Sejam as seguintes afirmativas sobre Data Warehouses:

I - Uma tabela de dimensão contém metadados relativos a uma ou mais tabelas de fatos.

II - O esquema floco de neve consiste em uma hierarquia de tabelas de fatos que compartilham uma tabela dimensão.

III - Pivoteamento é uma técnica usada para sumarizar dados ao longo de uma dimensão.

IV - Drill-down é uma operação usada para prover uma visão desagregada dos dados.

Estão corretas APENAS as afirmativas

No que se refere a arquiteturas e aplicações de data warehousing, ETL, Olap e data mining, assinale a opção correta.

Um banco de dados com dados utilizados para análise e manipulação dos executivos para tomarem decisões baseadas em fatos e não em intuições e especulações, é uma definição de:

Indique como é conhecida a funcionalidade de um sistema de data warehouse em que o usuário que navega pelos dados pode aumentar o nível de detalhe dos dados sendo exibidos.

Considere a afirmação abaixo.

“Sistema que, através de diferentes transações e processos, realiza uma cópia das informações registadas nos sistemas informáticos das organizações, organizando-os em diferentes níveis ou camadas de dados organizados e preparados para facilitar consultas, relatórios e análises.”

A afirmação trata de conceitos de Business Intelligence e caracteriza especificamente o 

Um Data Warehouse constitui-se numa base de dados

Com relação ao tema Modelagem Multidimensional, analise as afirmativas a seguir.

I. Os esquemas star e dataflake são elementos encontrados na modelagem dimensional.

II. Os datawarehouses são costumeiramente organizados em torno de uma tabela de fatos e muitas tabelas de dimensões.

III. Uma tabela de fatos é sempre composta por três tipos de atributos: atributos de medidas, atributos de dimensões e chaves surrogate de dimensões degeneradas que variam ao longo do tempo.

Assinale:

Assinale a alternativa que apresenta características dos Datawarehouses.

Com relação ao tema data warehouse, analise as afirmativas a seguir.

I. É um grande repositório de dados operacionais com tamanhos significativos e tem como objetivo apoiar a tomada de decisões por meio de consultas ad hoc de elevada complexidade por parte de usuários finais.

II. A modelagem dimensional de dados não é muito diferente da abordagem de normalização seguida pelos bancos de dados transacionais. Os principais paradigmas de modelagem são o esquema star e snowflake. Ambos utilizam tabelas centrais de fatos que são constituídas por atributos de dimensões e de medidas.

III. É orientado aos processos de negócio, mantém grandes volumes de dados não normalizados, sofre atualizações em batch e é principalmente utilizado por parte de gestores e analistas de negócio.

Assinale:

Data warehouses podem ser considerados um tipo especial de bancos de dados, com certas características decorrentes do uso a que são destinados. Diferentemente dos bancos transacionais, certas exigências de projeto de bancos de dados são de certa forma relaxadas por conta disso. No caso mais comum, isso ocorre com relação à:

Analisando as seguintes afirmativas sobre data warehousing,

I. A principal limitação dos data warehouses consiste no fato de não poder definir mais de quatro dimensões.

II. Após o esforço inicial para a implantação de um data warehouse, a sua administração é considerada uma tarefa extremamente simples.

III. Uma das principais características de um data warehouse é o fato de ele ter uma visão conceitual multidimensional.

IV. Datamart é o nome dado a um conjunto de dados do data warehouse, customizados para atender a necessidades de análises específicas de uma área ou processo do negócio da empresa.

verifica-se que estão corretas  

No contexto de data warehouse, dadas as afirmativas seguintes,

I. OLTP é responsável pela análise dos dados para a geração de conhecimento. Por essa razão, é utilizado principalmente por gestores para orientar a tomada de decisão.

II. Mineração de dados (data mining) é uma das principais etapas do processo de descoberta de conhecimento, que pode ser executado por um data warehouse. Porém, os algoritmos de data mining não são capazes de processar grandes volumes de dados.

III. Em um processo de data warehouse cada dimensão representa um ponto de vista que pode guiar a fase de análise dos dados e descoberta de conhecimento. Em um data warehouse, é possível definir um número qualquer de dimensões.

IV. Devido ao elevado processamento de consultas, normalmente os data warehouses possuem algumas tabelas que não atendem à terceira forma normal.

verifica-se que estão corretas

Ao projetar o data warehouse para o Governo Estadual, o Analista de Sistemas utilizou a modelagem dimensional para ter o benefício da velocidade de leitura e evitar a junção de várias tabelas. Qual das seguintes alternativas expressa uma das principais diferenças entre a modelagem tradicional e a modelagem dimensional?

Jorge está trabalhando na modelagem de dados de um grande repositório de dados que será usado, entre outras coisas, para armazenamento de dados históricos, geração de relatórios, além de obtenção de informações estratégicas para tomada de decisão e análise de grandes volumes de dados. Conceitualmente, esse repositório de dados é chamado de?

A literatura especializada lista quatro etapas a serem seguidas nos processos de Modelagem Dimensional no que concerne Data Warehouses e Data Marts. Essas etapas caracterizam-se pela identificação/especificação:

A tecnologia de datawarehousing tem se tornado uma importante ferramenta para implementação do conceito de inteligência empresarial (business inteligence), proporcionando uma integração dos dados empresariais para a realização de análises gerenciais e estratégicas.

Entre as suas características, inclui-se:

Considere o sistema de datawarehouse para responder à questão.

Definições do sistema datawarehouse:

• tempo (hierarquia dada por semana, mês e ano)
• item (hierarquia dada por produto, família de produtos, marca)
• local (hierarquia dada por loja, cidade, estado, região)

Sejam as seguintes consultas OLAP pedidas pelo cliente:

I - Vendas semestrais de dois tipos de produtos específicos por região
II - Vendas diárias de uma marca em uma cidade
III - Vendas mensais por família de produtos por bairro
IV - Vendas trimestais por família de produtos de duas regiões diferentes

De acordo com a hierarquia definida no sistema, são pos- síveis APENAS as consultas pedidas em

Um ambiente de data warehouse Oracle inclui várias ferramentas, além de uma base de dados relacionai. Um ambiente típico inclui, entre outras ferramentas, um processo de extração de dados dos sistemas de origem, para levar esses dados ao data warehouse. Esse processo corresponde a:

A seleção de uma arquitetura determinará ou será determinada pelo local onde o Data Warehouse ou Data Mart estará residindo. Sobre os tipos de arquitetura, analise as afirmativas que seguem.

I.Um Data Warehouse com arquitetura global deve ser fisicamente centralizado na empresa.

II. A arquitetura independente implica em Data Marts stand alone controlados por um grupo específico de usuários e que atende somente às suas necessidades específicas e departamentais, sem foco corporativo.

III.A arquitetura de Data Marts integrados é basicamente uma distribuição de implementação. Apesar de os Data Marts serem implementados separadamente por grupos de trabalho ou departamentos, eles são integrados ou interconectados, provendo uma visão corporativa maior dos dados e informações.

Está correto o que se afirma em:

Data Warehouse (DW) representa uma grande base de dados capaz de integrar, de forma concisa e confiável, as informações de interesse para a empresa, que se encontram espalhadas pelos sistemas operacionais e em fontes externas, para posterior utilização nos sistemas de apoio a decisão. Nos projetos de DW, a modelagem multidimensional é utilizada. Este tipo de modelagem consiste em uma técnica de concepção e visualização de um modelo de dados de um conjunto de medidas que descrevem aspectos comuns de negócios. É utilizada especialmente para sumarizar e reestruturar dados e apresentá-los em visões que suportem a análise dos valores desses dados. Um modelo multidimensional é formado por três elementos básicos: