Questões de Concurso
Sobre bi (business intelligence) em banco de dados
Foram encontradas 444 questões
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Engenheiro de Dados |
Q4218274
Banco de Dados
Um analista de dados do Ministério Público do Estado está
desenvolvendo um dashboard no Metabase para acompanhar a
evolução mensal de demandas administrativas protocoladas, com
possibilidade de análise por região de atuação (comarcas).
Para isso, foi criada uma pergunta utilizando SQL nativo, conforme a consulta a seguir.
No painel, o analista deseja incluir um filtro de dashboard interativo de região, utilizando os recursos da interface (UI) do Metabase, de modo que esse filtro afete apenas esse gráfico específico, sem impactar os demais cartões do painel.
Considerando o funcionamento dos filtros em dashboards no Metabase, assinale a afirmativa correta.
Para isso, foi criada uma pergunta utilizando SQL nativo, conforme a consulta a seguir.
No painel, o analista deseja incluir um filtro de dashboard interativo de região, utilizando os recursos da interface (UI) do Metabase, de modo que esse filtro afete apenas esse gráfico específico, sem impactar os demais cartões do painel.
Considerando o funcionamento dos filtros em dashboards no Metabase, assinale a afirmativa correta.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Engenheiro de Dados |
Q4218273
Banco de Dados
Quanto à utilização do Superset, observa-se que a ferramenta
permite a criação de abstrações sobre fontes de dados por meio
de datasets, possibilitando a definição de métricas e colunas
calculadas.
Considerando esse mecanismo de abstração de dados, assinale a afirmativa correta.
Considerando esse mecanismo de abstração de dados, assinale a afirmativa correta.
Ano: 2026
Banca:
FGV
Órgão:
MPE-ES
Prova:
FGV - 2026 - MPE-ES - Agente Especializado - Cientista de Dados e Inteligência de Negócios |
Q4218166
Banco de Dados
Quanto à utilização do Superset, observa-se que a ferramenta
permite a criação de abstrações sobre fontes de dados por meio
de datasets, possibilitando a definição de métricas e colunas
calculadas.
Considerando esse mecanismo de abstração de dados, assinale a afirmativa correta.
Considerando esse mecanismo de abstração de dados, assinale a afirmativa correta.
Ano: 2026
Banca:
Rede Sarah
Órgão:
APS
Prova:
Rede Sarah - 2026 - APS - Engenheiro de Manutenção - Engenharia Clínica |
Q4209938
Banco de Dados
O engenheiro de manutenção de um grande complexo hospitalar foi convidado a colaborar com a equipe de TI na estruturação de um sistema de Business Intelligence (BI). O objetivo é melhorar a gestão do ciclo de vida dos ativos hospitalares (como equipamentos de climatização e bombas de vácuo da rede de gases) e otimizar a disponibilidade física destes recursos. A equipe de dados propôs a utilização de uma arquitetura baseada em modelagem dimensional para integrar dados de ordens de serviço, compras e utilização clínica.
Diante da demanda apresentada, assinale a afirmativa correta sobre a aplicação de BI nesse cenário.
Diante da demanda apresentada, assinale a afirmativa correta sobre a aplicação de BI nesse cenário.
Ano: 2026
Banca:
Instituto Consulplan
Órgão:
Prefeitura de Vitória - ES
Prova:
Instituto Consulplan - 2026 - Prefeitura de Vitória - ES - Analista em Tecnologia da Informação - Desenvolvimento |
Q4209733
Banco de Dados
O Looker Studio é uma plataforma amplamente utilizada em soluções de Business Intelligence para criação de painéis interativos, consolidação de métricas organizacionais e visualização analítica de dados provenientes de múltiplas fontes. No que
se refere às funcionalidades e características do Looker Studio no contexto de Business Intelligence organizacional, é correto
afirmar que o Looker Studio:
Q4206182
Banco de Dados
Clericuzi et al. (2006), citados por Pedroso et al. (2024), destacam que as tecnologias de Inteligência de Negócios (Business Intelligence) necessitam de componentes robustos para garantir a coleta, processamento e análise eficazes dos dados empresariais.
A tecnologia que NÃO está ligada diretamente ao BI é:
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Desenvolvimento de Sistemas |
Q4199200
Banco de Dados
Texto associado
A respeito de BI, julgue o item.
A etapa de transformação em um processo de ETL tem como
um de seus pilares o perfilamento, cujo objetivo é a
identificação de quais dados estão armazenados em formato
diferente do padrão esperado.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Desenvolvimento de Sistemas |
Q4199199
Banco de Dados
Texto associado
A respeito de BI, julgue o item.
No processo de carga de um banco de dados relacional para
um data warehouse, as chaves primárias das tabelas na
origem são convertidas em chaves substitutas no destino.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Desenvolvimento de Sistemas |
Q4199198
Banco de Dados
Texto associado
A respeito de BI, julgue o item.
Considerando um processo de extração e carga executado
uma vez ao dia, latência é o tempo decorrido entre a leitura
do dado na base de origem e a gravação no data warehouse.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Desenvolvimento de Sistemas |
Q4199196
Banco de Dados
Texto associado
A respeito de BI, julgue o item.
Na modelagem dimensional de dados em formato estrela
para determinado contexto, cada ponta representa uma tabela
de dimensão, enquanto o centro representa uma tabela de
fatos.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Desenvolvimento de Sistemas |
Q4199194
Banco de Dados
Texto associado
A respeito de BI, julgue o item.
O profissional conhecido como data steward atua como uma
ponte entre a equipe de dados e os usuários de negócio,
fazendo a curadoria dos dados e mantendo os dicionários
atualizados.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
VALEC
Prova:
CESPE / CEBRASPE - 2026 - VALEC - Analista - Especialidade: Analista de Sistemas |
Q4185133
Banco de Dados
Texto associado
A INFRA S.A. implantou um ambiente corporativo de BI (business intelligence) para apoiar decisões estratégicas relacionadas à priorização de investimentos, ao acompanhamento de contratos, à análise de riscos e à avaliação de desempenho de obras ferroviárias e rodoviárias. O ambiente integra dados históricos provenientes de sistemas transacionais, relatórios técnicos e bases externas, organizados em um data warehouse corporativo, com uso de modelagem dimensional, cubos OLAP e técnicas avançadas de data mining para identificação de padrões de atraso, sobrecusto e impacto ambiental.
Com relação à situação hipotética acima apresentada, julgue os itens a seguir.
No ambiente analítico da INFRA S.A., o uso de agregações
pré-calculadas em tabelas de fatos otimizaria o tempo de
resposta das consultas OLAP, mas demandaria maior espaço
de armazenamento.
Ano: 2026
Banca:
CONSULPAM
Órgão:
Prefeitura de Pindorama - SP
Prova:
CONSULPAM - 2026 - Prefeitura de Pindorama - SP - Analista de Tecnologia da Informação - Redes e Data Center |
Q4181870
Banco de Dados
Em uma iniciativa de Business Intelligence, uma
instituição consolidou dados provenientes de sistemas
transacionais distintos para alimentar painéis gerenciais,
análises OLAP e modelos exploratórios de descoberta
de padrões. Durante a revisão da arquitetura, foram
avaliados processos de ETL, regras de qualidade de
dados, granularidade das cargas, tratamento de
dimensões lentamente mutáveis e uso de técnicas de
Data Mining. Com base no tema, analise as sentenças a
seguir:
I- Em processos de ETL, a etapa de transformação pode envolver padronização de formatos, tratamento de valores ausentes, remoção de duplicações, conversão de tipos, aplicação de regras de negócio e conformidade entre dimensões oriundas de fontes distintas.
II- A qualidade dos dados em ambientes analíticos depende exclusivamente da ferramenta de visualização utilizada, pois inconsistências de origem, duplicidades, ausência de chaves de integração e divergências semânticas são corrigidas automaticamente durante a renderização dos dashboards.
III- Técnicas de Data Mining podem ser utilizadas para identificar padrões, associações, agrupamentos, classificações ou tendências em grandes conjuntos de dados, mas seus resultados exigem interpretação crítica, validação e atenção a vieses, qualidade da amostra e pertinência do modelo.
IV- A carga incremental em um Data Warehouse elimina a necessidade de controle temporal dos dados, pois qualquer alteração em sistemas de origem deve sobrescrever integralmente os registros históricos para preservar apenas o estado atual das informações.
Analisadas as sentenças, estão CORRETAS apenas:
I- Em processos de ETL, a etapa de transformação pode envolver padronização de formatos, tratamento de valores ausentes, remoção de duplicações, conversão de tipos, aplicação de regras de negócio e conformidade entre dimensões oriundas de fontes distintas.
II- A qualidade dos dados em ambientes analíticos depende exclusivamente da ferramenta de visualização utilizada, pois inconsistências de origem, duplicidades, ausência de chaves de integração e divergências semânticas são corrigidas automaticamente durante a renderização dos dashboards.
III- Técnicas de Data Mining podem ser utilizadas para identificar padrões, associações, agrupamentos, classificações ou tendências em grandes conjuntos de dados, mas seus resultados exigem interpretação crítica, validação e atenção a vieses, qualidade da amostra e pertinência do modelo.
IV- A carga incremental em um Data Warehouse elimina a necessidade de controle temporal dos dados, pois qualquer alteração em sistemas de origem deve sobrescrever integralmente os registros históricos para preservar apenas o estado atual das informações.
Analisadas as sentenças, estão CORRETAS apenas:
Ano: 2026
Banca:
CONSULPAM
Órgão:
Prefeitura de Pindorama - SP
Prova:
CONSULPAM - 2026 - Prefeitura de Pindorama - SP - Analista de Tecnologia da Informação - Redes e Data Center |
Q4181869
Banco de Dados
Em uma organização que pretende consolidar
indicadores gerenciais de áreas distintas, a equipe de TI
avaliou a criação de um Data Warehouse corporativo,
com Data Marts temáticos para áreas específicas.
Durante a modelagem, discutiu-se a adoção de
estruturas dimensionais para consultas analíticas, a
separação entre ambiente transacional e ambiente
analítico, bem como o uso de operações OLAP para
exploração dos dados por diferentes perspectivas. Nesse
contexto, analise as sentenças a seguir:
I- Em uma arquitetura de Business Intelligence, um Data Warehouse deve substituir integralmente os sistemas transacionais da organização ao registrar operações diárias com alto volume de inserções, atualizações e exclusões em tempo real.
PORQUE
II- Em modelagem dimensional, tabelas fato armazenam exclusivamente descrições textuais de entidades de negócio, enquanto tabelas dimensão concentram medidas quantitativas, chaves de transações e valores numéricos agregáveis utilizados nas consultas OLAP.
Analisadas as sentenças, é CORRETO afirmar que:
I- Em uma arquitetura de Business Intelligence, um Data Warehouse deve substituir integralmente os sistemas transacionais da organização ao registrar operações diárias com alto volume de inserções, atualizações e exclusões em tempo real.
PORQUE
II- Em modelagem dimensional, tabelas fato armazenam exclusivamente descrições textuais de entidades de negócio, enquanto tabelas dimensão concentram medidas quantitativas, chaves de transações e valores numéricos agregáveis utilizados nas consultas OLAP.
Analisadas as sentenças, é CORRETO afirmar que:
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Engenheiro de Dados |
Q4181535
Banco de Dados
Uma corporação multinacional do setor de varejo está unificando
suas plataformas de dados. O cenário atual apresenta dois
desafios distintos, indicados a seguir.
• Transacional e BI: o sistema de vendas gera registros financeiros que exigem consistência estrita (ACID). A equipe de analistas de negócios consome esses dados via painéis de BI que demandam baixa latência em consultas complexas com múltiplas junções (joins).
• Big Data e IA: o sistema de e-commerce gera petabytes de logs de navegação (clickstream) e dados de sensores IoT das lojas físicas (dados semiestruturados). A equipe de ciência de dados precisa acessar esses dados em seu formato bruto para treinar modelos preditivos, sem a perda de informações causada por agregações prematuras.
O arquiteto de dados precisa propor uma solução única que evite a duplicação de dados entre silos (um Data Warehouse para o BI e um Data Lake para a IA) e reduza o custo de armazenamento, mantendo a governança.
Considerando os requisitos apresentados e as características das arquiteturas modernas de dados, a abordagem arquitetural e de modelagem adequada é:
• Transacional e BI: o sistema de vendas gera registros financeiros que exigem consistência estrita (ACID). A equipe de analistas de negócios consome esses dados via painéis de BI que demandam baixa latência em consultas complexas com múltiplas junções (joins).
• Big Data e IA: o sistema de e-commerce gera petabytes de logs de navegação (clickstream) e dados de sensores IoT das lojas físicas (dados semiestruturados). A equipe de ciência de dados precisa acessar esses dados em seu formato bruto para treinar modelos preditivos, sem a perda de informações causada por agregações prematuras.
O arquiteto de dados precisa propor uma solução única que evite a duplicação de dados entre silos (um Data Warehouse para o BI e um Data Lake para a IA) e reduza o custo de armazenamento, mantendo a governança.
