50 Questões TI - Exponencial

Questões Grátis de TI - 50 Questões Grátis e comentadas de TI para ICMS SC
OS COMENTÁRIOS ESTÃO NO CADERNO DE QUESTÕES DO SITE DO EXPONENCIAL
1. (Bancas: FCC / Instituições: AL-SP / Provas: Agente Técnico Legislativo Especializado - Admin e
Arquitetura de Dados / Anos: 2010)
Id: 502883 - Disciplina:Banco de Dados
NÃO é uma vantagem do SGBD:
a) controle de redundância.
b) compartilhamento de dados.
c) restrição a acesso não autorizado.
d) tolerância a falhas.
e) custo.
https://goo.gl/sWpC1v
2. (Bancas: FCC / Instituições: MPE-PB / Provas: Analista de Sistemas – Administrador de Banco de Dados /
Anos: 2015)
Um Analista precisa criar as estruturas de tabelas usando um Sistema Gerenciador de Bancos de Dados (SGBD),
com base em um Diagrama Entidade-Relacionamento e um Modelo Relacional Ampliado RM/T. Durante o seu
trabalho ele deverá criar uma
a) tabela para cada Relacionamento apontado no Diagrama Entidade-Relacionamento.
b) tabela com todos os atributos representados no Diagrama Entidade-Relacionamento.
c) tabela para cada tupla representada no Modelo Relacional Ampliado RM/T.
d) tabela para cada Entidade do Diagrama Entidade-Relacionamento.
e) chave primária de tabela para cada atributo de cada tupla representada no Modelo Relacional Ampliado
RM/T.
https://goo.gl/B7kD39
3. (Bancas: FCC / Instituições: TRT - 4ª REGIÃO (RS) / Provas: Técnico Judiciário - Tecnologia da
Informação / Anos: 2015)
Considere a figura abaixo que traz componentes de um sistema de BI-Business Intelligence.
Os elementos I, II, III e IV indicados na figura são, correta e respectivamente, associados com:
a) PL/SQL − Oracle 11g − OLAP − Data Mining.
b) Portal Corporativo − SGBD − Consultas SQL − Cubo de Dados.
c) SGBD − Data Warehouse − OLAP − Data Mining.
d) Oracle − Cubo de Dados − Consultas PL/SQL − OLAP.
e) OLTP − Data Warehouse − Operações Drill − Cubo de Dados.
https://goo.gl/oICMy3
4. (Bancas: FCC / Instituições: TRT - 4ª REGIÃO (RS) / Provas: Analista Judiciário - Tecnologia da
Considere a arquitetura geral de um sistema de BI- Business Intelligence mostrada na figura abaixo.
Nesta arquitetura
a) Data Marts representam áreas de armazenamento intermediário criadas a partir do processo de ETL. Auxiliam
na transição dos dados das fontes OLTP para o destino final no Data Warehouse.
b) OLAP é um subconjunto de informações extraído do Data Warehouse que pode ser identificado por assuntos
ou departamentos específicos. Utiliza uma modelagem multidimensional conhecida como modelo estrela.
c) os dados armazenados no Data Warehouse são integrados na base única mantendo as convenções de nomes,
valores de variáveis e outros atributos físicos de dados como foram obtidos das bases de dados originais.
d) o Data Warehouse não é volátil, permite apenas a carga inicial dos dados e consultas a estes dados. Além
disso, os dados nele armazenados são precisos em relação ao tempo, não podendo ser atualizados.
e) Data Mining se refere ao processo que, na construção do Data Warehouse, é utilizado para composição de
análises e relatórios, armazenando dados descritivos e qualificando a respectiva métrica associada.
https://goo.gl/Pkl7vk
5. (Bancas: FCC / Instituições: DPE-SP / Provas: Programador / Anos: 2015)
Em um MER − Modelo Entidade-Relacionamento, atributos são as características que descrevem cada entidade
dentro do domínio. Os atributos são classificados como
a) denominativos, se representam características intrínsecas de uma entidade, tais como nome, salário, situação.
b) descritivos, se, além de serem denominativos, têm a função de definir e identificar um objeto, como nome,
código, sexo.
c) singulares, se um único atributo define uma característica da entidade, como nome, peso, data.
d) complementares, se, para definir uma informação da entidade, são usados vários atributos.
e) referenciais, se representam a ligação de uma entidade com outra em um relacionamento.
Direitos autorais reservados (Lei 9610/98). Proibida a reprodução, venda ou compartilhamento deste arquivo.
Uso individual
Cópia registrada para fernando barbosa de moura (CPF:0)
https://goo.gl/bAMFui
6. (Bancas: FCC / Instituições: TRT - 9ª REGIÃO (PR) / Provas: Técnico Judiciário - Área Apoio
Especializado / Anos: 2015)
Uma plataforma de Business Intelligence envolve o DW − Data Warehouse e diversos componentes, dentre os
quais, encontram-se
I. um subconjunto de informações do DW que podem ser identificados por assuntos ou departamentos

