entidade
Fa
associada que devem se relacionar com uma instância da entidade em
questão. A cardinalidade mínima é usada para indicar o tipo de participação
ta
os
da entidade em um relacionamento.
C
da
Por motivos práticos, aqui apenas duas cardinalidades mínimas são

n
so
de nosso interesse, a de valor 0 e a de valor 1.

ob
o A cardinalidade mínima 1 recebe a denominação de associação

R
53
total ou obrigatória, uma vez que indica que o relacionamento

72
DEVE obrigatoriamente associar uma ocorrência de entidade à cada

83
ocorrência da outra entidade em questão.

26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R
o A cardinalidade mínima 0 recebe a denominação de associação

parcial ou opcional, uma vez que indica que o relacionamento
PODE ou não associar uma ocorrência de entidade à cada ocorrência
da outra entidade em questão.

53
72
Item III. Item correto. O DER descreve a estrutura de um BD de uma forma
83
mais próxima da percepção dos usuários. Trata-se de um modelo conceitual,
26
independente de aspectos de implementação.
30
s5
Gabarito: letra D.
ria
Fa
ta
os
Saúde/2007) Observe os modelos a seguir e identifique qual
relacionamento origina obrigatoriamente uma entidade associativa:
C
da
n
so
ob
R
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R
Comentários
Vamos ao entendimento de entidade associativa!
Um relacionamento é uma associação entre entidades. Na modelagem ER não
foi prevista a possibilidade de associar uma entidade com um relacionamento

ou então de associar dois relacionamentos entre si. Na prática, quando se está

construindo um novo DER ou modificando um DER existente, surgem situações
em que é desejável permitir a associação de uma entidade a um
relacionamento.
Para isso foi criado um conceito especial, o de entidade associativa. Uma
entidade associativa nada mais é que a redefinição de um relacionamento,
que passa a ser tratado como se fosse também uma entidade, como
ilustrado a seguir.
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
n
http://www.profs.iffca.edu.br/~cristhianobv/portal/disciplinas/banco_dados/Ap
so
resentacao_bd_5.pdf
ob
R
Observe que, caso não se desejasse usar o conceito de entidade associativa,

53
seria necessário transformar o relacionamento CONSULTA em uma entidade,

72
que então poderia ser relacionada a MEDICAMENTO.

83
26
Gabarito: letra A.
30
s5
ria
5. (FUMARC/2007/FUNDAÇÃO JOÃO PINHEIRO/Gestor em Ciência e

Fa
Tecnologia da Informação) O Modelo Lógico de Dados pode ser

ta
caracterizado como sendo:

os
a) Modelo que sofre alteração dependendo do Sistema Gerenciador de

C
da
Banco de Dados a ser adotado.

on
b) Modelo elaborado respeitando-se e implementando-se conceitos tais

s
ob
como normalização e integridade referencial.

R
c) Modelo utilizado para o nível de conversação, entendimento,

transmissão, validação de conceitos e mapeamento do ambiente.
d) Modelo em que os objetos, suas características e relacionamentos têm a
representação fiel do ambiente observado, independentemente de
limitações quaisquer impostas por tecnologias, técnicas de implementação
ou dispositivos físicos.
Comentários

a) O Modelo Lógico está sujeito a limitações advindas das características da

necessidade de estabelecer a lógica dos relacionamentos existentes entre os
dados definidos no Modelo Conceitual, mas ainda não a necessidade de definir
o SGBD que será utilizado. Item errado.
b) O Modelo Lógico descreve em formato as estruturas que estarão no banco
de dados de acordo com as possibilidades permitidas pela sua abordagem
(hierárquica, relacional , rede ou orientada a objetos, mas sem considerar
nenhuma característica específica de um SGBD. Daí, podemos afirmar que ele
levará em conta conceitos como normalização e integridade referencial. Item
correto.
53
c) Define-se como Modelo Conceitual aquele em que os objetos, suas
72
características e relacionamentos têm a representação fiel ao ambiente
83
observado, independente de limitações quaisquer impostas por tecnologias,
26
técnicas de implementação ou dispositivos físicos. (COUGO, Paulo Sérgio.
30
s5
Modelagem conceitual e projeto de banco de dados, 1997, p. 28). Item
ria
errado.
Fa
d) Ainda sobre Modelo Conceitual, seguindo COUGO, 1997: no Modelo
ta
(Conceitual), devemos representar os conceitos e características observados
os
em um dado ambiente voltando-nos simplesmente ao aspecto conceitual. C
da
Item errado.
n
Gabarito: letra B.
so
ob
R
53
6. (FUNIVERSA/2010/CEB/Analista de Sistemas) Modelagem de dados é

72
um conjunto de conceitos que descrevem a estrutura de um banco de dados

83
como tipo de dados, relacionamentos e restrições sobre esses dados.

26
Assinale a alternativa que contém conceitos presentes em um modelo de

30
dados de alto nível.

s5
ria
a) Pastas, arquivos e permissões.

Fa
b) Esquema, instância e objeto.

ta
os
c) Classe, objeto e herança.

C
d) Formato de registro, ordem e caminho de acesso.

da
on
e) Entidades, atributos e relacionamentos.

s
ob
R
Comentários
Aproveite a questão para complementar o conceito sobre modelagem de
dados: “Modelagem de dados é um conjunto de conceitos que descrevem a
estrutura de um banco de dados como tipo de dados, relacionamentos e
restrições sobre esses dados.”
Observe que se estamos falando em alto nível, estamos buscando algo mais
abstrato, mais próximo da linguagem humana. Daí, as letras a, b e d já são
descartadas. Na letra c observamos itens da implementação e não de modelos.

Na letra e, finalmente, temos itens abstratos que representam a realidade em

forma de modelo de dados: entidades, atributos e relacionamentos.
Formalmente, podemos dizer que o “Modelagem de Dados é a atividade de
especificação das estruturas de dados e regras de negócio necessárias
para suportar uma área de negócios. Representa um conjunto de
requerimentos de informações de negócio. É uma parte importante do
desenho de um sistema de informação”.
Gabarito: letra E.
53
7. (ESAF/2008/AFC-STN/Infraestrutura de TI) Em relação ao nível lógico
72
de abstração de dados nos sistemas de bancos de dados, é correto afirmar
83
que
26
30
a) descreve estruturas de dados complexas de baixo nível.
s5
b) descreve quais dados estão armazenados no banco de dados e as
ria
relações existentes entre eles.
Fa
ta
c) simplifica a interação entre o sistema e os usuários.
os
d) disponibiliza um conjunto de programas de aplicação que ocultam
C
da
detalhes dos tipos de dados.
n
e) descreve um registro como um bloco de armazenamento, composto por

so
ob
palavras ou bytes.
R
53
72
Comentários
83
Vamos aos comentários dos itens da questão:

26
30
Item A. O nível lógico de abstração se concentra em um nível mais alto. No

s5
nível físico, complexas estruturas de dados de baixo nível são descritas em

ria
detalhes. Item errado.

Fa
Item B. No nível lógico são representados os dados da aplicação e os

ta
os
relacionamentos existentes entre os mesmos. Item correto.

C
Itens C, D e E. Os itens mencionados não correspondem ao nível lógico,

da
conforme visto na explicação seguinte. Itens errados.

s on
ob
R
O grande objetivo de um sistema de banco de dados é prover os

usuários com uma visão abstrata dos dados. Isto é, o sistema omite
certos detalhes de como os dados são armazenados e mantidos.
Entretanto, para que o sistema possa ser utilizado, os dados devem ser
buscados de forma eficiente. Este conceito tem direcionado o projeto de
estrutura de dados complexas para a representação de dados em um banco de
dados. Uma vez que muitos dos usuários de banco de dados não são treinados
para computação, a complexidade está escondida deles através de diversos
níveis de abstração que simplificam a interação do usuário com o sistema.

Portanto, o propósito central de um SGBD consiste em proporcionar aos

usuários uma visão ABSTRATA dos dados. Isto é conseguido definindo-se
diversos níveis de abstração pelos quais o BD pode ser visto:
• NÍVEL VISÃO (externo): é o nível mais alto de abstração; visão de cada

usuário; descreve apenas parte do banco de dados. Muitos usuários do
sistema de banco de dados não estarão interessados em todas as
informações. Em vez disso precisam de apenas uma parte do banco de
dados. O nível de abstração das visões de dados é definido para simplificar
esta interação com o sistema, que pode fornecer muitas visões para o
53
mesmo banco de dados.
72
83
26
• NÍVEL LÓGICO (conceitual): nível médio de abstração; é o nível que
30
descreve QUAIS os dados são realmente armazenados no BD e quais os
s5
relacionamentos existentes entre eles; visão da comunidade de usuários.
ria
Fa
Aqui o banco de dados inteiro é descrito em termos de um pequeno número
de estruturas relativamente simples. Embora as implementações de
ta
os
estruturas simples no nível conceitual possam envolver complexas
C
estruturas de nível físico, o usuário do nível conceitual não precisa
da
preocupar-se com isso. O nível conceitual de abstração é usado por

n
administradores de banco de dados, que podem decidir quais informações

so
ob
devem ser mantidas no BD.

R
53
72
• NÍVEL FÍSICO (interno): é o nível mais baixo de abstração. Descreve

83
COMO os dados são armazenados. Estruturas complexas, de baixo nível,

26
são descritas em detalhe.

30
s5
ria
Fa
ta
os
C
da
s on
ob
R
Figura. Arquitetura de Três Níveis (ANSI/SPARC)

Gabarito: letra B.
8. (ESAF/2008/Pref. de Natal/RN/Auditor do Tesouro Nacional) A

“Integridade de Dados” é alcançada pela duplicação dos mesmos dados em
vários lugares em um sistema de informação.
Comentários
53
A duplicação de dados em bancos de dados gera redundância (e não
72
integridade!), o que não é recomendado, já que pode levar a vários problemas
83
como mencionado no item I.
26
30
Gabarito: item errado.
s5
ria
Fa
“Redundância de Dados” é a preservação da precisão, integridade e
ta
os
confiabilidade dos dados para seu uso intencionado.
C
da
n
Comentários
so
ob
O termo “redundância de dados” que se está usando aqui consiste na

R
gravação de um mesmo dado em dois locais (ou mais) distintos. Isso,

53
geralmente, não é recomendando dentro do contexto de banco de dados, já

72
que podemos atualizar o dado em um local e não atualizar nos demais!! Por
83
exemplo, poderia gravar o endereço de um cliente em dois locais distintos,

26
mas só atualizo em um desses locais. Quando for feita uma pesquisa para o
30
s5
endereço do cliente, não saberia qual o endereço correto. A “Redundância de

ria
Dados” pode ocasionar a perda da precisão, da integridade e da confiabilidade.