Considerando os requisitos apresentados e as características das arquiteturas modernas de dados, a abordagem arquitetural e de modelagem adequada é:
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Ciência de Dados e Inovação |
Q4176585
Banco de Dados
Texto associado
Uma instituição pública estruturou a sua nova arquitetura
de dados em duas camadas operacionais. A primeira camada é
dedicada ao BI (business intelligence) corporativo, operando
sobre um data warehouse centralizado, cujos dados estruturados
são consumidos por meio de painéis interativos desenvolvidos
em Power BI e Tableau, constituindo a base do seu sistema de
suporte à decisão (SSD). A segunda camada é voltada para o
data analytics avançado, em que cientistas de dados utilizam as
linguagens Python e R para extrair insights preditivos e processar
grandes volumes de dados não estruturados provenientes de redes
sociais e sensores.
Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.
Na arquitetura estabelecida, a camada voltada ao data analytics caracteriza-se pela natureza focada na análise descritiva e diagnóstica.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Ciência de Dados e Inovação |
Q4176584
Banco de Dados
Texto associado
Uma instituição pública estruturou a sua nova arquitetura
de dados em duas camadas operacionais. A primeira camada é
dedicada ao BI (business intelligence) corporativo, operando
sobre um data warehouse centralizado, cujos dados estruturados
são consumidos por meio de painéis interativos desenvolvidos
em Power BI e Tableau, constituindo a base do seu sistema de
suporte à decisão (SSD). A segunda camada é voltada para o
data analytics avançado, em que cientistas de dados utilizam as
linguagens Python e R para extrair insights preditivos e processar
grandes volumes de dados não estruturados provenientes de redes
sociais e sensores.
Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.
Na primeira camada descrita, a operacionalização dos painéis em ferramentas como Power BI e Tableau permite integrar as informações do data warehouse central a múltiplas fontes de dados externas.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Ciência de Dados e Inovação |
Q4176583
Banco de Dados
Texto associado
Uma instituição pública estruturou a sua nova arquitetura
de dados em duas camadas operacionais. A primeira camada é
dedicada ao BI (business intelligence) corporativo, operando
sobre um data warehouse centralizado, cujos dados estruturados
são consumidos por meio de painéis interativos desenvolvidos
em Power BI e Tableau, constituindo a base do seu sistema de
suporte à decisão (SSD). A segunda camada é voltada para o
data analytics avançado, em que cientistas de dados utilizam as
linguagens Python e R para extrair insights preditivos e processar
grandes volumes de dados não estruturados provenientes de redes
sociais e sensores.
Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.
Na primeira camada descrita, o funcionamento dos painéis de business intelligence fundamenta-se na estruturação multidimensional do data warehouse para viabilizar o processamento analítico de dados.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Ciência de Dados e Inovação |
Q4176582
Banco de Dados
Texto associado
Uma instituição pública estruturou a sua nova arquitetura
de dados em duas camadas operacionais. A primeira camada é
dedicada ao BI (business intelligence) corporativo, operando
sobre um data warehouse centralizado, cujos dados estruturados
são consumidos por meio de painéis interativos desenvolvidos
em Power BI e Tableau, constituindo a base do seu sistema de
suporte à decisão (SSD). A segunda camada é voltada para o
data analytics avançado, em que cientistas de dados utilizam as
linguagens Python e R para extrair insights preditivos e processar
grandes volumes de dados não estruturados provenientes de redes
sociais e sensores.
Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.
Na segunda camada da arquitetura, a execução de algoritmos preditivos nos processos de data analytics, em linguagens como Python e R, está subordinada ao resultado dos processos de business intelligence.
Ano: 2026
Banca:
CESPE / CEBRASPE
Órgão:
FUNPRESP-JUD
Prova:
CESPE / CEBRASPE - 2026 - FUNPRESP-JUD - Analista de Tecnologia da Informação - Especialidade: Ciência de Dados e Inovação |
Q4176581
Banco de Dados
Texto associado
Uma instituição pública estruturou a sua nova arquitetura
de dados em duas camadas operacionais. A primeira camada é
dedicada ao BI (business intelligence) corporativo, operando
sobre um data warehouse centralizado, cujos dados estruturados
são consumidos por meio de painéis interativos desenvolvidos
em Power BI e Tableau, constituindo a base do seu sistema de
suporte à decisão (SSD). A segunda camada é voltada para o
data analytics avançado, em que cientistas de dados utilizam as
linguagens Python e R para extrair insights preditivos e processar
grandes volumes de dados não estruturados provenientes de redes
sociais e sensores.
Com base nessa situação hipotética e nos conceitos técnicos de business intelligence, sistemas de suporte a decisão e ferramentas de análise de dados, julgue o item a seguir.
No contexto do sistema de suporte à decisão da arquitetura proposta, as ferramentas de gestão de conteúdo são alocadas na primeira camada com a função técnica de estruturar e modelar os dados relacionais numéricos armazenados no data warehouse.
Conheça nossos planos