específicos.
II. ferramentas com capacidade de análise em múltiplas perspectivas das informações armazenadas.
III. ferramentas com capacidade de descoberta de conhecimento relevante. Encontram correlações e padrões
dentro dos dados armazenados.
IV. processo de extração, tratamento e limpeza dos dados para inserção no DW.
Os componentes de I a IV são, correta e respectivamente,

a) Staging Area − Data Mining − OLAP − ETL.
b) Data Mart − OLAP − Data Mining − ETL.
c) OLTP − Drill Through − Drill Across − Staging Area.
d) Cubo de dados − Data Mining − OLTP − Operações Drill.
e) Staging Area − OLAP − Data Mining − Operações Drill.
https://goo.gl/IEQJsg
7. (Bancas: FCC / Instituições: TRT - 23ª REGIÃO (MT) / Provas: Analista Judiciário - Tecnologia da
Na abordagem Star Schema, usada para modelar data warehouses, os fatos são representados na tabela de fatos,
que normalmente
a) é única em um diagrama e ocupa a posição central.
b) está ligada com cardinalidade n:m às tabelas de dimensão.
c) está ligada às tabelas de dimensão, que se relacionam entre si com cardinalidade 1:n.
d) tem chave primária formada independente das chaves estrangeiras das tabelas de dimensão.
e) está ligada a outras tabelas de fatos em um layout em forma de estrela.
https://goo.gl/WMByl0
8. (Bancas: FCC / Instituições: TRT - 14ª Região (RO e AC) / Provas: Técnico Judiciário - Tecnologia da
Quando uma empresa utiliza Data Warehouse (DW) é necessário carregá-lo para permitir a análise comercial.
Para isso, os dados de um ou mais sistemas devem ser extraídos e copiados para o DW em um processo
conhecido como
a) ERP.
b) BI.
c) CRM.
d) ETL.
e) Data Mart.
https://goo.gl/tlKnSU
9. (Bancas: FCC / Instituições: ELETROBRAS-ELETROSUL / Provas: Informática / Anos: 2016)
Considere a operação OLAP entre as tabelas abaixo
Energia (em mil megawatts) 2015

Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
Regial sul RS 2,6 3,1 3,9 4,1
SC 2,3 3 4,5 5,3
Energia (em mil megawatts) Trimestre 4
Outubro Novembro Dezembro
Regial sul RS 1,1 1,3 1,7
SC 1,4 1,7 2,2
Esta operação
a) drill up corta o cubo, mantendo a mesma perspectiva de dimensão dos dados, filtrando e reduzindo o escopo
dos dados.
b) slice and dice corta o cubo, mantendo a mesma perspectiva de dimensão dos dados, filtrando e reduzindo o
escopo dos dados.
c) drill across na dimensão geográfica permite que o usuário diminua o nível de granularidade, diminuindo o
nível de detalhamento da informação.
d) drill down na dimensão tempo permite que o usuário aumente o nível de granularidade, diminuindo o nível de
detalhamento da informação.
e) drill up na dimensão tempo permite que o usuário aumente o nível de granularidade, diminuindo o nível de
detalhamento da informação.
https://goo.gl/3kxtnS
10. (Bancas: FCC / Instituições: Prefeitura de Teresina - PI / Provas: Analista Tecnológico - Analista de
Suporte Técnico / Anos: 2016)
No modelo entidade-relacionamento de um banco de dados relacional, há os conjuntos de relacionamentos entre
conjuntos de entidades, sendo que
a) um conjunto de relacionamentos não pode ter atributos descritivos.
b) um conjunto de relacionamentos binário liga 2 conjuntos de entidades distintos.
c) 2 conjuntos de entidades distintos suportam um único conjunto de relacionamentos entre si.
d) um conjunto de relacionamentos de cardinalidade 1 para 1 é também conhecido como recursivo.
e) um conjunto de relacionamentos de cardinalidade muitos para muitos liga 3 ou mais conjuntos de entidades
distintos.
https://goo.gl/92oSSc
11. (Bancas: FCC / Instituições: Prefeitura de Teresina - PI / Provas: Técnico de Nível Superior - Analista de
Sistemas / Anos: 2016)
Em um Star Schema de um Data Warehouse – DW, a tabela Dimensão possui característica
a) descritiva dentro do DW. Ela qualifica as informações provenientes da tabela Fato; A tabela Fato possui
característica quantitativa dentro do DW. A partir dela são extraídas as métricas que são cruzadas com os dados
das Dimensões. Dimensões são ligadas entre si e qualquer uma delas se liga diretamente a tabela Fato. Os dados
devem ser normalizados.
b) quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui
característica descritiva dentro do DW. A partir dela são extraídas as nomenclaturas que são quantificadas com os
dados das Dimensões. Dimensões são ligadas entre si. Os dados devem ser desnormalizados.
c) quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui
dados das Dimensões. Dimensões não são ligadas entre si. Os dados devem ser normalizados.
d) quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui
dados das Dimensões. Dimensões são ligadas entre si. Os dados devem ser normalizados.
e) descritiva dentro do DW. Ela qualifica as informações provenientes da tabela Fato; A tabela Fato possui
característica quantitativa dentro do DW. A partir dela são extraídas as métricas que são cruzadas com os dados
das Dimensões. Dimensões são ligadas diretamente a tabela Fato. Outra característica marcante é que os dados
são desnormalizados.
https://goo.gl/6eL5fE
Durante a modelagem de dados, um Analista de Sistema da Prefeitura de Teresina deparou-se com a situação
apresentada na tabela abaixo.
Para que haja unicidade de identificação do Departamento, é necessário que, na modelagem de dados, o
a) Órgão seja definido como Entidade Fraca de Departamento, sendo o lado n de um relacionamento de
dependência 1:n.
b) Departamento seja definido como Entidade Fraca de Órgão sendo o lado n de um relacionamento de
dependência 1:n.
c) Departamento seja definido como Entidade Fraca de Órgão em um relacionamento de dependência n:m.
d) Órgão seja definido como Entidade Fraca de Departamento em um relacionamento de dependência n:m.
e) Órgão e Departamento sejam modelados em um relacionamento n:m não dependente.
https://goo.gl/mtGyWK
Durante o levantamento de requisitos um Analista de Sistemas identificou um relacionamento denominado
Subordinação que relacionava um Órgão a outro da Prefeitura de Teresina como Órgão Subordinante (superior) e
Órgão Subordinado. Esse relacionamento explicava a hierarquia administrativa entre órgãos. Desta forma, o
Analista, durante a modelagem de dados, modelou corretamente Subordinação como
a) relacionamento ternário.
b) autorrelacionamento n:m.
c) autorrelacionamento 1:n.
d) relacionamento dependente.
e) entidade nula.
https://goo.gl/Ris4YB
Um Analista de Sistemas da Prefeitura de Teresina necessita modelar em um diagrama E-R as consultas dos
cidadãos aos processos públicos. O relacionamento da consulta definido é n:m. Todavia cada consulta realizada
deve ter uma identificação própria e mais o atributo data da consulta. Este relacionamento assim especificado
relaciona-se com outras entidades do modelo, de acordo com o levantamento de requisitos.
Pela característica assim definida, esse relacionamento de consulta deve ser desenhado como
a) atributo associativo.
b) entidade fraca.
c) relacionamento dependente.
d) entidade associativa.
e) relacionamento forte.
http://goo.gl/N62jHZ
15. (Bancas: FCC / Instituições: TRE-PI / Provas: Analista Judiciário - Tecnologia da Informação / Anos:
2009)
Uma chave estrangeira de uma tabela relacional é
a) um índice de uma tabela migrado de outra tabela.
b) um índice derivado parcialmente de uma chave primária de outra tabela.
c) um atributo que aponta para a chave primária de uma outra tabela.
d) uma ligação de relacionamento múltiplo entre duas ou mais tabelas.
e) uma ligação de relacionamento entre as chaves primárias de duas tabelas.
Uso individual
http://goo.gl/vsKZog
16. (Bancas: FCC / Instituições: TCE-SP / Provas: Agente da Fiscalização Financeira - Informática - Produção
e Banco de Dados / Anos: 2010)
Considere uma dada população de eventos ou novos itens que podem ser particionados (segmentados) em
conjuntos de elementos similares, tal como, por exemplo, uma população de dados sobre uma doença que pode
ser dividida em grupos baseados na similaridade dos efeitos colaterias produzidos. Como um dos modos de
descrever o conhecimento descoberto durante a data mining este é chamado de
a) associação.
b) otimização.
c) classificação.
d) clustering.
e) temporização.
http://goo.gl/OmQUEu
Uma das abordagens de mining define que, se uma regra de classificação é considerada uma função sobre
variáveis que as mapeia em uma classe destino, a regra é chamada
a) categorização.
b) Apriori.
c) algoritmo genético.
d) regressão.
e) minimização.
http://goo.gl/6aOHF8
No âmbito dos algoritmos associados ao mining, se houver um banco de dados com um número potencial
pequeno de conjuntos de itens grandes, isto é, uns poucos milhares, então o suporte para todos eles pode ser
testado em uma passagem usando a técnica específica de
a) hierarquização.
b) partição.
c) amostragem.
d) árvore de padrão frequente.
e) séries temporais.
http://goo.gl/q3cc1Y
19. (Bancas: FCC / Instituições: TCM-PA / Provas: Técnico em Informática / Anos: 2010)
Especificamente, um data mining onde as tendências são modeladas conforme o tempo, usando dados
conhecidos, e as tendências futuras são obtidas com base no modelo possui a forma de mining
a) textual.
b) flocos de neve.
c) espacial.
d) estrela.
e) preditivo.
http://goo.gl/ctKsJQ
20. (Bancas: FCC / Instituições: AL-SP / Provas: Agente Técnico Legislativo Especializado - Admin e
Arquitetura de Dados / Anos: 2010)
Chaves são utilizadas para especificar restrições de integridade básicas de um SGBD relacional. NÃO é um tipo
