Questões de Concurso
Sobre etl (extract transform load) em banco de dados
Foram encontradas 261 questões
Assinale a alternativa que apresenta, de forma tecnicamente adequada, a relação entre as dimensões de qualidade de dados afetadas e as medidas de tratamento compatíveis com esse cenário.
Considere que uma secretaria esteja planejando implementar uma plataforma de Big Data para integrar sistemas transacionais e dados não estruturados em um data lake, visando promover análises históricas e em tempo real. A partir dessa situação hipotética e considerando as estratégias de administração de dados e os metadados, julgue o item a seguir.
No modelo ELT (extract, load, transform), a carga dos dados no repositório ocorre antes da aplicação de transformações estruturais, permitindo que o ambiente de destino atue como motor de processamento e simplificando a arquitetura ao dispensar camadas de staging externas para a manipulação prévia dos dados.
A respeito de banco de dados, julgue o item seguinte.
O ETL (extract, transform, and load) é um processo de integração de dados que tem alto custo computacional.
Para isso, foi usada a seguinte configuração de filtro:
Com base no funcionamento do Logstash e dos plugins utilizados, com a específica configuração e sintaxe apresentadas, assinale a afirmativa correta.
Ao receber a planilha bruta, percebeu que havia campos em branco, inconsistências de formatação e valores duplicados. Nesse contexto, assinale a opção que indica a ferramenta mais adequada para realizar a extração e a limpeza desses dados, antes da análise.
Sobre o ETL, assinale a afirmativa correta.
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:
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:
• 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: