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: 

No contexto de engenharia de dados, assinale a alternativa que corresponde à tarefa tipicamente executada no processo de transformação (Transform) do ETL. 

Assinale a opção correta no que se refere a dados estruturados e não estruturados, bem como a coleta, tratamento, armazenamento, integração e recuperação 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: 

Nos processos de integração de dados, o ETL (Extrdct, Transform, Load) é amplamente utilizado para consolidar informações provenientes de diferentes fontes em repositórios analíticos, como Data Warehouses oü Data Marts. A etapa de Load (Carga) corresponde à inserção dos dados no sistema de destino após o processo de extração e transformação. Nesse contexto, existem diferentes estratégias de carga de dados. Uma delas é caracterizada por carregar apenas registros novos ou que foram alterados desde a última execução do processo, otimizando o desempenho e reduzindo o volume de processamento. Considerando isso, assinale a alternativa que corresponde CORRETAMENTE a esse tipo de carga. 

A Secretaria de Saúde de um município está implementando um sistema de análise de dados para monitorar atendimentos em unidades de saúde. O cientista de dados apresentou duas abordagens para integrar dados de diferentes postos de saúde.

• Abordagem 1
− Extrair dados dos sistemas de cada posto (CSV, Excel, bancos locais)
− Transformar os dados em um servidor intermediário: padronizar formatos de data, validar CPF, limpar dados inconsistentes, calcular métricas agregadas
− Carregar apenas os dados já processados e limpos no Data Warehouse

• Abordagem 2
− Extrair dados dos sistemas de cada posto
− Carregar os dados brutos diretamente no Data Lake (Amazon S3)
− Transformar os dados, quando necessário, usando ferramentas de análise (SQL, Python, Spark)

Sobre essas abordagens, é correto afirmar que: 

Assinale a alternativa que representa um conceito relacionado ao tratamento e análise de dados. 

Diante da integração de cadastros de contribuintes provenientes de múltiplos sistemas fiscais, sujeitos a divergências semânticas em relação à Classificação Nacional de Atividades Econômicas (CNAE), abreviações e classificações internas, e visando garantir rastreabilidade para audítoria e reprocessamento, a técnica de pré-processamento adequada ao cenário apresentado é

Um analista de dados de uma agência reguladora está desenvolvendo um painel para monitorar indicadores de desempenho do setor. Ele está utilizando uma ferramenta de BI que envolve um processo de ETL (Extração, Transformação e Carga) para preparar os dados.

Analise as seguintes proposições sobre as etapas do processo de BI: 

I. Extração (Extract): É a fase de coleta de dados de diversas fontes, que podem ser bancos de dados relacionais (SQL Server, Oracle), planilhas (Excel), arquivos de texto (CSV), serviços web (APIs), entre outros.

II. Transformação (Transform): Nesta fase, os dados extraídos são limpos, padronizados, combinados e modelados. Podem ser realizadas operações como remoção de duplicatas, cálculo de novas colunas e criação de hierarquias para preparar os dados para a análise.

III. Carga (Load): Após a transformação, os dados são carregados no modelo de dados da ferramenta de BI (como o Power BI ou Qlik Sense), onde ficarão disponíveis para a criação de relatórios e dashboards interativos.

Está correto o que se afirma em:

O profiling de dados é uma etapa analítica realizada sobre conjuntos de dados com o objetivo de compreender sua estrutura, qualidade e distribuição antes de iniciar processos de transformação ou carga em camadas analíticas. A realização adequada do profiling permite identificar problemas de qualidade e orientar as regras de tratamento a serem aplicadas no pipeline. Diante disso, analise as afirmativas a seguir sobre profiling básico de dados:
I. A análise de cardinalidade em uma coluna consiste em identificar o número de valores distintos presentes, sendo útil para reconhecer possíveis chaves candidatas e detectar colunas com baixa variabilidade que podem indicar problemas de qualidade.
II. O profiling de nulidade verifica a proporção de valores ausentes em cada coluna, fornecendo informações relevantes para decisões sobre estratégias de tratamento, como imputação, exclusão de registros ou criação de indicadores de ausência.
III. A análise de distribuição de frequência permite identificar quais valores ocorrem com maior regularidade em uma coluna e é aplicável exclusivamente a colunas com tipos de dados numéricos, não sendo útil para colunas do tipo texto ou categórico.
IV. O profiling básico, por ser uma análise estática realizada antes da ingestão, elimina a necessidade de validações de qualidade posteriores durante as fases de transformação e carga, desde que o dataset analisado não sofra alterações estruturais.
Estão CORRETAS: 

O formato CSV é amplamente utilizado em pipelines de dados para transferência de conjuntos de dados entre sistemas heterogêneos. Apesar de sua simplicidade, o formato apresenta características e limitações técnicas que devem ser consideradas durante a implementação de processos de ingestão e integração. Diante disso, analise as afirmativas a seguir sobre o formato CSV:

I. O formato CSV não incorpora um esquema de dados embutido no arquivo, o que exige que os tipos, significados e formatos de cada coluna sejam documentados externamente ou inferidos durante a leitura.
II. Um arquivo CSV suporta a representação nativa de dados hierárquicos e aninhados, como listas de itens vinculados a um único registro pai, desde que os delimitadores aninhados sejam configurados corretamente no parser utilizado.
III. Quando um valor de campo contém o caractere delimitador, esse campo deve ser envolvido entre aspas duplas para que o parser o interprete como um único valor, conforme previsto pela especificação RFC 4180.
IV. A codificação de caracteres utilizada em um arquivo CSV é declarada de forma explícita no próprio arquivo, garantindo que sistemas distintos realizem a leitura correta dos dados sem necessidade de configuração adicional.

Está(ão) CORRETA(S):

Na gestão de qualidade de dados em pipelines de ingestão, a aplicação de regras de validação e consistência é etapa essencial para assegurar que os dados disponibilizados nas camadas de consumo sejam confiáveis, completos e coerentes. O descumprimento dessas regras pode comprometer análises, relatórios e decisões de negócio suportadas pela plataforma de dados. Com base nas técnicas e conceitos de validação e consistência de dados, assinale a alternativa INCORRETA.

Uma equipe de dados operacionaliza um pipeline de ingestão diária que carrega arquivos de diversas fontes para um data warehouse corporativo. Após uma falha em uma das etapas do processo, a equipe precisa analisar os registros de execução (logs) para identificar a causa do problema, o momento da interrupção e quais registros foram processados com sucesso antes da falha. Com base nas boas práticas de registro de execução em pipelines de dados, assinale a alternativa CORRETA.

No contexto de Business Intelligence (BI), o desenvolvimento de Datamarts e a execução de processos de ETL (Extract, Transform, Load) são fundamentais para organizar, integrar e disponibilizar informações de forma eficiente para análise gerencial. Com base nesses conceitos, analise as assertivas a seguir sobre Datamarts e ETL e julgue-as em Verdadeiras (V) ou Falsas (F):

(  ) Uma estrutura de Datamarts é do tipo Star Schema, na qual a estrutura de dimensões é normalizada (dimensões divididas em subdimensões).
(  ) Uma estrutura de Datamarts é do tipo Snowflake Schema, na qual a estrutura de dimensões é desnormalizada (tudo em uma tabela).
(  ) No ETL, especificamente na etapa de Load, um dos tipos de carregamento é full load, em que todos os dados existentes são substituídos pelo novo conjunto.
(  ) No ETL, especificamente na etapa de Transform, uma atividade pode ser de derivação, por exemplo, criar campos novos a partir de existentes (ex.: lucro = receita - custo).

Qual alternativa preenche, CORRETAMENTE, de cima para baixo, os parênteses acima?