de chave do modelo relacional:
a) Primária.
b) Candidata.
c) Estrangeira.
d) Composta.
e) Terciária.
Uso individual
http://goo.gl/zUUIGK
21. (Bancas: FCC / Instituições: TRF - 4ª REGIÃO / Provas: Analista Judiciário - Tecnologia da Informação /
Anos: 2010)
Sobre data mining, é correto afirmar:
a) É o processo de descoberta de novas correlações, padrões e tendências entre as informações de uma empresa,
por meio da análise de grandes quantidades de dados armazenados em bancos de dados usando técnicas de
reconhecimento de padrões, estatísticas e matemáticas.
b) Não requer interação com analistas humanos, pois os algoritmos utilizados conseguem determinar de forma
completa e eficiente o valor dos padrões encontrados.
c) Na mineração de dados, encontrar padrões requer que os dados brutos sejam sistematicamente
"simplificados", de forma a desconsiderar aquilo que é genérico e privilegiar aquilo que é específico.
d) É um grande banco de dados voltado para dar suporte necessário nas decisões de usuários finais, geralmente
gerentes e analistas de negócios.
e) O processo de descobrimento realizado pelo data mining só pode ser utilizado a partir de um data warehouse,
onde os dados já estão sem erros, sem duplicidade, são consistentes e habilitam descobertas abrangentes e
precisas.
http://goo.gl/E4uysz
22. (Bancas: FCC / Instituições: MPE-RN / Provas: Analista de Tecnologia da Informação - Banco de Dados /
Anos: 2010)
A arquitetura HOLAP (Hybrid On-Line Analytical Processing), para aproveitar as vantagens de alta performance
e de escalabilidade, combina as tecnologias
a) ROLAP e OLTP.
b) ROLAP e MOLAP.
c) DOLAP e MOLAP.
d) OLAP e DOLAP.
e) OLAP e OLTP.
http://goo.gl/9qNOKu
23. (Bancas: FCC / Instituições: MPE-RN / Provas: Analista de Tecnologia da Informação - Banco de Dados /
Anos: 2010)
Uma aplicação OLAP, com os dados armazenados no modelo relacional e também com suas consultas
processadas pelo gerenciador relacional, deverá ter sua arquitetura elaborada com o método
a) OLTP.
b) MOLAP.
c) ROLAP.
d) DOLAP.
e) HOLAP.
http://goo.gl/HP0Fq8
24. (Bancas: FCC / Instituições: TRE-RN / Provas: Técnico Judiciário - Programação de Sistemas / Anos:
2011)
Um modelo de base de dados que consiste principalmente de uma coleção de tabelas, uma coleção de operadores
e uma coleção de restrições de integridade, é conhecido como modelo
a) em rede.
b) referencial.
c) plano.
d) relacional.
e) hierárquico.
http://goo.gl/vpN3oK
25. (Bancas: FCC / Instituições: TRT - 4ª REGIÃO (RS) / Provas: Analista Judiciário - Tecnologia da
Utilizando uma base multidimensional, o usuário passou da análise de informações sob a ótica da dimensão
tempo para a visão sob a dimensão regional. A operação OLAP aí realizada foi
a) roll up.
b) drill across.
c) drill throught.
d) slice and dice.
e) star across.
Uso individual
http://goo.gl/7RD4h0
26. (Bancas: FCC / Instituições: TRT - 14ª Região (RO e AC) / Provas: Técnico Judiciário - Tecnologia da
O usuário pode utilizar as ferramentas para navegar entre diferentes níveis de granularidade de um cubo de
dados, aumentando ou diminuindo o nível de detalhamento dos dados, através de processos denominados Drill
up e Drill down.Trata-se de ferramentas aplicadas, tipicamente, em
a) OLAP
b) data warehouse
c) data mining
d) OLAP e data warehouse.
e) data warehouse e data mining.
http://goo.gl/h0FsF3
27. (Bancas: FCC / Instituições: TRT - 14ª Região (RO e AC) / Provas: Analista Judiciário - Tecnologia da
No contexto de DW, é uma categoria de ferramentas de análise denominada open-end e que permite ao usuário
avaliar tendências e padrões não conhecidos entre os dados. Trata-se de
a) slice.
b) star schema.
c) ODS.
d) ETL.
e) data mining.
http://goo.gl/D9xRcF
28. (Bancas: FCC / Instituições: TRT - 23ª REGIÃO (MT) / Provas: Técnico Judiciário - Tecnologia da
NÃO se trata, comparativamente ao OLTP, de uma característica de um data warehouse:
a) organização dos dados por assunto.
b) natureza dinâmica dos dados, permitindo atualizações contínuas.
c) conteúdo composto de dados históricos, sumariados e integrados.
d) disponibilizar suporte para a tecnologia de data mining.
e) possibilitar processamento mais eficiente e apresentação de dados focada na tomada de decisão.
http://goo.gl/2No6aG
29. (Bancas: FCC / Instituições: INFRAERO / Provas: Analista de Sistemas - Administrador de Banco de
Dados / Anos: 2011)
No âmbito da descoberta do conhecimento (KDD), a visão geral das etapas que constituem o processo KDD
(Fayyad) e que são executadas de forma interativa e iterativa apresenta a seguinte sequência de etapas:
a) seleção, pré-processamento, transformação, data mining e interpretação/avaliação.
b) seleção, transformação, pré-processamento, interpretação/avaliação e data mining.
c) data warehousing, star modeling, ETL, OLAP e data mining.
d) ETL, data warehousing, pré-processamento, transformação e star modeling.
e) OLAP, ETL, star modeling, data mining e interpretação/avaliação.
http://goo.gl/L9XdJr
30. (Bancas: FCC / Instituições: INFRAERO / Provas: Analista de Sistemas - Administrador de Banco de
Dados / Anos: 2011)
Funcionalidade cujo objetivo é encontrar conjuntos de dados que não obedecem ao comportamento ou modelo
dos dados. Uma vez encontrados, podem ser tratados ou descartados para utilização em mining. Trata-se de
a) descrição.
b) agrupamento.
c) visualização.
d) análise de outliers.
e) análise de associações.
Uso individual
http://goo.gl/uXfGtS
31. (Bancas: FCC / Instituições: TRE-PE / Provas: Analista Judiciário - Análise de Sistemas / Anos: 2011)
Um processo importante que ocorre em relação à formação de um data warehouse é a obtenção dos dados de uma
ou mais bases de dados da origem. Deve ser rigoroso para evitar a deformação e/ou a perda dos dados quando
passados da fonte original para o destino. Trata- se de
a) MINING.
b) DATA MART.
c) MOLAP.
d) STAR.
e) ETL.
http://goo.gl/tjsyYM
32. (Bancas: FCC / Instituições: TCE-AM / Provas: Analista de Controle Externo - Tecnologia da Informação /
Anos: 2012)
Em ferramentas OLAP, a estrutura de dados que agrega as medidas por níveis e hierarquias de cada uma das
dimensões a serem analisadas, combinando várias dimensões, tais como tempo, geografia e linhas de produtos,
com dados resumidos, tais como números de vendas ou de inventário, é visualizada na forma de
a) um gráfico multidimensional.
b) uma esfera.
c) uma planilha.
d) um cubo.
e) uma pirâmide tridimensional.
http://goo.gl/WFc6ql
33. (Bancas: FCC / Instituições: TCE-AM / Provas: Analista de Controle Externo - Tecnologia da Informação /
Anos: 2012)
Em relação a bancos de dados, uma chave primária pode ser formada por uma ou mais colunas e deve possuir um
identificador único para
a) cada uma das colunas pertencente a essa chave.
b) cada coluna da tabela.
c) uma tupla (formada por linhas e colunas).
d) todos os registros da tabela.
e) cada linha da tabela.
http://goo.gl/pUvOr7
34. (Bancas: FCC / Instituições: TST / Provas: Analista Judiciário - Análise de Sistemas / Anos: 2012)
O processo de ETL em uma Data Warehouse possui várias fases. Em uma destas fases é efetuada a
a) extração dos dados dos sistemas de origem.
b) introdução de novos produtos no mercado.
c) validação das interfaces de usuário.
d) criação de diagramas estáticos e comportamentais das classes e atributos.
e) definição dos custos e prazos.
http://goo.gl/zD7sHg
35. (Bancas: FCC / Instituições: TRT - 9ª REGIÃO (PR) / Provas: Técnico Judiciário - Tecnologia da
A revista ClubeDelphi publicou o seguinte artigo:
As lacunas que completam corretamente o texto estão expressas em

