Questões de Concurso
Comentadas sobre etl (extract transform load) em banco de dados
Foram encontradas 184 questões
Acerca de conceitos pertinentes à elaboração de banco de dados georreferenciados, julgue o item a seguir. Nesse sentido, considere que a sigla ETL, sempre que empregada, se refere a extract, transform and load.
Embora estejam geralmente associadas aos próprios softwares GIS (Geographic Information System), as ferramentas de ETL do modelo toolbox, em boa parte, não permitem o uso de funcionalidades típicas desses softwares em uma abordagem model builder.
Acerca de conceitos pertinentes à elaboração de banco de dados georreferenciados, julgue o item a seguir. Nesse sentido, considere que a sigla ETL, sempre que empregada, se refere a extract, transform and load.
Com o objetivo de estabelecer consenso para o desenvolvimento de tecnologias, o Open Geospatial Consortium desenvolveu um padrão complexo para a representação dos dados espaciais e das funções espaciais a serem empregados em sistemas computacionais.
Acerca de conceitos pertinentes à elaboração de banco de dados georreferenciados, julgue o item a seguir. Nesse sentido, considere que a sigla ETL, sempre que empregada, se refere a extract, transform and load.
Na segurança de bancos de dados geoespaciais, o controle de acesso regula, porém não limita quem pode acessar, modificar e deletar dados sensíveis relacionados à localização geográfica. Para tal, uma estratégia eficiente de controle de acesso é a autorização granular.
Acerca de conceitos pertinentes à elaboração de banco de dados georreferenciados, julgue o item a seguir. Nesse sentido, considere que a sigla ETL, sempre que empregada, se refere a extract, transform and load.
As ferramentas de ETL do modelo codesandbox consistem de softwares de interface model builder, que não permitem atuar nas informações geográficas a partir do conceito de objetos e(ou) geo-objetos, assim como das principais linguagens de programação em uso.
Julgue o item seguinte, relativo à ciência de dados.
Diferentemente do ETL (extração, transformação e carga), o ELT carrega os dados para que sejam manipulados em um data lake, que é um ambiente preparado para armazenar dados, estruturados e não estruturados, em larga escala.
Em relação ao data warehouse, ao data lake e ao tratamento de dados, julgue o item seguinte.
A camada de ingestão de dados é responsável por coletar e carregar dados de diversas fontes para o data lake.
I - O ETL serve para integrar, preparar e organizar dados de diversas fontes, tornando-os úteis para análise, tomada de decisões e geração de insights.
II - Combina dados de várias fontes (banco de dados, APIs, arquivos CSV, planilhas e outros) em um único local, como um data warehouse ou data lake.
III - O carregamento é a etapa do ETL responsável por garantir que os dados estejam no formato correto e prontos para análise.
Qual(is) afirmativa(s) está(ão) correta(s)?
(__) O processo de transformação no ETL inclui atividades como limpeza, deduplicação e normalização dos dados para adequá-los ao modelo de destino.
(__) A etapa de extração no ETL sempre envolve a transferência de dados em tempo real, diretamente das fontes para o destino final.
(__) A etapa de carga no ETL pode ser realizada de forma incremental ou total, dependendo das exigências do negócio e da natureza dos dados.
(__) O ETL é projetado para suportar dados de fontes heterogêneas, como sistemas transacionais, APIs e arquivos estruturados, consolidando-os em um único repositório.
A sequência está correta em:
I. A etapa de extração pode impactar negativamente o desempenho do sistema de origem, caso não seja planejada adequadamente, principalmente quando se trata de um grande volume de dados em tempo real.
II. O Apache NiFi é uma plataforma de orquestração de fluxos de trabalho de código aberto, frequentemente utilizado para criação de pipelines ETL complexos, em que o usuário deve utilizar a linguagem de programação Python.
III. A etapa de transformação compreende tarefas como a limpeza, padronização e formatação dos dados, além de conversões de tipos de dados e agregações.
Está correto o que se afirma em
Acerca de business intelligence, ETL e OLAP, julgue o item que se segue.
A análise preditiva utiliza algoritmos estatísticos e modelos de machine learning para identificar padrões históricos nos dados e projetar tendências futuras, de forma a guiar decisões proativas e permitir a antecipação de cenários críticos para o negócio.
Acerca de business intelligence, ETL e OLAP, julgue o item que se segue.
Na transformação avançada do ETL, a derivação de dados cria novos atributos ou métricas a partir de colunas existentes, usando cálculos complexos e funções analíticas para enriquecer o dataset e suportar análises preditivas e segmentações contextuais.
A respeito da arquitetura de DW (data warehouse) e do processo ETL (Extract, Transformation and Load), julgue o item a seguir.
No processo ETL, a etapa de transformação é responsável por aplicar as regras de adequação, convertendo os dados ao formato requerido pelo DW, garantindo sua consistência e usabilidade.
Assinale a alternativa que apresenta, correta e respectivamente, um processo relacionado e a etapa a qual ele pertence.
Considere o seguinte código Python que implementa parte de um ETL sobre a tabela Financiamento.
import pandas as pd from sqlalchemy import create_engine from datetime import datetime
engine = create_engine(“postgresql:// postgres:postgres@localhost:5432/bd_pesquisa”) query = “SELECT * FROM Financiamento” df = pd.read_sql_query(con=engine.connect(), sql=sql_text(query)) df[‘data_inicio’] = pd.to_datetime(df[‘data_ inicio’]).dt.strftime(‘%d/%m/%Y’) df[‘data_fim’] = pd.to_datetime(df[‘data_ fim’]).dt.strftime(‘%d/%m/%Y’) df.to_csv(‘financiamentos_transformados.csv’, index=False)
Observe as afirmativas a seguir sobre a execução do código.
I. O código se conecta a um banco de dados PostgreSQL usando a biblioteca SQLAlchemy e extrai todos os dados da tabela Financiamento.
II. As colunas data_inicio e data_fim são transformadas para o formato DD/MM/AAAA, mas esses dados não são atualizados no banco de dados.
III. O dataframe resultante da transformação é salvo em um arquivo CSV chamado financiamentos_transformados.csv na máquina local, incluindo o índice do datadrame como uma coluna adicional.
Sobre as afirmativas acima, pode-se dizer que:
Conheça nossos planos