Fa

ta
os
C

da
“Normalização” é um método utilizado para analisar um Banco de Dados e

on
obter o mínimo de redundância e o máximo de integridade de dados.

s
ob
R
Comentários
A normalização consiste em um processo formal de exame e agrupamento de
dados para: suportar melhor as mudanças futuras; minimizar o impacto destas
mudanças sobre a base de dados. Trata-se de um conjunto de regras que leva
à construção de modelos mais robustos, com menos dependências entre seus
elementos e menos redundância de informações. Normalização é, portanto,
uma atividade de verificação do modelo lógico. Principais objetivos:
reduzir as redundâncias; reduzir a necessidade de reestruturar as tabelas do
banco de dados quando novos tipos de dados são introduzidos.

Com relação às suas Formas Normais mais comuns, apesar de existirem

outras, temos:
o 1ª Forma Normal (1FN): toda relação deve ter uma chave primária e
deve-se garantir que todo atributo seja atômico. Atributos
compostos devem ser separados.
Por exemplo, um atributo Endereço deve ser subdividido em seus
componentes: Logradouro, Número, Complemento, Bairro, Cidade, Estado e
CEP.
Além disso, atributos multivalorados devem ser discriminados
53
separadamente ou separados em uma outra relação. Por exemplo, um
72
atributo multivalorado Telefones poderia ser separado em Telefone
83
Residencial, Telefone Comercial e Telefone Celular ou, ainda, ser convertido
26
em outra relação que pudesse representar um número indeterminado de
30
telefones.
s5
ria
Fa
o 2ª Forma Normal (2FN): toda relação deve estar na 1FN e devem-se
ta
eliminar dependências funcionais parciais, ou seja, todo atributo
os
não chave deve ser totalmente dependente da chave primária. C
da
Como exemplo, uma relação que contenha os atributos Código da Obra,
n
Código do Fornecedor, Nome do Fornecedor e Preço de Venda, considerando

so
que a chave primária é composta pelos atributos Código da Obra e Código

ob
do Fornecedor, não está na Segunda Forma Normal, uma vez que o Nome
R
53
do Fornecedor depende apenas do Código do Fornecedor, e não do Código

72
da Obra. Uma nova relação (Fornecedor) deve ser criada contendo os

83
campos Código do Fornecedor (como chave) e Nome do Fornecedor. Na

26
relação original, ficariam os atributos Código da Obra e o Código do

30
Fornecedor, ambos formando a chave primária composta, e o atributo Preço

s5
de Venda. Além disso, o atributo Código do Fornecedor também seria uma

ria
chave estrangeira para a nova relação criada. Esta forma normal ajuda a
Fa
diminuir redundâncias de informações criadas indevidamente.

ta
os
o 3ª Forma Normal (3FN): toda relação deve estar na 2FN e devem-se

C
eliminar dependências funcionais transitivas, ou seja, todo atributo

da
não chave deve ser mutuamente independente.

on
Como exemplo, uma relação que contenha os atributos Matrícula do

s
ob
Funcionário (atributo chave), Nome do Funcionário, Código do

R
Departamento e Nome do Departamento não está na Terceira Forma

Normal. O Nome do Departamento é dependente do Código do
Departamento, e não da Matrícula do Funcionário. Uma mudança no nome
do departamento, por exemplo, levaria a modificações em todos os
funcionários daquele departamento.
Para eliminar este problema, cria-se uma nova relação (Departamento)
contendo Código do Departamento e Nome do Departamento. Na relação
original, retira-se o Nome de Departamento, mantendo-se o Código do
Departamento, agora como chave estrangeira. Esta forma normal também
ajuda a diminuir redundâncias e aumentar a independência das relações.

53
72
83
26
30
s5
ria
Figura. Normalização
Fa
ta
os
C
da
11. (ESAF/2008/Pref. de Natal/RN/Auditor do Tesouro Nacional)
Quando os dados são “Normalizados”, os atributos contidos na tabela
n
so
dependem apenas da chave primária.

ob
R
53
Comentários
72
Revisando o entendimento com relação à normalização de dados, é correto

83
afirmar que:
26
30
Uma relação estará na 1ª Forma Normal (1FN) se não houver atributo

s5
representando agrupamento e nem atributo repetitivo (multivalorado), ou

ria
seja, uma relação está em 1FN se e somente se todos os seus atributos

Fa
contêm apenas valores atômicos (simples, indivisíveis);

ta
os
A figura a seguir, destaca esse contexto:

C
da
s on
ob
R

53
Se uma relação está na 2ª Forma Normal (2FN), todo atributo que não
72
seja chave deve ser totalmente dependente da chave primária.
83
26
Em outras palavras: uma relação encontra-se na 2FN se e somente se
30
estiver em 1FN e não contém dependências parciais.”
s5
Dependência Parcial: ocorre quando uma coluna depende apenas de uma
ria
Fa
parte de uma chave primária composta;
ta
Uma relação estará na 3ª Forma Normal (3FN), se e somente se,
os
estiver na 2ª Forma Normal e todos os seus atributos não chaves C
forem dependentes não transitivos da chave primária.
da
n

so
ob
R
12. (ESAF/2006/SUSEP-TI) Em um Banco de Dados Relacional

53
72
a) uma relação está na 1FN (primeira forma normal) se nenhum domínio

83
contiver valores atômicos.

26
30
b) uma Chave Primária corresponde ao identificador único de uma

s5
determinada relação. Em uma relação pode haver mais que uma coluna
ria
candidata a chave primária.

Fa
c) as colunas que irão compor as Chaves Primárias devem ser inicializadas

ta
com valores nulos.

os
C
d) em uma tabela existirão tantas Chaves Primárias quantas forem as

da
colunas nela existentes.

s on
e) uma Chave Externa é formada por uma coluna de uma tabela que se
ob
referencia a uma Coluna qualquer de outra tabela. Essas colunas, na tabela

R
destino, não aceitam valores nulos. Uma tabela destino pode ter apenas
uma Chave Externa.
Comentários
A letra A está errada pois na 1FN, todos devem conter valores atômicos.
A letra B está correta pois mais de uma chave pode ser candidata a chave
primária.

A letra C está errada pois a chave primária deve conter valores que
identifiquem unicamente cada registro da tabela, não podendo ser nulos.
Na letra D, a chave primária deve ser única para a tabela. Já a letra E, está
incorreta pois uma tabela pode conter mais de uma chave externa.
Gabarito: letra B.
13. (ESAF/2006/SUSEP-TI) Analise as seguintes afirmações relacionadas

a banco de dados distribuídos, relacionais e orientados a objetos.
I. Em um Banco de Dados Relacional um objeto está encapsulado quando
53
seu estado é visível ao usuário e ele pode ser consultado e modificado
72
83
exclusivamente por meio das operações a ele associadas.
26
II. A linguagem de manipulação de dados (DML) permite a uma aplicação
30
acessar ou manipular as informações contidas num banco de dados. A
s5
manipulação de dados engloba incluir, recuperar, excluir e modificar a
ria
informação armazenada.
Fa
ta
III. Os dados manipulados por um banco de dados orientado a objeto são
os
sempre transientes e são armazenados fora do contexto de um programa, e
assim podem ser usados em várias instâncias de programas.
C
da
n
IV. Todo dado de um Banco de Dados Relacional deve ter a garantia de ser
so
logicamente acessível, recorrendo-se a uma combinação de Nome da

ob
Tabela, um Valor de Chave e o Nome da Coluna.

R
53
72
Indique a opção que contenha todas as afirmações verdadeiras.

83
26
a) I e II
30
s5
b) II e III
ria
c) III e IV
Fa
d) I e III
ta
os
e) II e IV
C
da
on
Comentários
s
ob
A afirmação I é falsa pois o controle de acesso a um objeto de um SGBD

R
relacional é feito por meio de uma DCL ( Data Control Language - Linguagem
de Controle de Dados).
Uma DML (Data Manipulation Language – Linguagem de Manipulação de
Dados) possibilita a manipulação dos dados de um SGBD, logo a afirmação II
está correta.
A afirmação III é falsa, pois os dados armazenados em um banco de dados
OO são persistentes.
A afirmativa IV é verdadeira!

Gabarito: letra E.
14. (ESAF/2006/SUSEP-TI) A cópia do banco de dados ou backup

diferencial é caracterizada pela existência de dois bancos de dados com as
mesmas informações trabalhando juntos, mas em máquinas diferentes.
Dessa forma, quando uma máquina fica impossibilitada de trabalhar, a
outra assume automaticamente seu lugar.
Comentários
53
A opção está incorreta pois o backup não necessita de dois bancos de dados
72
83
trabalhando juntos.
26
30
s5
ria
15. (ESAF/2010/MPOG-TI/ANALISTA DE PLANEJAMENTO E
Fa
ORÇAMENTO) São modelos de bancos de dados lógicos baseados em
ta
objetos:
os
a) entidade-relacionamento, unificador e infológico. C
da
b) objetos-atributos, sequencial e infológico.

n
so
c) entidade-relacionamento, binário e de rede.

ob
R
d) entidade-relacionamento, binário e infológico.

53
72
e) entidade-relacionamento, binário e em frames.

83
26
30
Comentários
s5
Modelos de bancos de dados lógicos baseados em objetos são usados na

ria
descrição dos níveis conceitual e de visões.

Fa
ta
Estes modelos se caracterizam pelo fato de fornecerem capacidades de

os
estruturação flexíveis e admitirem restrições de dados para serem

C
explicitamente especificados.
da
on
Existem muitos modelos diferentes, como por exemplo:

s
ob
Modelo entidade-relacionamento;
R
Modelo orientado a objetos;

Modelo binário;
Modelo semântico de dados;
Modelo infológico;
Modelo funcional de dados.
Gabarito: letra D.

16. (FUNIVERSA/2010/MPE-GO/Técnico de Informática) Quando se

constrói um banco de dados, define-se o modelo de entidade e
relacionamento (MER), que é a representação abstrata das estruturas de
dados do banco e seus relacionamentos. Cada entidade pode se relacionar
com uma ou mais entidades diferentes, resultando em mapeamentos, por
exemplo: 1:1, 1:N, N:1 ou N:M. Esses mapeamentos, com base no número
de entidades às quais outra entidade pode ser associada, denominam-se
a) cardinalidade.
b) hierarquia.
53
c) relacionamento.
72
d) diagrama.
83
26
e) agregação.
30
s5
ria
Comentários
Fa
O que é um relacionamento? Um relacionamento pode ser entendido como
ta
uma associação entre instâncias de Entidades devido a regras de negócio.
os
Normalmente ocorre entre instâncias de duas ou mais Entidades, podendo C
da
ocorrer entre instâncias da mesma Entidade (auto-relacionamento).
n
Para definir o número de ocorrências de uma entidade usamos o conceito de

so
ob
Cardinalidade. A Cardinalidade indica quantas ocorrências de uma Entidade

R
participam no mínimo e no máximo do relacionamento.

53
Gabarito: letra A.
72
83
26
17. (ESAF/2010/MPOG-TI/Analista de Planejamento e Orçamento)

30
s5
No modelo entidade-relacionamento, a cardinalidade de mapeamento

ria
expressa
Fa
a) o número de entidades ao qual um relacionamento pode estar associado

ta
a um outro relacionamento.
os
C
b) o número de relacionamentos ao qual outro relacionamento pode estar

da
associado via uma entidade.

on
c) o critério de classificação segundo o qual os relacionamentos associam

s
ob
entidades.
R
d) o número de entidades ao qual outra entidade pode estar associada via

um relacionamento.
e) o posicionamento de uma entidade dentro do mapeamento do modelo.
Comentários
A cardinalidade de um relacionamento expressa a quantidade de registros de
uma tabela que estão relacionados com registros da tabela associada.
Gabarito: letra D.

18. (CESGRANRIO/2010/PETROBRÁS/ANALISTA DE SISTEMAS

JÚNIOR/ÁREA ENG. SOFTWARE) Considere o modelo conceitual de
dados representado pelo diagrama de entidades e relacionamentos (DER) a
seguir, na notação de Peter-Chen. Esse diagrama apresenta três
relacionamentos: o primeiro é Lotado_em, que representa empregados
lotados em departamentos; o segundo DER apresenta também o
relacionamento Trabalha_em, que representa as associações dos
empregados aos projetos em que trabalham e o terceiro relacionamento é
Supervisão, que representa associação entre empregados e seus
53
supervisionados. Os atributos identificadores de cada entidade estão
72
sublinhados.
83
26
30
s5
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
30
A partir da análise do diagrama, NÃO se pode inferir que é possível

s5
ria
(A) determinar todos os empregados que não supervisionam outros

Fa
empregados.
ta
(B) determinar que empregados não estão lotados em departamento algum.

os
C
(C) saber qual o departamento em que E trabalha, dado um empregado E

da
qualquer.
on
(D) saber quais os empregados de D que trabalham em P para um

s
ob
determinado projeto P e um determinado departamento

R
D.
(E) saber que há apenas um empregado que supervisiona todos os demais.
Comentários
Para identificar a informação solicitada na letra E, será necessária uma
consulta que conte o número de registros.
Sendo assim, a análise do diagrama não poderia inferir se há apenas um
empregado que supervisiona os demais.

Gabarito: letra E.

JÚNIOR/ÁREA ENG. SOFTWARE) A independência de dados lógica,
definição componente da arquitetura de três esquemas para sistemas de
banco de dados, corresponde à capacidade de se efetuarem
(A) mudanças no nível conceitual, sem a necessidade de modificações no
nível externo e em programas aplicativos.
(B) mudanças no nível interno, sem a necessidade de modificações nos
53
níveis conceitual e externo.
72
83
(C) mudanças no nível externo, sem a necessidade de modificações nos
26
níveis interno e conceitual.
30
(D) consultas em SQL sobre um banco de dados relacional, independente da
s5
estruturação física dos dados armazenados.
ria
Fa
(E) consultas em SQL sobre um banco de dados relacional, independente da
ta
lógica de programação usada em programas aplicativos.
os
C
da
Comentários
n
so
A independência de dados a nível lógico (descrição da base de dados

ob
conforme vista pelos usuários do SGBD – programadores e aplicações) é a

R
capacidade de se alterar o esquema lógico sem reescrever os programas da

53
aplicação. Deve-se ressaltar que em alguns casos é necessária somente a

72
recompilação da aplicação.
83
26
Gabarito: letra A.
30
s5
ria
20. (ESAF/2005/AFRF) O modelo relacional refere-se à visualização física

Fa
e não lógica dos dados. Está relacionado ao nível conceitual interno. A

ta
teoria relacional não diz nada sobre o nível externo, preocupa-se somente
os
com o armazenamento e manipulação dos dados executados pelo SGBD.

C
da
on
Comentários
s
ob
A modelagem relacional busca a descrição da organização das estruturas,

R
normalmente representadas em formato de tabelas, que se relacionam por

atributos.
21. (ESAF/2005/AFRF) Chaves estrangeiras são os elos de ligação entre

as tabelas. Uma coluna definida como chave estrangeira deve ser chave
primária em outra tabela.

Comentários
A chave estrangeira permite a implementação de relacionamentos em um
banco de dados relacional.
53
72
83
26
22. (ESAF/2008/STN/Desenvolvimento de Sistemas) SBGD (Sistema
30
Gerenciador de Bancos de Dados) possui um compilador para uma
s5
determinada linguagem, cuja função é o processamento de declarações, a
ria
Fa
fim de identificar as descrições dos componentes do esquema conceitual do
Banco de Dados. Tal linguagem é de
ta
os
a) consulta estrutura – SQL. C
da
b) definição de armazenamento – SDL.
n
so
c) manipulação de dados – DML.

ob
d) definição de visão – VDL.

R
53
e) definição de dados – DDL.

72
83
26
Comentários
30
s5
Linguagem de definição de dados (DDL, do Inglês Data Definition

ria
Language) é uma linguagem de computador usada para a definição de

Fa
estruturas de dados. O termo foi inicialmente introduzido em relação ao

ta
modelo de banco de dados Codasyl, em que o esquema de banco de dados era

os
escrito em uma Linguagem de Definição de Dados descrevendo os registros,

C
campos e "conjuntos" que constituíam o modelo de dados do usuário.

da
Inicialmente referia-se a um subconjunto da SQL, mas hoje é usada em um

on
sentido genérico para referir-se a qualquer linguagem formal para descrição de

s
ob
estruturas de dados ou informação, assim como esquemas XML.

R
Uma vez compilados, os parâmetros DDL são armazenados num conjunto de

arquivos denominado dicionário de dados. O dicionário de dados contém os
metadados (dados a respeito das estruturas de armazenamento). O SGBD
sempre consulta os metadados a cada operação sobre o banco de dados. Por
exemplo, um determinado programa precisa recuperar alguns campos (nome,
CPF) de um arquivo de clientes. O SGBD irá verificar se os campos nome" e
"CPF" estão definidos para este arquivo. O interpretador DDL processa os
comandos alimentados pelos DBAs na definição dos esquemas.
Os comandos básicos da DDL são poucos

• CREATE: cria um objeto (uma Tabela, por exemplo) dentro da base de

dados;
• DROP: apaga um objeto do banco de dados.
Alguns sistemas de banco de dados usam o comando ALTER, que permite ao
usuário alterar um objeto, por exemplo, adicionando uma coluna a uma tabela
existente. Outros comandos DDL:
• ALTER TABLE
• CREATE INDEX
ALTER INDEX
53
•
72
• DROP INDEX
83
CREATE VIEW
26
•
30
• DROP VIEW
s5
ria
Gabarito: letra E.
Fa
ta
os
23. (ESAF/2008/STN/Desenv Sistemas) Se uma dada variável de
C
relação R possui seus atributos não-chaves mutuamente independentes e
da
irredutivelmente dependentes da chave primária, R está na
n
so
a) primeira forma normal – 1FN.

ob
b) segunda forma normal – 2FN.

R
53
c) terceira forma normal – 3FN.

72
83
d) forma normal nula.

26
e) desnormalização.
30
s5
ria
Comentários
Fa
1ª Forma Normal (1FN): toda relação deve ter uma chave primária e
ta
os
deve-se garantir que todo atributo seja atômico. Atributos compostos devem
C
ser separados.
da
s on
2ª Forma Normal (2FN): toda relação deve estar na 1FN e devem-se

ob
R
eliminar dependências funcionais parciais, ou seja, todo atributo não chave

deve ser totalmente dependente da chave primária. Observe a relação abaixo:
3ª Forma Normal (3FN):

Toda relação deve estar na 2FN e devem-se eliminar dependências funcionais
transitivas, ou seja, todo atributo não chave deve ser mutuamente
independente.
Gabarito: letra C.

24. (CESPE/2010/BANCO DA AMAZONIA/Área: Tecnologia da

Informação — Administração de Dados) O nível conceitual de dados é
um nível de simulação entre os níveis interno e externo.
Comentários
O nível conceitual realiza um mapeamento entre os níveis interno e externo. O
nível conceitual não leva em conta o banco de dados em si, mas a forma como
as estruturas serão criadas para armazenar os dados.
Nesta questão a banca tenta confundir o candidato empregando o termo
53
simulação. Lembre-se de que os diferentes níveis representam diversas visões
72
a respeito do banco de dados, não são formas de simular ou substituir uma
83
visão!
26
30
s5
ria
Fa
ta
Informação — Administração de Dados) Se um sistema de banco de
os
dados provê independência física dos dados, é correto inferir que esse
sistema também permite independência lógica de dados.
C
da
n
so
ob
Comentários
R
Conforme citado, a independência física permite que o Nível Físico seja

53
modificado sem afetar o Nível Conceitual. Por outro lado, na Independência

72
Lógica, o Nível Conceitual deve poder ser alterado independentemente do

83
26
Externo. Logo, pode-se obter independência física permitindo a

30
alteração do Nível Físico independentemente do Conceitual sem obter

s5
independência Lógica.
ria

Fa
ta
os

C
da
Com relação a sistemas operacionais, é correto afirmar que um ROLLBACK

ocorre quando um grupo ou conjunto de processos compete entre si e,
s on
quando finalizado, desfaz ou mata o processo corrente.

ob
R
Comentários
Um roolback é um processo em banco de dados que desfaz mudanças em
dados que foram “alterados”, mas não “confirmados”.
27. (ESAF/2008/AFC-STN/Infraestrutura de TI) É uma função da

linguagem de manipulação de dados (DML), em um sistema gerenciador de
bancos de dados (SGBD):

a) permitir a especificação do esquema conceitual do banco de dados.

b) permitir a especificação do esquema interno do banco de dados.
c) especificar visões dos usuários e seus respectivos mapeamentos para o
esquema conceitual.
d) especificar e recuperar vários registros em uma única declaração.
e) descrever os componentes dos esquemas: conceitual e interno.
Comentários
53
A DML (Data Manipulation Language – Linguagem de Manipulação de
72
Dados) visa a manipulação de dados (incluir, alterar, excluir e consultar) por
83
meio do usuário. Principais comandos:
26
30
• SELECT: seleção de registros;
s5
ria
• INSERT: inserção de registros;
Fa
• UPDATE: atualização de registros;
ta
os
• DELETE: deleção de registros.
Para a definição dos dados é utilizada uma DDL (Data Definition
C
da
Language – Linguagem de Definição de dados). Os comandos DDL são

n
so
armazenados no dicionário de dados (ou catálogo). Logo, o dicionário de dados

ob
contém os metadados (dados a respeito das estruturas de armazenamento) do

R
banco. Principais comandos:

53
72
• CREATE: criação de novas estruturas;

83
• ALTER: alteração de estruturas;

26
30
• DROP: remoção de estruturas.

s5
Existe ainda a DCL (Data Control Language - Linguagem de Controle de

ria
Dados) para controlar o acesso dos usuários aos dados em um banco de

Fa
dados. Principais comandos:

ta
os
• GRANT: concessão de privilégios a tabelas e visões;

C
da
• REVOKE: revogação de privilégios a tabelas e visões.

on
Transaction Control
s
ob
• COMMIT: efetiva uma alteração no banco de dados;

R
• ROLLBACK: desfaz uma alteração antes de a mesma ser efetivada

no banco.
Restrições de integridade usando
• STORED PROCEDURES (procedimentos armazenados no banco);
• TRIGGERS (gatilhos).
Gabarito: letra D.

28. (FUMARC/Analista de Sistemas/BDMG/2011) Em relação aos

conceitos do modelo Entidade-Relacionamento, observe o diagrama ER
abaixo e analise as seguintes afirmativas:
53
72
83
I. O atributo Num_agencia do tipo de entidade AGENCIA é conhecido
26
como chave primária.
30
II. De acordo com as restrições de participação definidas, uma entidade
s5
de BANCO obrigatoriamente deve estar relacionada a pelo menos uma
ria
entidade de AGENCIA.
Fa
ta
III. AGENCIA é um tipo de entidade fraca e POSSUI é um
os
relacionamento identificador, cuja razão de cardinalidade é 1:N.
C
da
Marque a alternativa CORRETA:
n
so
a) apenas as afirmativas I e II são verdadeiras.

ob
b) apenas as afirmativas I e III são verdadeiras.

R
53
c) apenas as afirmativas II e III são verdadeiras.

72
d) todas as afirmativas são verdadeiras.

83
26
30
Comentários
s5
ria
Item I. Item errado. A seguir, tem-se um resumo da notação para diagramas

Fa
E-R (Entidade Relacionamento), proposto por Elmasri e Navathe. Observe os

ta
elementos “Entidade Fraca” e “Relacionamento Dependente” (também

os
chamado de Identificador de Relacionamento), que aparecem no diagrama E-R

C
apresentado na questão.
da
s on
ob
R

53
72
83
26
30
s5
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
30
s5
ria
A chave primária (primary key) é um atributo (coluna) ou uma combinação

Fa
de atributos cujos valores distinguem uma linha das demais, dentro de uma
ta
tabela.
os
C
No Diagrama E-R da questão, temos que:

da
s on
- Banco é uma entidade forte.

ob
R
• Maior grau de independência.

• Possui atributos determinantes (chaves) próprios.
–Agência é uma Entidade Fraca (observe que é representada no desenho

por um retângulo inscrito a outro retângulo). A chave-parcial de um tipo de
entidade-fraca é sublinhada com linha tracejada.
• Existência depende da existência de outra entidade.
• Uma entidade fraca não possui atributos suficientes para formar uma
chave primária, logo o atributo Num_agencia do tipo de entidade
AGENCIA isoladamente não pode ser conhecido como chave primária da

entidade. Para isso, deve-se adicionar a chave primária do conjunto
entidade do qual a entidade fraca é dependente.
OBS.: Neste caso, o símbolo do relacionamento entre uma entidade (forte) e

uma entidade fraca também é diferente. Um losango inscrito a outro losango.
Item II. Item correto. Pela cardinalidade dos relacionamentos apresentada,
uma entidade de BANCO obrigatoriamente deve estar relacionada a pelo
menos uma entidade de AGENCIA.
53
Item III. Item correto. A entidade AGENCIA é um tipo de entidade fraca e
72
POSSUI é um relacionamento identificador, cuja razão de cardinalidade é 1:N.
83
26
Gabarito: letra E.
30
s5
ria
INSTRUÇÃO: De acordo com o diagrama de Entidade e Relacionamento
Fa
abaixo, responda às próximas 2 questões.
ta
os
C
da
n
so
ob
R
53
72
83
26
30
s5
29. (FUMARC/2008/SEPLAG/Gestor Governamental Tecnologia da

ria
Informação) Em relação ao diagrama de Entidade e Relacionamento,

Fa
analise as afirmativas abaixo e assinale a opção CORRETA:

ta
os
I – “Propriedade” é um tipo relacionamento que tem razão de cardinalidade

C
N:N.
da
II – Uma entidade “Proprietário” existe apenas se participar de pelo menos

on
uma instância de relacionamento “Propriedade”.

s
ob
R
III – “Propriedade” é um tipo relacionamento de grau dois.

a) As afirmativas I, II e III são verdadeiras.
b) Apenas as afirmativas I e II são verdadeiras.
c) Apenas as afirmativas I e III são verdadeiras.
d) Apenas as afirmativas II e III são verdadeiras.

Comentários
Primeiro, alguns pontos para revisão.
Componentes do Diagrama E-R (Peter Chen):
• Retângulos: representam conjuntos-entidade.
• Elipses: representam atributos.
• Losangos: representam conjuntos-relacionamento.
• Linhas: ligam atributos a conjuntos-entidade e conjuntos-entidade a
conjuntos-relacionamento.
53
Entidades e Conjuntos-Entidade
72
83
Entidade: é uma representação abstrata de um objeto do mundo real. Ex.: O
26
fornecedor Ponto_dos_concursos, com código PONTO1.
30
Conjuntos-Entidade: grupo de entidades que possui características
s5
semelhantes. Ex.: Conjunto-entidade Fornecedor.
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
30
Atributos (campos): elemento de dado que contém informação que descreve

s5
uma entidade. Ex.:

ria
Fa
ta
os
C
da
s on
ob
R
Relacionamentos: estrutura que indica a associação de elementos de duas ou

mais entidades.
Atributo de Relacionamento: depende de todos os conjuntos-entidade
associados entre si. Ex.:

53
72
Agora vamos analisar cada item individualmente.
83
26
N:N. Item Correto. Observe as letras “N” de cada lado do relacionamento
30
s5
“Propriedade”.
ria
Fa
uma instância de relacionamento “Propriedade”. Item Correto. Existe uma
ta
“Dependência Existencial” caracterizada pela linha dupla ligando “Proprietário”
os
ao relacionamento. Isto ocorre quando a existência de uma determinada C
da
entidade está condicionada à existência de uma outra entidade a ela
n
relacionada. Ex.:
so
ob
R
53
72
83
26
30
s5
ria
III – “Propriedade” é um tipo relacionamento de grau dois. Item Correto. O

Fa
grau de um relacionamento é o número de entidades que participam dele.

ta
Existem três tipos básicos de grau de relacionamento: binário (2), ternário (3)
os
e e-nário (múltiplas) que referem a existência de duas, três ou mais entidades

C
envolvidas no fato que o relacionamento representa.

da
on
Gabarito: letra A.
s
ob
R
30. (FGV/SEFAZ-RJ/Fiscal de Rendas/2007) DataWarehouse e

DataMining são recursos utilizados por muitas organizações para
facilitar e agilizar o processamento, a análise e a consulta de dados.
Sobre esses recursos, é correto afirmar que:
(A) um DataMining armazena dados extraídos de bancos de dados de
diferentes organizações.
(B) um DataWarehouse armazena dados por períodos não superiores a três
meses, o que dificulta previsões e análises de tendência.

(C) um DataWarehouse é repositório de dados históricos orientados a

assunto, organizados para serem acessíveis para atividades de
processamento analítico.
(D) DataMining é uma técnica de análise de dados exclusiva para aplicação
em um DataWarehouse.
(E) num DataWarehouse, os usuários finais necessitam conhecer linguagem
de programação para acessar dados.
Comentários
53
Bill Inmon destaca que o “Data Warehouse é uma coleção de dados
72
83
orientados por assuntos, integrados, variáveis com o tempo e não
26
voláteis, para dar suporte ao processo de tomada de decisão.“
30
O Data Warehouse é um banco de dados multidimensional grande, de escopo
s5
organizacional (ou seja, abrange toda a empresa) e reúne dados de todos os
ria
departamentos de forma a permitir a busca rápida de informações para auxiliar
Fa
a tomada de decisões estratégicas.
ta
os
A principal ideia do Data Warehouse é construir um depósito no qual será
C
mantida a memória histórica dos dados, possibilitando a utilização dos
da
mesmos para consulta e análise estratégica para a tomada de decisão!!

n
so
Data Mart: é um banco de dados multidimensional de escopo

ob
•
departamental (ou seja, abrange apenas um determinado departamento).
R
53
“Um subconjunto lógico do Data Warehouse, geralmente visto como um

72
data warehouse setorial” (Kimball).

83
As diferenças entre o Data Mart e o Data Warehouse são apenas com

26
relação ao tamanho e ao escopo do problema a ser resolvido.

30
s5
Data Mining (ou Mineração de dados): define uma série de

ria
•
procedimentos, técnicas e ferramentas para recuperar e analisar dados de
Fa
um Data Warehouse ou Data Mart à procura de padrões e tendências a

ta
respeito dos dados armazenados.

os
C
Gabarito: letra C.
da
s on
31. (UFF/UFF/2009) O conjunto de técnicas que, envolvendo

ob
métodos matemáticos e estatísticos, algoritmos e princípios de

R
inteligência artificial, tem o objetivo de descobrir relacionamentos

significativos entre dados armazenados em repositórios de grandes
volumes e concluir sobre padrões de comportamento de clientes de
uma organização é conhecido como:
(A) Datawarehouse;
(B) Metadados;
(C) Data Mart;
(D) Data Mining;

(E) Sistemas Transacionais.
Comentários
O enunciado da questão dá fortes indicações de que a questão trata de Data
Mining. O texto diz: “descobrir relacionamentos significativos” e também
“concluir sobre padrões de comportamento de clientes de uma organização”,
tudo isso faz parte da descrição de Data Mining.
Contudo vamos comentar as demais opções:
A letra A cita o Data Warehouse. Uma das atividades de uma empresa que
53
pretende trabalhar com Data Mining é justamente coletar os registros das
72
83
bases de dados transacionais e organizá-los em bases de dados agrupadas por
26
assunto e destinadas a análises. Cada base de dados organizada por assunto
30
dá-se o nome de Data Mart, e ao conjunto de Data Marts dá-se o nome de
s5
Data Warehouse. Essa organização dos dados é importante e muito válida,
ria
pois tende a facilitar em muito o trabalho de mineração de dados.
Fa
A letra B cita o Metadados. Metadados são dados com a finalidade de
ta
os
descrever outros dados. É como se fosse um dicionário, trata-se de um grupo
C
específico de registros em banco de dados cuja finalidade é permitir melhor
da
entendimento dos dados a que se referem.
n
so
A letra C cita o Data Mart, que é uma base de dados em que os dados já estão
ob
organizados por assunto. Assim, numa grande empresa seria comum encontrar
R
um Data Mart de Vendas (tratando de registros sobre vendas), um Data Mart

53
de Recursos de Humanos, ou outro sobre Compras da Empresa, e por aí vai.

72
83
A letra E cita Sistemas Transacionais. Esses são os sistemas da empresa de um

26
modo geral. Pode ser tanto a loja virtual da empresa, como pode ser seu
30
sistema de gerenciamento de vendas ou de recursos humanos. Esses sistemas

s5
são caracterizados inclusive por realizarem contínuas operações de consulta,

ria
inserção, alteração e exclusão em banco de dados transacionais. Chamamos

Fa
de banco de dados transacionais os bancos de dados preparados para se

ta
comportarem em transações (inserção, exclusão e alteração). Esses bancos de

os
dados são chamados de OLTP (On-line Transaction Processing).

C
da
Gabarito: letra D.
s on
ob
32. (ESAF/STN/DESENV SISTEMAS/2008) Um depósito de dados

R
organizado por assunto, não-volátil, integrado e variável em função

do tempo, utilizado para apoiar decisões de gerenciamento, é
denominado
a) datawarehouse.
b) gestão do conhecimento.
c) business Intelligence.
d) mineração de dados.
e) OLAP (OnLine Analytical Processing).

Comentários
Item A. Item correto. Um Data Warehouse (Armazém ou Depósito de
Dados) é um sistema utilizado para armazenar informações consolidadas de
um banco de dados, possibilitando a análise de grandes volumes de dados,
coletados a partir de sistemas transacionais (OLTP).
Item B. Item errado. Define-se Gestão do Conhecimento como a busca da
melhoria de desempenho das instituições por meio de processos de procura,
extração, compartilhamento e criação de conhecimento, aplicando diferentes
53
ferramentas e tecnologias de informação e de comunicação.
72
Item C. Item errado. Define-se Business Intelligence (Inteligência de negócios
83
– BI) como o processo de coleta, estruturação, avaliação, disponibilização e
26
monitoramento de informações para suporte ao gerenciamento de negócios.
30
s5
Item D. Item errado. Etapa do processo de Descoberta de Conhecimento em
ria
Bases de Dados (KDD – Knowledge Discovery in Databases) que corresponde à
Fa
execução de um algoritmo particular que, sob algumas limitações aceitáveis de
ta
eficiência computacional, encontra padrões ou modelos nos dados.
os
C
Item E. Item errado. OLAP (On-line Analytical Processing) é a processo de
da
manipulação e avaliação de um grande volume de dados sob múltiplas
n
aspectos.
so
ob
Gabarito: letra A.
R
53
72
33. (ESAF/CVM/2010) Mineração de Dados é

83
26
(A) o processo de atualizar de maneira semi-automática grandes bancos de

30
dados para encontrar versões úteis.

s5
(B) o processo de analisar de maneira semi-automática grandes bancos de

ria
dados para encontrar padrões úteis.

Fa
ta
(C) o processo de segmentar de maneira semi- automática bancos de dados

os
qualitativos e corrigir padrões de especificação.

C
da
(D) o programa que depura de maneira automática bancos de dados

corporativos para mostrar padrões de análise.
s on
ob
(E) o processo de automatizar a definição de bancos de dados de médio

R
porte de maior utilidade para os usuários externos de rotinas de mineração.
Comentários
Conforme visto o Data Mining é um processo de procura de padrões e regras
de associações em conglomerados de dados. Esse processo pode é realizado
com o uso de softwares com algoritmos que implementam as técnicas de Data
Mining conhecidas e também com a supervisão de um especialista no domínio
de negócio em estudo. Por isso, podemos dizer que Data Mining é também
semi-automático. Portanto, somente a letra B está correta.

Gabarito: letra B.
34. (FGV/DETRAN-RN/2010) Sobre Data Mining, pode-se afirmar

que:
(A) Refere-se à implementação de banco de dados paralelos.
(B) Consiste em armazenar o banco de dados em diversos computadores.
(C) Relaciona-se à capacidade de processar grande volume de tarefas em
um mesmo intervalo de tempo.
53
(D) Permite-se distinguir várias entidades de um conjunto.
72
(E) Refere-se à busca de informações relevantes a partir de um grande
83
volume de dados.
26
30
s5
ria
Comentários
Fa
O processo de Data Mining tem o objetivo de buscar informações relevantes
ta
num conglomerado de dados. Essas informações relevantes são padrões,
os
tendências e associações que quando analisadas serão úteis para produção de
C
conhecimento sobre um dado domínio de negócio. Portanto, a opção correta é
da
a letra E.
n
so
Gabarito: letra E.
ob
R
53
72
35. (FCC/TCE-SP/2010) NÃO é um objetivo da mineração de dados

83
(data mining), na visão dos diversos autores,

26
(A) garantir a não redundância nos bancos transacionais.

30
s5
(B) conhecer o comportamento de certos atributos no futuro.

ria
(C) possibilitar a análise de determinados padrões de eventos.

Fa
ta
(D) categorizar perfis individuais ou coletivos de interesse comercial.

os
(E) apoiar a otimização do uso de recursos limitados e/ou maximizar

C
da
variáveis de resultado para a empresa.

s on
ob
Comentários
R
O Data Mining tem entre seus objetivos a descoberta de padrões e tendências

e associações em conglomerados de dados. A partir desse conhecimento
adquirido ao minerar as bases de dados espera-se que seja possível à gestão
das empresas otimizar o uso de recursos e aumentar os resultados do
negócio. Portanto as letras C e E estão corretas.
Ainda o Data Mining também permite, a partir de tendências e análises
temporais, a previsão do estado futuro de atributos(características) do
negócio. Portanto a letra B está correta.

Estudamos também que uma das técnicas de Data Mining é a Classificação

que permite a organização dos registros em classes. A Letra D descreve um
dos usos da técnica de Classificação.
Vamos agora à Letra A. Essa opção afirma que “garantir a não redundância
nos bancos transacionais” é responsabilidade do Data Mining. Essa opção está
incorreta. Os bancos de dados transacionais são os banco de dados que estão
por traz da operação dos sistemas comerciais, ou seja, é onde são registrados
todas as transações do dia-a-dia de uma empresa. O processo de Descoberta
de Conhecimento em Bases de Dados tem uma etapa chamada de Preparação
de Dados que antecede o Data Mining. E a etapa de Preparação de Dados tem
53
a função de coletar os dados originais das bases de dados e purificá-los,
72
removendo redundâncias (ou seja, duplicações de dados), a fim de tornar
83
estes dados adequados para o processo de Data Mining.
26
Gabarito: letra A.
30
s5
ria
Fa
36. (ESAF/MPOG/2010) Mineração de Dados
ta
(A) é uma forma de busca sequencial de dados em arquivos.
os
C
(B) é o processo de programação de todos os relacionamentos e algoritmos
da
existentes nas bases de dados.
n
so
(C) por ser feita com métodos compiladores, método das redes neurais e
ob
método dos algoritmos gerativos.

R
(D) engloba as tarefas de mapeamento, inicialização e clusterização.

53
72
(E) engloba as tarefas de classificação, regressão e clusterização.

83
26
30
Comentários
s5
ria
Conforme estudado, as técnicas mais conhecidas de Data Mining (que também

Fa
são chamadas de tarefas, por alguns autores) são: Descrição de Classes,

ta
Associação, Classificação, Previsão e Agrupamento (também conhecida como

os
“clustering”). Alia-se a estas técnicas ainda, algumas ferramentas estatísticas

C
como Regressão Linear, Modelo Linear Generalizado e Análise de Correlação. A

da
partir disso, podemos afirmar que a opção E é a que melhor se encaixa com os
on
conceitos de Data Mining.

s
ob
Gabarito: letra E.
R
37. (FMP-RS/TCE-RS/2011) Mineração de dados consiste em

(A) explorar um conjunto de dados visando a extrair ou a ajudar a
evidenciar padrões, como regras de associação ou sequências temporais,
para detectar relacionamentos entre estes.
(B) acessar um banco de dados para realizar consultas de forma genérica,
buscando recuperar informações (registros) que atendam um mesmo
critério de pesquisa.

(C) recuperar informações de um banco de dados específico, voltado a

representar e armazenar dados relacionados com companhias de exploração
petrolífera e de recursos mineralógicos.
(D) um banco de dados específico voltado à gestão de negócios usando
tecnologia de informação (TI) como, por exemplo, a área de BI (Business
Inteligence).
(E) representar informações de um banco de dados mediante vários
modelos hierárquicos como, por exemplo, o de entidade-relacionamento
(ER).
53
72
Comentários
83
26
Conforme vimos anteriormente Data Mining é um processo “de identificar
30
informações relevantes, tais como padrões, associações, mudanças,
s5
anomalias e estruturas, em grandes conglomerados de dados que
ria
estejam em banco de dados ou outros repositórios de informações”.
Fa
Portanto não se trata apenas de “acessar um banco de dados para realizar
ta
consultas genéricas” como diz a letra B.
os
C
A letra C está incorreta, por citar que o Data Mining recupera “informações de
da
um banco de dados específico” quando na verdade o processo de Data Mining
n
pode atuar sobre diversas bases de dados.

so
ob
A letra D está incorreta por afirmar que Data Mining é um banco de dados,
R
quando na verdade é um processo.

53
72
E por fim, a letra E descreve Data Mining como uma forma de representar
83
dados, quando na verdade é um processo de busca de padrões e associações,

26
entre outros.
30
Gabarito: letra A.
s5
ria
Fa
38. (ESAF/MPOG/Adaptada/2008) Algumas pessoas têm

ta
os
considerado que os Data Warehouses são uma extensão de visões

C
de banco de dados. Porém, as visões fornecem apenas um

da
subconjunto das funções e das capacidades dos data warehouses.

on
Com relação às diferenças e similaridades entre as visões e os data

s
warehouses, é correto afirmar que tanto os data warehouses quanto

ob
as visões fornecem, frequentemente, grandes quantidades de dados

R
integrados e temporais, geralmente mais do que é contido em um

banco de dados.
Comentários
Uma View (Visão) é uma tabela lógica, baseada em uma tabela ou em outra
visão. Ela não possui dados próprios, é somente uma interface para a
manipulação de um conjunto de dados. Ela pode ser utilizada para restringir o
acesso a dados em uma tabela, facilitar consultas complexas e também
otimizar o tempo dos desenvolvedores.

A View é uma maneira alternativa de observação de dados de uma ou mais

tabelas, que compõem uma base de dados. Pode ser considerada como uma
tabela virtual ou uma consulta armazenada. Como exemplo de utilização de
view, cita-se a restrição usuário x domínio controlando o acesso de um usuário
específico a colunas de uma tabela.
Alguns benefícios da utilização das Views: economia de tempo com retrabalho;
velocidade de acesso às informações; mascara a complexidade do banco de
dados; organiza dados a serem exportados para outros aplicativos.
Um Data warehouse (ou armazém de dados) é um sistema de computação
utilizado para armazenar informação relativa às atividades de uma organização
53
em banco de dados, de forma consolidada. Ele possibilita a análise de grandes
72
volumes de dados, coletados dos sistemas transacionais. Por definição, os
83
dados em um Data Warehouse não são voláteis, ou seja, eles não mudam, são
26
somente para leitura e não podem ser alterados.
30
s5
Os Data Warehouses surgiram como conceito acadêmico na década de 80.
ria
Com o amadurecimento dos sistemas de informação empresariais, as
Fa
necessidades de análise dos dados cresceram paralelamente. Como os
ta
sistemas transacionais não conseguiam cumprir a tarefa de análise com a
os
simples geração de relatórios, os Data Warehouses são atualmente o núcleo
C
da
dos sistemas de informações gerenciais e apoio a decisão das principais
soluções de Business Intelligence do mercado, devido a sua capacidade de
n
so
sumarizar grandes volumes de dados e de possibilitar análises.

ob
R
As ferramentas OLAP (Online Analytical Processing) têm como função a

53
navegação nos dados de um Data Warehouse, possuindo uma estrutura

72
adequada tanto para as pesquisas como para a apresentação das informações.

83
A assertiva, portanto, é falsa, tendo-se em vista que a View não tem como
26
30
objetivo fornecer frequentemente grandes quantidades de dados integrados, e

s5
sim fornecer um subconjunto dinâmico de dados (tabela virtual) a

ria
partir de uma ou mais tabelas.

Fa
Observem ainda que o item afirma indevidamente que a quantidade de dados

ta
ofertada é maior do que em todo o banco de dados. Uma View não possui
os
C
quantidade de dados maior do que o próprio banco de dados em que ela está
da
inserida.
on

s
ob
R
39. (ESAF/MPOG – APO – Tecnologia da Informação Q.27/2008)

São tarefas primárias da Mineração de Dados:
a) Classificação; Regressão; Clusterização.
b) Classificação; Realimentação; Complementação.
c) Codificação; Normalização; Clusterização.
d) Composição; Migração; Clusterização.
e) Compressão; Processamento; Associação.

Comentários
Alguns exemplos de tarefas:
Classificação Predizer a classe de um item.
Clusterização Encontrar grupos nos dados.
Associação Encontrar padrões de ocorrências de dados associados.
Sumarização Descrever uma base de dados.
Análise de Encontrar alterações nos dados.
53
Desvio
72
83
Regressão Prever um valor numérico contínuo.
26
30
s5
Com relação aos itens das assertivas temos:
ria
Fa
ta
os
c) Codificação; Normalização; Clusterização. C
da

n
so

ob
R
Gabarito: letra A.
53
72
83
Considerações Finais
26
30
Por hoje ficamos por aqui. Passamos por diversos pontos que considerei
s5
importantes para a prova (a repetição de alguns assuntos se faz necessária

ria
para a memorização!!!).
Fa
Bons estudos, e continuem focados no grande objetivo final: a aprovação

ta
no concurso. Não deixem que as tempestades e obstáculos encontrados pelo

os
C
caminho os desviem do foco principal!!

da
Otimos estudos, fiquem com DEUS e até a nossa próxima aula.

on
Profa Patrícia.
s
ob
R

Referências Bibliográficas
QUINTÃO, Patrícia Lima. Notas de aula, 2011/2012.
BRAGA, Regina. Notas de aula, UFJF, 2006.
HEUSER, Carlos Alberto. Projeto de banco de dados. 4. ed. Porto Alegre:
Sagra, 2001. 204 p., il.
HERNANDEZ, Michael J. Aprenda a projetar seu próprio banco de dados.
Tradução Patrizia Tallia Parenti. São Paulo: Makron, 2000.
53
KORTH, Henry F.; SILBERSCHATZ, Abraham. Sistema de banco de dados.
72
Tradução Mauricio Heihachiro Galvan Abe. 2. ed. São Paulo: Makron, 1995.
83
26
MACHADO, Felipe Nery Rodrigues; ABREU, Maurício Pereira de. Projeto de
30
banco de dados: uma visão prática. 6. ed. São Paulo: Érica, 2000.
s5
ria
SETZER, Valdemar W. Banco de dados: conceitos, modelos,
Fa
gerenciadores, projeto lógico, projeto físico. 3. ed. rev. São Paulo: E.
Blücher, 2002. 289 p.
ta
os
Revistas SQL Magazine (ed. 31 e 32). C
da
Referências Bibliográficas
n
so
QUINTÃO, Patrícia Lima. Notas de aula, 2011/2012.

ob
BRAGA, Regina. Notas de aula, UFJF, 2012.

R
53
FERREIRA, Claudinete Vicente Borges, Banco de dados I, Instituo Federal do

72
Espírito Santo, Vitória, 2009,

83
26
HEUSER, Carlos Alberto. Projeto de banco de dados. 4. ed. Porto Alegre:

30
Sagra, 2001.
s5
ria
BERRY, M. J. A.; LONOFF, G.. Data Mining Techniques: for Marketing, Sales
Fa
and Customer Support. New York: John Wiley & Sons, Inc., 1997.
ta
BERSON, Alex; SMITH, Stephen; THEARLING, Kurt. Building Data Mining

os
Applications for CRM. USA, New York: MacGrawHill, 1999.

C
da
DINIZ, Carlos Alberto; LOUZADA NETO, Francisco. Data Mining: uma

on
introdução. São Paulo: ABE, 2000.

s
ob
ELMASRI, R.; NAVATHE, S. B. Sistemas de Banco de Dados. 4. ed. Pearson.

R
2006.
FAYYAD, Usama; PIATETSKI-SHAPIRO, Gregory; SMYTH, Padhraic (1996) The
KDD Process for Extracting Useful Knowledge from Volumes of Data.
In: Communications of the ACM, pp.27-34, Nov.1996.
HAN, J.; KAMBER, M.. Data Mining: concepts and techniques. Morgan
Kaufmann, 2001.
HERNANDEZ, Michael J. Aprenda a projetar seu próprio banco de dados.
Tradução Patrizia Tallia Parenti. São Paulo: Makron, 2000.

HEUSER, Carlos Alberto. Projeto de banco de dados. 4. ed. Porto Alegre:Sagra,

2001.
KORTH, Henry F.; SILBERSCHATZ, Abraham. Sistema de banco de dados. 3.
ed. São Paulo: Makron, 1998.
MACHADO, Felipe Nery Rodrigues; ABREU, Maurício Pereira de. Projeto de
banco de dados: uma visão prática. 6. ed. São Paulo: Érica, 2000.
Navega, Sérgio. Princípios Essenciais do Data Mining. São Paulo:
Cenadem, 2002.
PRASS, Fernando Sarturi . KKD: Processo de descoberta de conhecimento em
53
bancos de dados. Grupo de Interesse Em Engenharia de Software,
72
Florianópolis, v. 1, p. 10-14, 2004.
83
26
SETZER, Valdemar W. Banco de dados: conceitos, modelos,
30
gerenciadores, projeto lógico, projeto físico. 3. ed. rev. São Paulo: E.
s5
Blücher, 2002. 289 p.
ria
Revistas SQL Magazine (ed. 31 e 32).
Fa
ta
ROB, Peter; CORONEL, Carlos. Sistemas de Banco de Dados. Projeto,
os
Implementação e Administração. 2011.
C
da
TAN, Pang – Ning; STEINBACH, Michael; KUMAR, Vipin. Introdução ao
n
DATAMINING Mineração de Dados. Rio de Janeiro: Editora Ciência Moderna

so
Ltda, 2009.
ob
R
WITTEN I.; FRANK E.. Data Mining. Morgan Kauffmann, 2000.

53
TAKAI, O.K.; ITALIANO,I.C.; FERREIRA, E.F.Introdução a Banco de Dados.

72
2005.
83
26
SILBERCHATZ, A. Sistemas de banco de dados. Editora Campus, 2006.

30
s5
ria
Fa
ta
os
C
da
s on
ob
R

Questões de Provas Comentadas

1. Sobre dados, informações e conhecimento, é errado afirmar que:
(A) dados são descrições elementares que são registradas, classificadas e
armazenadas, mas não são organizadas para carregar significados
específicos.
(B) um banco de dados consiste em itens de dados armazenados,
organizados para a recuperação.
(C) itens de dados podem ser formados por caracteres, números, sons ou
imagens.
53
(D) informação são dados organizados de modo que tenham significado e
72
83
valor para quem os receber.
26
(E) conhecimento e informação são sinônimos, pois quem tem informação
30
tem conhecimento.
s5
ria
Fa
ta
Saúde/2007) Analise as seguintes afirmativas sobre modelagem de
os
dados: C
da
I. A normalização do modelo de dados tem o objetivo de eliminar

n
redundâncias para evitar possíveis inconsistências em bases de dados

so
ob
criadas a partir desse modelo.

R
II. Diagramas Entidade-Relacionamento representam os modelos de dados

53
relacionais e são ferramentas úteis para os administradores de dados, pois

72
permitem visualizar os esquemas (metadados) dos bancos de dados

83
26
implementados.
30
III. O modelo lógico está intimamente ligado à implementação do banco de

s5
dados, é dependente do SGBD e tem ênfase na eficiência de acesso.

ria
Fa

ta
a) I, apenas.
os
C
b) I e II, apenas.
da
c) II e III, apenas.
s on
d) I, II e III.
ob
R

Saúde/2007) Analise as seguintes afirmativas sobre o Diagrama
Entidade-Relacionamento:
I. Através do DER podemos expressar todas as restrições de integridade
necessárias de um domínio de aplicação.
II. A cardinalidade mínima indica se a participação das ocorrências de
entidades no relacionamento é obrigatória ou opcional.

III. O DER é um modelo conceitual que independe de detalhes de

implementação, é simples, portanto melhor compreendido por usuários
leigos, e pode ser mapeado para qualquer modelo lógico de banco de dados
relacional.
a) I, II e III.
b) I e II apenas.
c) I e III, apenas.
d) II e III, apenas.
53
72
83
26
Saúde/2007) Observe os modelos a seguir e identifique qual
30
s5
relacionamento origina obrigatoriamente uma entidade associativa:
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
30
s5
ria
Fa
ta
os
C
da
s on
ob
R
5. (FUMARC/2007/FUNDAÇÃO JOÃO PINHEIRO/Gestor em Ciência e

Tecnologia da Informação) O Modelo Lógico de Dados pode ser
caracterizado como sendo:
a) Modelo que sofre alteração dependendo do Sistema Gerenciador de
Banco de Dados a ser adotado.
b) Modelo elaborado respeitando-se e implementando-se conceitos tais
como normalização e integridade referencial.
c) Modelo utilizado para o nível de conversação, entendimento,
transmissão, validação de conceitos e mapeamento do ambiente.

d) Modelo em que os objetos, suas características e relacionamentos têm a

representação fiel do ambiente observado, independentemente de
limitações quaisquer impostas por tecnologias, técnicas de implementação
ou dispositivos físicos.
6. (FUNIVERSA/2010/CEB/Analista de Sistemas) Modelagem de dados é

um conjunto de conceitos que descrevem a estrutura de um banco de dados
como tipo de dados, relacionamentos e restrições sobre esses dados.
Assinale a alternativa que contém conceitos presentes em um modelo de
dados de alto nível.
53
72
a) Pastas, arquivos e permissões.
83
b) Esquema, instância e objeto.
26
30
c) Classe, objeto e herança.
s5
d) Formato de registro, ordem e caminho de acesso.
ria
Fa
e) Entidades, atributos e relacionamentos.
ta
os
7. (ESAF/2008/AFC-STN/Infraestrutura de TI) Em relação ao nível lógico C
da
de abstração de dados nos sistemas de bancos de dados, é correto afirmar

n
que
so
ob
a) descreve estruturas de dados complexas de baixo nível.

R
53
b) descreve quais dados estão armazenados no banco de dados e as

72
relações existentes entre eles.

83
c) simplifica a interação entre o sistema e os usuários.

26
30
d) disponibiliza um conjunto de programas de aplicação que ocultam

s5
detalhes dos tipos de dados.

ria
Fa
e) descreve um registro como um bloco de armazenamento, composto por

palavras ou bytes.
ta
os
C
da

on
“Integridade de Dados” é alcançada pela duplicação dos mesmos dados em

s
vários lugares em um sistema de informação.

ob
R

“Redundância de Dados” é a preservação da precisão, integridade e
confiabilidade dos dados para seu uso intencionado.

“Normalização” é um método utilizado para analisar um Banco de Dados e
obter o mínimo de redundância e o máximo de integridade de dados.


Quando os dados são “Normalizados”, os atributos contidos na tabela
dependem apenas da chave primária.
12. (ESAF/2006/SUSEP-TI) Em um Banco de Dados Relacional

a) uma relação está na 1FN (primeira forma normal) se nenhum domínio
contiver valores atômicos.
b) uma Chave Primária corresponde ao identificador único de uma
determinada relação. Em uma relação pode haver mais que uma coluna
53
candidata a chave primária.
72
83
c) as colunas que irão compor as Chaves Primárias devem ser inicializadas
26
com valores nulos.
30
d) em uma tabela existirão tantas Chaves Primárias quantas forem as
s5
colunas nela existentes.
ria
Fa
e) uma Chave Externa é formada por uma coluna de uma tabela que se
ta
referencia a uma Coluna qualquer de outra tabela. Essas colunas, na tabela
os
destino, não aceitam valores nulos. Uma tabela destino pode ter apenas
uma Chave Externa.
C
da
n
so
ob
13. (ESAF/2006/SUSEP-TI) Analise as seguintes afirmações relacionadas

R
a banco de dados distribuídos, relacionais e orientados a objetos.

53
I. Em um Banco de Dados Relacional um objeto está encapsulado quando

72
seu estado é visível ao usuário e ele pode ser consultado e modificado

83
26
exclusivamente por meio das operações a ele associadas.

30
II. A linguagem de manipulação de dados (DML) permite a uma aplicação

s5
acessar ou manipular as informações contidas num banco de dados. A

ria
manipulação de dados engloba incluir, recuperar, excluir e modificar a

Fa
informação armazenada.
ta
os
III. Os dados manipulados por um banco de dados orientado a objeto são

C
sempre transientes e são armazenados fora do contexto de um programa, e

da
assim podem ser usados em várias instâncias de programas.

s on
IV. Todo dado de um Banco de Dados Relacional deve ter a garantia de ser
ob
logicamente acessível, recorrendo-se a uma combinação de Nome da

R
Tabela, um Valor de Chave e o Nome da Coluna.
Indique a opção que contenha todas as afirmações verdadeiras.

a) I e II
b) II e III
c) III e IV
d) I e III

e) II e IV
14. (ESAF/2006/SUSEP-TI) A cópia do banco de dados ou backup

diferencial é caracterizada pela existência de dois bancos de dados com as
mesmas informações trabalhando juntos, mas em máquinas diferentes.
Dessa forma, quando uma máquina fica impossibilitada de trabalhar, a
outra assume automaticamente seu lugar.
15. (ESAF/2010/MPOG-TI/ANALISTA DE PLANEJAMENTO E
53
ORÇAMENTO) São modelos de bancos de dados lógicos baseados em
72
objetos:
83
26
a) entidade-relacionamento, unificador e infológico.
30
b) objetos-atributos, sequencial e infológico.
s5
ria
c) entidade-relacionamento, binário e de rede.
Fa
d) entidade-relacionamento, binário e infológico.
ta
os
e) entidade-relacionamento, binário e em frames.
C
da
n
16. (FUNIVERSA/2010/MPE-GO/Técnico de Informática) Quando se

so
constrói um banco de dados, define-se o modelo de entidade e

ob
R
relacionamento (MER), que é a representação abstrata das estruturas de

53
dados do banco e seus relacionamentos. Cada entidade pode se relacionar

72
com uma ou mais entidades diferentes, resultando em mapeamentos, por

83
exemplo: 1:1, 1:N, N:1 ou N:M. Esses mapeamentos, com base no número
26
de entidades às quais outra entidade pode ser associada, denominam-se

30
s5
a) cardinalidade.
ria
b) hierarquia.
Fa
c) relacionamento.
ta
os
d) diagrama.
C
da
e) agregação.
s on
ob
17. (ESAF/2010/MPOG-TI/Analista de Planejamento e Orçamento)

R
No modelo entidade-relacionamento, a cardinalidade de mapeamento

expressa
a) o número de entidades ao qual um relacionamento pode estar associado
a um outro relacionamento.
b) o número de relacionamentos ao qual outro relacionamento pode estar
associado via uma entidade.
c) o critério de classificação segundo o qual os relacionamentos associam
entidades.

d) o número de entidades ao qual outra entidade pode estar associada via

um relacionamento.
e) o posicionamento de uma entidade dentro do mapeamento do modelo.

JÚNIOR/ÁREA ENG. SOFTWARE) Considere o modelo conceitual de
dados representado pelo diagrama de entidades e relacionamentos (DER) a
seguir, na notação de Peter-Chen. Esse diagrama apresenta três
relacionamentos: o primeiro é Lotado_em, que representa empregados
53
lotados em departamentos; o segundo DER apresenta também o
72
relacionamento Trabalha_em, que representa as associações dos
83
empregados aos projetos em que trabalham e o terceiro relacionamento é
26
Supervisão, que representa associação entre empregados e seus
30
supervisionados. Os atributos identificadores de cada entidade estão
s5
sublinhados.
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
30
s5
ria
Fa
ta
A partir da análise do diagrama, NÃO se pode inferir que é possível

os
C
(A) determinar todos os empregados que não supervisionam outros

da
empregados.
on
(B) determinar que empregados não estão lotados em departamento algum.

s
ob
(C) saber qual o departamento em que E trabalha, dado um empregado E

R
qualquer.
(D) saber quais os empregados de D que trabalham em P para um
determinado projeto P e um determinado departamento
D.
(E) saber que há apenas um empregado que supervisiona todos os demais.

JÚNIOR/ÁREA ENG. SOFTWARE) A independência de dados lógica,

definição componente da arquitetura de três esquemas para sistemas de

banco de dados, corresponde à capacidade de se efetuarem
(A) mudanças no nível conceitual, sem a necessidade de modificações no
nível externo e em programas aplicativos.
(B) mudanças no nível interno, sem a necessidade de modificações nos
níveis conceitual e externo.
(C) mudanças no nível externo, sem a necessidade de modificações nos
níveis interno e conceitual.
(D) consultas em SQL sobre um banco de dados relacional, independente da
53
estruturação física dos dados armazenados.
72
83
(E) consultas em SQL sobre um banco de dados relacional, independente da
26
lógica de programação usada em programas aplicativos.
30
s5
ria
20. (ESAF/2005/AFRF) O modelo relacional refere-se à visualização física
Fa
e não lógica dos dados. Está relacionado ao nível conceitual interno. A
ta
teoria relacional não diz nada sobre o nível externo, preocupa-se somente
os
com o armazenamento e manipulação dos dados executados pelo SGBD.
C
da
n
21. (ESAF/2005/AFRF) Chaves estrangeiras são os elos de ligação entre

so
ob
as tabelas. Uma coluna definida como chave estrangeira deve ser chave
R
primária em outra tabela.

53
72
83
22. (ESAF/2008/STN/Desenvolvimento de Sistemas) SBGD (Sistema

26
Gerenciador de Bancos de Dados) possui um compilador para uma

30
determinada linguagem, cuja função é o processamento de declarações, a

s5
fim de identificar as descrições dos componentes do esquema conceitual do

ria
Banco de Dados. Tal linguagem é de

Fa
ta
a) consulta estrutura – SQL.

os
b) definição de armazenamento – SDL.

C
da
c) manipulação de dados – DML.

on
d) definição de visão – VDL.

s
ob
e) definição de dados – DDL.

R
23. (ESAF/2008/STN/Desenv Sistemas) Se uma dada variável de

relação R possui seus atributos não-chaves mutuamente independentes e
irredutivelmente dependentes da chave primária, R está na
a) primeira forma normal – 1FN.
b) segunda forma normal – 2FN.
c) terceira forma normal – 3FN.

d) forma normal nula.

e) desnormalização.

Informação — Administração de Dados) O nível conceitual de dados é
um nível de simulação entre os níveis interno e externo.

Informação — Administração de Dados) Se um sistema de banco de
53
dados provê independência física dos dados, é correto inferir que esse
72
83
sistema também permite independência lógica de dados.
26
30
s5
ria
Com relação a sistemas operacionais, é correto afirmar que um ROLLBACK
Fa
ocorre quando um grupo ou conjunto de processos compete entre si e,
ta
quando finalizado, desfaz ou mata o processo corrente.
os
C
da
27. (ESAF/2008/AFC-STN/Infraestrutura de TI) É uma função da

n
linguagem de manipulação de dados (DML), em um sistema gerenciador de

so
ob
bancos de dados (SGBD):

R
a) permitir a especificação do esquema conceitual do banco de dados.

53
72
b) permitir a especificação do esquema interno do banco de dados.

83
c) especificar visões dos usuários e seus respectivos mapeamentos para o

26
esquema conceitual.
30
s5
d) especificar e recuperar vários registros em uma única declaração.

ria
Fa
e) descrever os componentes dos esquemas: conceitual e interno.

ta
os
C
28. (FUMARC/Analista de Sistemas/BDMG/2011) Em relação aos

da
conceitos do modelo Entidade-Relacionamento, observe o diagrama ER

on
abaixo e analise as seguintes afirmativas:

s
ob
R
I. O atributo Num_agencia do tipo de entidade AGENCIA é conhecido

como chave primária.

II. De acordo com as restrições de participação definidas, uma entidade

de BANCO obrigatoriamente deve estar relacionada a pelo menos uma
entidade de AGENCIA.
III. AGENCIA é um tipo de entidade fraca e POSSUI é um
relacionamento identificador, cuja razão de cardinalidade é 1:N.
Marque a alternativa CORRETA:
a) apenas as afirmativas I e II são verdadeiras.
b) apenas as afirmativas I e III são verdadeiras.
c) apenas as afirmativas II e III são verdadeiras.
53
72
d) todas as afirmativas são verdadeiras.
83
26
30
INSTRUÇÃO: De acordo com o diagrama de Entidade e Relacionamento
s5
abaixo, responda às próximas 2 questões.
ria
Fa
ta
os
C
da
n
so
ob
R
53
72
83
26
29. (FUMARC/2008/SEPLAG/Gestor Governamental Tecnologia da

30
Informação) Em relação ao diagrama de Entidade e Relacionamento,

s5
ria
analise as afirmativas abaixo e assinale a opção CORRETA:

Fa

ta
N:N.
os
C

da
uma instância de relacionamento “Propriedade”.

on
III – “Propriedade” é um tipo relacionamento de grau dois.

s
ob
a) As afirmativas I, II e III são verdadeiras.

R
b) Apenas as afirmativas I e II são verdadeiras.

c) Apenas as afirmativas I e III são verdadeiras.
d) Apenas as afirmativas II e III são verdadeiras.
30. (FGV/SEFAZ-RJ/Fiscal de Rendas/2007) DataWarehouse e

DataMining são recursos utilizados por muitas organizações para
facilitar e agilizar o processamento, a análise e a consulta de dados.
Sobre esses recursos, é correto afirmar que:

(A) um DataMining armazena dados extraídos de bancos de dados de

diferentes organizações.
(B) um DataWarehouse armazena dados por períodos não superiores a três
meses, o que dificulta previsões e análises de tendência.
(C) um DataWarehouse é repositório de dados históricos orientados a
assunto, organizados para serem acessíveis para atividades de
processamento analítico.
(D) DataMining é uma técnica de análise de dados exclusiva para aplicação
em um DataWarehouse.
53
(E) num DataWarehouse, os usuários finais necessitam conhecer linguagem
72
de programação para acessar dados.
83
26
30
31. (UFF/UFF/2009) O conjunto de técnicas que, envolvendo
s5
métodos matemáticos e estatísticos, algoritmos e princípios de
ria
inteligência artificial, tem o objetivo de descobrir relacionamentos
Fa
significativos entre dados armazenados em repositórios de grandes
ta
os
volumes e concluir sobre padrões de comportamento de clientes de
uma organização é conhecido como: C
da
(A) Datawarehouse;
n
so
(B) Metadados;
ob
R
(C) Data Mart;

53
(D) Data Mining;

72
83
(E) Sistemas Transacionais.

26
30
s5
32. (ESAF/STN/DESENV SISTEMAS/2008) Um depósito de dados

ria
organizado por assunto, não-volátil, integrado e variável em função

Fa
do tempo, utilizado para apoiar decisões de gerenciamento, é

ta
denominado
os
C
a) datawarehouse.
da
b) gestão do conhecimento.
s on
c) business Intelligence.
ob
R
d) mineração de dados.
e) OLAP (OnLine Analytical Processing).
33. (ESAF/CVM/2010) Mineração de Dados é

(A) o processo de atualizar de maneira semi-automática grandes bancos de
dados para encontrar versões úteis.
(B) o processo de analisar de maneira semi-automática grandes bancos de
dados para encontrar padrões úteis.

(C) o processo de segmentar de maneira semi- automática bancos de dados

qualitativos e corrigir padrões de especificação.
(D) o programa que depura de maneira automática bancos de dados
corporativos para mostrar padrões de análise.
(E) o processo de automatizar a definição de bancos de dados de médio
porte de maior utilidade para os usuários externos de rotinas de mineração.
34. (FGV/DETRAN-RN/2010) Sobre Data Mining, pode-se afirmar

que:
53
(A) Refere-se à implementação de banco de dados paralelos.
72
83
(B) Consiste em armazenar o banco de dados em diversos computadores.
26
(C) Relaciona-se à capacidade de processar grande volume de tarefas em
30
s5
um mesmo intervalo de tempo.
ria
(D) Permite-se distinguir várias entidades de um conjunto.
Fa
(E) Refere-se à busca de informações relevantes a partir de um grande
ta
os
volume de dados.
C
da
n
35. (FCC/TCE-SP/2010) NÃO é um objetivo da mineração de dados

so
(data mining), na visão dos diversos autores,

ob
R
(A) garantir a não redundância nos bancos transacionais.

53
72
(B) conhecer o comportamento de certos atributos no futuro.

83
(C) possibilitar a análise de determinados padrões de eventos.

26
30
(D) categorizar perfis individuais ou coletivos de interesse comercial.

s5
(E) apoiar a otimização do uso de recursos limitados e/ou maximizar

ria
variáveis de resultado para a empresa.

Fa
ta
os
C
36. (ESAF/MPOG/2010) Mineração de Dados

da
(A) é uma forma de busca sequencial de dados em arquivos.

on
(B) é o processo de programação de todos os relacionamentos e algoritmos

s
ob
existentes nas bases de dados.

R
(C) por ser feita com métodos compiladores, método das redes neurais e
método dos algoritmos gerativos.
(D) engloba as tarefas de mapeamento, inicialização e clusterização.
(E) engloba as tarefas de classificação, regressão e clusterização.
37. (FMP-RS/TCE-RS/2011) Mineração de dados consiste em

(A) explorar um conjunto de dados visando a extrair ou a ajudar a

evidenciar padrões, como regras de associação ou sequências temporais,
para detectar relacionamentos entre estes.
(B) acessar um banco de dados para realizar consultas de forma genérica,
buscando recuperar informações (registros) que atendam um mesmo
critério de pesquisa.
(C) recuperar informações de um banco de dados específico, voltado a
representar e armazenar dados relacionados com companhias de exploração
petrolífera e de recursos mineralógicos.
53
(D) um banco de dados específico voltado à gestão de negócios usando
72
tecnologia de informação (TI) como, por exemplo, a área de BI (Business
83
Inteligence).
26
(E) representar informações de um banco de dados mediante vários
30
modelos hierárquicos como, por exemplo, o de entidade-relacionamento
s5
(ER).
ria
Fa
ta
os
38. (ESAF/MPOG/Adaptada/2008) Algumas pessoas têm considerado
que os Data Warehouses são uma extensão de visões de banco de dados.C
da
Porém, as visões fornecem apenas um subconjunto das funções e das
n
capacidades dos data warehouses. Com relação às diferenças e

so
similaridades entre as visões e os data warehouses, é correto afirmar que

ob
tanto os data warehouses quanto as visões fornecem, frequentemente,

R
53
grandes quantidades de dados integrados e temporais, geralmente mais do

72
que é contido em um banco de dados.

83
26
30
39. (ESAF/MPOG – APO – Tecnologia da Informação Q.27/2008)

s5
São tarefas primárias da Mineração de Dados:

ria
Fa

ta

os
C
c) Codificação; Normalização; Clusterização.

da

s on
ob

R

Gabarito
1. Letra E. 21. Item correto.
2. Letra A. 22. Letra E.
3. Letra D. 23. Letra C.
4. Letra A. 24. Item errado.
5. Letra B. 25. Item errado.
6. Letra E. 26. Item errado.
53
72
7. Letra B. 27. Letra D.
83
8. Item errado. 28. Letra E.
26
30
9. Item errado. 29. Letra A.
s5
10. Item correto. 30. Letra C.
ria
Fa
11. Item correto. 31. Letra D.
ta
os
12. Letra B. 32. Letra A.
13. Letra E. 33.
CLetra B.
da
n
14. Item errado. 34. Letra E.

so
ob
15. Letra D. 35. Letra A.

R
16. Letra A. 36. Letra E.

53
72
17. Letra D. 37. Letra A.

83
18. Letra E. 38. Item errado.

26
30
19. Letra A. 39. Letra A.

s5
20. Item errado.

ria
Fa
ta
os
C
da
s on
ob
R

BancoDadosGestaoInfo

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

BancoDadosGestaoInfo

Enviado por

Direitos autorais:

Formatos disponíveis

INFORMÁTICA PARA ANALISTA TRIBUTÁRIO DA RECEITA FEDERAL

Robson da Costa Farias53026837253

Aula 7 – Banco de Dados e Gestão da Informação

um dado... Como assim? “5” é um dado, mas e se eu disser o seguinte: “No

“contexto”) e agora é uma informação! Complementando, informações são

conjuntos de dados significativos e úteis a seres humanos em

processos como o de tomada de decisões.

Na figura seguinte, dados brutos registrados por um caixa de supermercados

podem ser processados e organizados de modo a produzir informações úteis,

tal como o total de unidades de detergentes vendidas ou a receita total de

vendas do detergente para determinada loja ou território de vendas.

Fonte: (O´BRIEN, 2006)

Profa. Patrícia Lima Quintão www.pontodosconcursos.com.br 1 de 118

ambiente. Uma característica fundamental do conhecimento é que o "novo"

O Que é um Banco de Dados?

Elmasri e Navathe (2005) definem um

Banco de Dados como uma coleção de

dados relacionados, sendo esses dados

definidos como fatos que possuem um

Silberchatz (2011) destaca que banco de

dados é uma coleção de dados

interrelacionados que contém

informações relevantes para uma

Considere um exemplo de um banco de dados de funcionários de uma

empresa. Nele podemos encontrar alguns arquivos, tais como: arquivos de

dados pessoais (nome, endereço, data de nascimento, etc.), arquivos de dados

Profa. Patrícia Lima Quintão www.pontodosconcursos.com.br 2 de 118

Uma coleção de dados ao acaso não pode ser interpretada como um

exemplo: nome, telefone e endereço. Estes dados ou fatos organizados de

maneira significativa e relacionados formam uma informação, como por

• Sabendo o que são dados e informações é possível definir os Bancos de

Dados como um conjunto de dados devidamente relacionados

capazes de apresentar uma informação.

• Coleção de dados interrelacionados, armazenados de forma centralizada ou

distribuída, com algum significado inerente, isto é, informações de interesse

de uma ou mais organizações.

• Um banco de dados é projetado, construído e povoado por dados,

atendendo a uma proposta específica. Possui um grupo de usuários definido

e algumas aplicações preconcebidas, de acordo com o interesse desse grupo

Profa. Patrícia Lima Quintão www.pontodosconcursos.com.br 3 de 118

b) conjunto de operações sobre dados integrados destinados a modelar

matéria. Pois existem softwares que implementam e gerenciam banco de

dados para serem usados no computador, contudo, conceitualmente banco de

dados não é um software.

trata um banco de dados como um conjunto de dados interrelacionados que

grupo de usuários definidos.

Principais Tipos de Banco de Dados

Com o avanço da tecnologia e da computação, houve um crescimento do

volume e dos tipos de dados a serem armazenados nas organizações. Isso

demandou a necessidade de se utilizar softwares especiais para gerenciar os

dados, os chamados SGBDs (Sistemas Gerenciadores de Banco de Dados).

i)Quanto ao número de usuários (monousuário/multiusuário)

Profa. Patrícia Lima Quintão www.pontodosconcursos.com.br 4 de 118

e C devem esperar até que o A termine. Um banco de dados monousuário

iii)Quanto à utilização de dados (Banco de Dados

Operacional/DataWarehouse/Bancos de Dados em XML,...)

Atualmente, o modo mais popular de classificação baseia-se em como os

bancos de dados serão utilizados e na sensibilidade ao tempo das

informações nele coletadas. Por exemplo, transações como vendas,

pagamentos e aquisições de suprimentos de produtos ou serviços refletem

operações diárias fundamentais. Essas transações devem ser registradas de

modo preciso e imediato.

Um banco projetado principalmente para dar suporte às operações diárias de