a) I II III IV
Data Warehouse Data Mart CPM Dashboard
b) I II III IV
SGBD Data Mining Data Warehouse OLAP
c) I II III IV
OLAP Business Intelligence Date Mining Dashboard
d) I II III IV
Data Warehouse Date Mining Business Intelligence OLAP
e) I II III IV
OLAP Data Mart Date Werehousing Business Intelligence
http://goo.gl/mIP17R
36. (Bancas: FCC / Instituições: MPE-CE / Provas: Analista Ministerial - Ciências da Computação / Anos:
2013)
O modelo de dados relacional é baseado em uma coleção de ____ . O usuário pode consultá-las e inserir, excluir
e atualizar ____ . A ____ define um conjunto de operações sobre relações e as linguagens de consulta são
baseadas nela. O modelo de dados ____ é amplamente usado para o projeto do banco de dados, oferecendo uma
representação gráfica para visualizar dados, relacionamentos e ____ .
Preenchem as lacunas, correta e respectivamente, o que consta em

a) I relações II duplas III álgebra de Boole IV relacional V entidades
b) I relações II atributos III SQL IV relacional V entidades
c) I tabelas II tuplas III álgebra relacional IV E-R V restrições
d) I tabelas II informações III UML IV E-R V cardinalidades
e) I colunas II relações III normalização IV normal V restrições
http://goo.gl/Wlal8y
37. (Bancas: FCC / Instituições: TRF - 3ª REGIÃO / Provas: Analista Judiciário - Informática / Anos: 2014)
Mineração de dados é a investigação de relações e padrões globais que existem em grandes bancos de dados, mas
que estão ocultos no grande volume de dados. Com base nas funções que executam, há diferentes técnicas para a
mineração de dados, dentre as quais estão:
I. identificar afinidades existentes entre um conjunto de itens em um dado grupo de registros. Por exemplo: 75%
dos envolvidos em processos judiciais ligados a ataques maliciosos a servidores de dados também estão
envolvidos em processos ligados a roubo de dados sigilosos.
II. identificar sequências que ocorrem em determinados registros. Por exemplo: 32% de pessoas do sexo feminino
após ajuizarem uma causa contra o INSS solicitando nova perícia médica ajuízam uma causa contra o INSS
solicitando ressarcimento monetário.
III. as categorias são definidas antes da análise dos dados. Pode ser utilizada para identificar os atributos de um
determinado grupo que fazem a discriminação entre 3 tipos diferentes, por exemplo, os tipos de processos
judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de técnicas referenciados em I, II e III, respectivamente, são:

