1. (CESPE TCM/BA 2018) O termo big data se baseia em cinco Vs: velocidade, virtuosidade, volume, vantagem e valor. 2. (CESPE TCM/BA 2018) A utilização de big data nas organizações não é capaz de transformar os seus processos de gestão e cultura. 3. (CESPE TCE/PB 2018) A definição mais ampla de big data restringe o termo a duas partes — o volume absoluto e a velocidade —, o que facilita a extração das informações e dos insights de negócios. 4. (CESPE TJ/SE 2014) Em soluções Big Data, a análise dos dados comumente precisa ser precedida de uma transformação de dados não estruturados em dados estruturados. 5. (CESPE TCE/PB 2018) Para armazenar e recuperar grande volume de dados, o big data utiliza bancos SQL nativos, que são bancos de dados que podem estar configurados em quatro tipos diferentes de armazenamentos: valor chave, colunar, gráfico ou documento. 6. (CESPE TCU 2016) Devido à quantidade de informações manipuladas, a (cloud computing) computação em nuvem torna-se inviável para soluções de big data. 7. (CESPE FUNPRESP-JUD 2016) Uma big data não engloba dados não estruturados, mas inclui um imenso volume de dados estruturados suportado por tecnologias como o DataMining e o DataWarehouse para a obtenção de conhecimento a partir da manipulação desses dados. 8. (CESPE EBSERH 2018) As soluções de big data focalizam dados que já existem, descartam dados não estruturados e disponibilizam os dados estruturados. 9. (CESPE EBSERH 2018) A escalabilidade dos bancos de dados NoSQL é garantida pela ausência de um esquema (scheme free). 10. (CESPE ANATEL) No MapReduce, modelo de processamento de dados paralelo para processamento e análise de grandes volumes de dados, os programas são escritos em um estilo de programação funcional, no qual as funções Map e Reduce devem ser criadas.