UNIVERSIDADE DO ESTADO DE MINAS GERAIS

BACHARELADO EM SISTEMAS DE INFORMAÇÃO

GABRIEL PEREIRA RODRIGUES

SÁVIO SOARES SOUSA
EDUARDO ASSIS JEUNON
CHRISTOPHER ANTONY CARREIRA
GIOVANI CHAGAS SILVA

GESTÃO DA INFORMAÇÃO

PASSOS - MINAS GERAIS

2021
1. Que benefícios a empresa conseguiu pelo uso de um depósito de dados e
ferramentas de análise preditiva?

R: Foram grandes os benefícios, podemos começar pela garantia de resultados

precisos e consistentes, obtendo uma maior confiabilidade crescente que tem
levado a economias de recursos humanos e computacionais pelo corte de tempo
de resposta a requisições de dados de vários dias para apenas algumas horas ou
minutos. Outro benefício foi todo o aprendizado que obtiveram diante a suas taxas
de inadimplência que eram a metade do previsto por serviços de classificação
como a Moody’s e Standard & Poors. Sendo assim, a Wells Fargo pôde renegociar
os empréstimos e assumir um maior número de riscos, economizando cerca de
250 mil dólares por mês O sistema também ajudou a Wells Fargo a participar de
novas parcerias com companhias de seguros de empréstimos e gerar cerca de 30
milhões de dólares por ano de receitas adicionais.

2. Por que é importante ter diversos anos de dados consolidados de todos os

tipos de clientes para análises preditivas?

R: Porque quanto maior for o tempo de um banco de dados existente, maior será a
massa de dados, consequentemente maior será o número de análises feitas, assim
possibilitando ter um leque ainda maior para as análises preditivas, pois os dados
tendem a ter um comportamento padrão, o que irá facilitar o processo de
prevenção

3. Qual a importância de os dados serem completos e de boa qualidade para o

processo de análise?

R: A importância da qualidade dos dados se dá na identificação de oportunidades

de mercado, permitindo que a empresa tenha um melhor embasamento para suas
estratégias de marketing e negócios. Assim, permitindo tomadas de decisões mais
certeiras, reduzindo o risco iminente de cada medida adotada.
4. Defina extração de dados e explique por que é necessária.

R: A extração de dados pode ser entendida como o estágio em que os dados são
extraídos e trazidos para a zona de transição, onde são convertidos em um único
formato. Devido à heterogeneidade das informações desses sistemas, a conversão
é necessária, e a conformação a priori é essencial para o processamento adequado.
Após a extração, as empresas têm subsídios para iniciar as etapas de conversão e
limpeza dos dados. A extração de dados é importante porque torna mais fácil para
os usuários de negócios analisar e criar dados relacionados aos seus planos de
negócios, e possibilita também a criação de relatórios sobre as informações
necessárias para tomar as decisões necessárias para o gerenciamento da empresa.

5. O que é uma visão multidimensional de dados (Cubo)?

R: A modelagem multidimensional é uma tecnologia de modelagem de banco de

dados que ajuda os data warehouses a fazer consultas de diferentes ângulos. As
visualizações multidimensionais permitem o uso mais intuitivo de ferramentas
OLAP para análise e processamento.
OLAP multidimensional (MOLAP) é uma ferramenta que usa uma estrutura de
banco de dados multidimensional. O OLAP relacional (ROLAP) utiliza uma
arquitetura de dados relacional, na qual o banco de dados possui uma estrutura
tradicional. Hybrid OLAP (HOLAP) é uma combinação dos dois primeiros,
usando os melhores aspectos e recursos dos dois tipos. Cada modelagem
dimensional possui dois elementos básicos: tabela de fatos e tabela de dimensões.
Ambos são obrigatórios e possuem características complementares no data
warehouse.

6. Que tipo de sistema foi usado pela Wells Fargo, um OLAP ou Data
Mining? Justifique sua resposta.

R: O sistema usado pela Wells Fargo foi um sistema Data Mining que também é
conhecida como KDD(Knowledge Discovery in Data), pois é o campo da ciência
da computação que lida com a extração de padrões interessantes de grandes
conjuntos de dados e que se torna cada vez mais uma ferramenta de muito
importância para conversão dessa grande riqueza de dados na inteligência de
negócios, pois a extração manual de padrões tornou-se aparentemente impossível
nas últimas décadas. E basicamente foi isso que ocorreu na Wells Fargo, pois o
banco tinha objetivo de gerenciar o risco de não-pagamento e eles aprenderam que
suas taxas de inadimplência eram a metade do previsto por serviços de
classificação, ou seja, houve uma conversão de riqueza de dados em inteligência
de negócio.

7. Faça uma comparação entre DatawareHouse e Data Lake.

R: O data warehouse é o local onde todos os dados digitais da empresa são

armazenados. Funciona como um estoque, o qual sempre que precisamos procurar
algo recorremos a ele. Já o data lake é um repositório de dados muito adequado
para dados não estruturados. Como data warehouses, eles são repositórios para
armazenar dados da empresa, mas a um custo muito menor e de maneira
escalável. Na prática, a finalidade de um data lake e de um data warehouse são
diferentes. No primeiro, os dados originais são armazenados e processados, os
quais as empresas ainda não definiram um objetivo ainda, no segundo são
armazenados apenas os dados que foram processados ​e que têm uma finalidade
dentro da organização.