a) I - Padrões sequenciais
II - Redes Neurais
III - Árvore de decisão
b) I - Redes Neurais
II - Árvore de decisão
III - Padrões sequenciais
c) I - Associação
II - Padrões sequenciais
III - Classificação
d) I - Classificação
II - Associação
III - Previsão
e) I - Árvore de decisão
II - Classificação
III - Associação
http://goo.gl/WfUq37
38. (Bancas: FCC / Instituições: Câmara Municipal de São Paulo - SP / Provas: Consultor Técnico Legislativo -
Informática / Anos: 2014)
A proposta de um DW - Data Warehouse é sustentar a tomada de decisões com dados e informações. A Data
Mining pode ser usada em conjunto com o DW e as ferramentas OLAP para dar suporte às decisões gerenciais.
Considerando estas tecnologias e ferramentas de apoio à decisão, é correto afirmar:
a) Um DW é um conjunto de múltiplos bancos de dados com os dados integrados em um modelo
multidimensional. Da mesma forma que os bancos de dados transacionais, os DWs dão apoio a análises de série
temporal e de tendências, as quais requerem mais dados atuais do que históricos.
b) Os modelos multidimensionais tiram proveito de relações inerentes aos dados para gerar dados em matrizes
multidimensionais denominadas cubos de dados ou hipercubos. No entanto, o desempenho de consultas em
matrizes multidimensionais geralmente é pior do que no modelo de dados relacional. Três exemplos de
dimensões em DW corporativo poderiam ser os períodos fiscais da empresa, os produtos e as regiões.
c) As ferramentas OLAP oferecem funcionalidades pré-programadas como ROLAP (dados são resumidos com
generalização crescente, como semanal para trimestral e deste para anual) e MOLAP (níveis crescentes de
detalhes são revelados).
d) O resultado da mineração de dados pode descobrir novas informações apenas através do uso de dois métodos:
regras de associação (se um cliente compra um computador, ele também pode comprar uma impressora) e
padrões sequenciais (um cliente que compra uma câmera e depois compra um material fotográfico, deverá
comprar outro acessório associado).
e) Comparados com os BDs transacionais, os DWs são não-voláteis. Um DW não provoca preocupações do tipo
deadlock ou atualizações de registro a registro. Os dados vêm de um ambiente operacional e, depois de
carregados no DW, podem ser consultados sem necessidade de nenhum tipo de bloqueio por concorrência de
usuários no seu acesso.
http://goo.gl/bEp7Hx
39. (Bancas: FCC / Instituições: TRT - 2ª REGIÃO (SP) / Provas: Analista Judiciário - Tecnologia da
Em alguns casos, dois ou mais valores de atributos em um modelo de Entidade-Relacionamento estão
relacionados. Por exemplo, os atributos Idade e Data de Nascimento de uma pessoa. Para uma Entidade-Pessoa
em particular, o valor de Idade pode ser determinado pela data corrente e o valor de Data de Nascimento da
pessoa. Portanto, o atributo Idade é chamado atributo ...I... do atributo Data de Nascimento, que, por sua vez, é
chamado atributo ...II... .
As lacunas I e II são, correta e respectivamente, preenchidas com:

a) armazenado - derivado
b) derivado - armazenado
c) multivalorado - monovalorado
d) identificador - complexo
e) resultante - unívoco
http://goo.gl/OBWekb
40. (Bancas: FCC / Instituições: TCE-GO / Provas: Analista de Controle Externo - Tecnologia da Informação /
Anos: 2014)
As ferramentas OLAP permitem efetuar a exploração dos dados de um Data Warehouse (DW). Em relação a este
tema, é correto afirmar:
a) A análise multidimensional representa os dados como tabelas, de forma semelhante aos bancos de dados
relacionais.
b) Combinando as dimensões, o usuário tem uma visão dos dados de um DW, podendo efetuar operações básicas
como slice and dice, drill down e roll up.
c) O resultado das operações OLAP não permite a descoberta de tendências e cenários; isso é conseguido com
sistemas ERP, capazes de transformar dados do DW em informações estratégicas.
d) As operações slice and dice realizam a alteração nos dados do DW modificando o nível de granularidade da
consulta.
e) Para navegar nas dimensões do DW são utilizadas as operações drill, que não afetam o nível de granularidade
da consulta.
http://goo.gl/DOk39d
41. (Bancas: FCC / Instituições: TJ-AP / Provas: Analista Judiciário - Área Apoio Especializado - Tecnologia
da Informação / Anos: 2014)
Os sistemas de Data Warehouse utilizam-se de um modelo de dados diferente dos bancos de dados tradicionais,
que proporciona ganhos de desempenho nas consultas. Esse modelo é conhecido como modelagem
a) dinâmica.
b) dimensional.
c) fixa.
d) online.
e) transacional.
http://goo.gl/7yJ9Ad
Nas ferramentas de navegação OLAP (On-Line Analytical Processing), é possível navegar entre diferentes níveis
de detalhamento de um cubo de dados. Supondo-se que um relatório esteja consolidado por Estados de um país, o
processo que possibilita que os dados passem a ser apresentados por cidades e bairros, é denominado
a) drill down.
b) data mining.
c) botton-up.
d) drill up.
e) top-down.
http://goo.gl/gihTRf
Uma Forma Normal (FN) é uma regra que deve ser obedecida por uma tabela para ser considerada bem
projetada. As descrições a seguir são de tabelas em Formas Normais.
I. A tabela não contém dependências transitivas, ou seja, as colunas que não sejam chave primária não dependem
funcionalmente de outras colunas ou combinação de colunas que não sejam chave primária.
II. A tabela não contém dependências parciais, ou seja, cada coluna não chave depende da chave primária
completa e não apenas de parte dela.
Os itens I e II descrevem, respectivamente, regras referentes à

a) 4FN e 2FN.
b) 2FN e 3FN.
c) 3FN e 2FN.
d) 1FN e 3FN.
e) 3FN e 4FN.
http://goo.gl/22VmHz
44. (Bancas: FCC / Instituições: CNMP / Provas: Analista do CNMP - Tecnologia de Informação e
Comunicação Desenvolvimento de Sistemas / Anos: 2015)
Em relação às ferramentas de Data Discovery e os fundamentos de Data Mining, é correto afirmar:
a) As ferramentas de Data Mining permitem ao usuário avaliar tendências e padrões não conhecidos entre os
dados. Esses tipos de ferramentas podem utilizar técnicas avançadas de computação como redes neurais,
algoritmos genéticos e lógica nebulosa, dentre outras.
b) Data Mining é o processo de descobrir conhecimento em banco de dados, que envolve várias etapas. O KDD
– Knowledge Discovery in Database é uma destas etapas, portanto, a mineração de dados é um conceito que
abrange o KDD.
c) A etapa de KDD do Data Mining consiste em aplicar técnicas que auxiliem na busca de relações entre os
dados. De forma geral, existem três tipos de técnicas: Estatísticas, Exploratórias e Intuitivas. Todas são
devidamente experimentadas e validadas para o processo de mineração.
d) Os dados podem ser não estruturados (bancos de dados, CRM, ERP), estruturados (texto, documentos,
arquivos, mídias sociais, cloud) ou uma mistura de ambos (emails, SOA/web services, RSS). As ferramentas de
Data Discovery mais completas possuem conectividade para todas essas origens de dados de forma segura e
controlada.
e) Estima-se que, atualmente, em média, 80% de todos os dados disponíveis são do tipo estruturado. Existem
diversas ferramentas open source e comerciais de Data Discovery. Dentre as open source está a InfoSphere Data
Explorer e entre as comerciais está a Vivisimo da IBM.
http://goo.gl/j0WdxD
45. (Bancas: FCC / Instituições: CNMP / Provas: Analista do CNMP - Tecnologia de Informação e
Comunicação Desenvolvimento de Sistemas / Anos: 2015)
Considere que a equipe de Analistas de Desenvolvimento de Sistemas do CNMP está projetando a arquitetura
para o Data Warehouse (DW) da instituição, conforme mostra a figura abaixo:
É correto afirmar que esta arquitetura

a) é bottom-up. Garante a existência de um único conjunto de aplicações para ETL, ou seja, extração, limpeza e
integração dos dados, embora os processos de manutenção e monitoração fiquem descentralizados.
b) é bottom-up, pois primeiro a equipe cria um DW e depois parte para a segmentação, ou seja, divide o DW em
áreas menores gerando pequenos bancos orientados por assuntos aos departamentos.
c) é bottom-up. Permite um rápido desenvolvimento, pois a construção dos Data Marts é altamente direcionada.
Normalmente um Data Mart pode ser colocado em produção em um período de 2 a 3 meses.
d) é top-down. A partir do DW são extraídos os dados e metadados para os Data Marts. Nos Data Marts as
informações estão em maior nível de sumarização e, normalmente, não apresentam o nível histórico encontrado
no DW.
e) é top-down, pois possui um retorno de investimento muito rápido ou um faster pay back. O propósito desta
arquitetura é a construção de um DW incremental a partir de Data Marts independentes.
Uso individual
http://goo.gl/o2CIxN
46. (Bancas: FCC / Instituições: TRE-RR / Provas: Analista Judiciário - Análise de Sistemas / Anos: 2015)
Os dados de sistemas OLAP se baseiam nas informações contidas nos diversos softwares utilizados pela empresa
(ERPs, planilhas, arquivos texto, arquivos XML etc.). Estes sistemas possuem uma camada onde estão os dados
originais e outra camada onde estão os dados tratados (um gigantesco repositório de dados sobre assuntos
diversos preparados para serem consultados por um sistema OLAP), que chamamos de
a) Data Mining.
b) Online Transactional Database.
c) Data Mart.
d) Datawarehouse.
e) Big Data.
http://goo.gl/zwYbmT
47. (Bancas: FCC / Instituições: TRT - 15ª Região / Provas: Técnico Judiciário - Tecnologia da Informação /
Anos: 2015)
O modelo E-R utiliza alguns conceitos básicos como entidades, atributos e relacionamentos. Os atributos podem
ser classificados em obrigatórios, opcionais, monovalorados, multivalorados, simples ou compostos. Nesse
contexto, uma entidade chamada Empregado possui os atributos ID, Nome, TelefonesContato, CNH e Endereço.
Os atributos TelefonesContato e Endereço são classificados, respectivamente, em
a) simples e multivalorado.
b) multivalorado e composto.
c) obrigatório e opcional.
d) composto e multivalorado.
e) monovalorado e multivalorado.
http://goo.gl/UXKRFM
48. (Bancas: FCC / Instituições: TRT - 15ª Região / Provas: Analista Judiciário – Tecnologia da Informação /
Anos: 2015)
No contexto de Business Intelligence, os sistemas OLAP e OLTP se diferenciam em diversas características. Na
tabela abaixo, no que diz respeito às características, está INCORRETO:
a) Característica - Performance. /OLAP - Otimização para leitura e geração de análise e relatórios gerenciais. /
OLTP - Alta velocidade na manipulação de dados operacio- nais, porém ineficiente para geração de análises
gerenciais.
b) Característica - Tipo de permissões nos dados. /OLAP - É permitido apenas inserção e leitura. Para o
usuário está disponível apenas a leitura. / OLTP - Podem ser feitas leitura, inserção, modificação e exclusão de
dados.
c) Característica - Estrutura dos dados./OLAP - Armazenamento feito em Data Warehouse com otimização no
desempenho em grandes volumes de dados. / OLTP - Armazenamento feito em bancos de dados convencionais
pelos sistemas de informação da organização.
d) Característica - Foco./OLAP - Nível operacional da organização. Visa a exe- cução operacional do
negócio. / OLTP - Nível estratégico da organização. Visa a análise empresarial e tomada de decisão.
e) Característica - Volatilidade. /OLAP - Dados históricos e não voláteis que praticamente não sofrem
alterações salvo em casos específicos motivados por erros ou inconsistências. / OLTP -Dados voláteis, passíveis
de modificação e exclusão.
http://goo.gl/VLv3Uj
49. (Bancas: FCC / Instituições: TCE-CE / Provas: Técnico de Controle Externo-Auditoria de Tecnologia da
As ferramentas Online Analytical Processing − OLAP suportam análise de dados em um ambiente
multidimensional no qual é possível estruturar logicamente os dados na forma de um cubo. Dentre os recursos
disponíveis nessas ferramentas, há a operação
a) dice, que extrai um subcubo do cubo original executando uma operação de seleção em duas ou mais
dimensões.
b) roll-up, que seleciona dados de uma única dimensão de um cubo, resultando em um subcubo.
c) drill-down, que aplica uma agregação sobre o cubo de dados, aumentando o nível de granularidade dentro de
uma dimensão e reduzindo o detalhamento da informação.
d) slice, que é uma operação de visualização que rotaciona os eixos de um determinado cubo, provendo uma
visão alternativa dos dados.
e) pivot, que provê uma forma de navegar de um dado com menor nível de detalhe para um dado com maior
nível de detalhe, descendo em uma hierarquia de uma dimensão ou introduzindo dimensões adicionais.
http://goo.gl/GOap0F
50. (Bancas: FCC / Instituições: TRT - 3ª Região (MG) / Provas: Técnico Judiciário - Área Tecnologia da
Um técnico de TI precisa utilizar um subconjunto de dados de um Data Warehouse direcionado à área
administrativa de um Tribunal. Esses dados serão armazenados em um banco de dado modelado
multidimensionalmente, que será criado capturando-se dados diretamente de sistemas transacionais, buscando as
informações relevantes para os processos de negócio da área administrativa. Esse banco de dados será um
a) OLAP.
b) MOLAP.
c) Data Mining.
d) Big Data
e) Data Mart..

50 Questões TI - Exponencial

Enviado por

Dados do documento

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

50 Questões TI - Exponencial

Enviado por

Direitos autorais:

Formatos disponíveis

Questões Grátis de TI - 50 Questões Grátis e comentadas de TI para ICMS SC

OS COMENTÁRIOS ESTÃO NO CADERNO DE QUESTÕES DO SITE DO EXPONENCIAL

I. um subconjunto de informações do DW que podem ser identificados por assuntos ou departamentos

Os componentes de I a IV são, correta e respectivamente,

Energia (em mil megawatts) 2015

As lacunas que completam corretamente o texto estão expressas em

Preenchem as lacunas, correta e respectivamente, o que consta em

Os tipos de técnicas referenciados em I, II e III, respectivamente, são:

As lacunas I e II são, correta e respectivamente, preenchidas com:

Os itens I e II descrevem, respectivamente, regras referentes à

É correto afirmar que esta arquitetura

Você também pode gostar