Julgue o item subsequente, em relação à modelagem de bancos de dados.

Em modelagem de dados, a terceira forma normal exige que todo atributo não-chave seja dependente apenas da chave primária, o que a torna igualmente adequada tanto para sistemas transacionais quanto para ambientes analíticos.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

O esquema snowflake apresenta melhor desempenho que o esquema estrela em ambientes OLAP, porque a normalização das dimensões reduz redundância e diminui o tempo de resposta das consultas analíticas.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

Em um esquema estrela, a tabela-fato contém, predominantemente, descrições textuais detalhadas dos clientes, enquanto as dimensões armazenam métricas numéricas agregadas.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

Em um esquema estrela, toda tabela-fato deve conter pelo menos uma medida numérica, pois sem ela não há como estabelecer relacionamento com as dimensões.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

Em um esquema estrela, alterar o grão da tabela-fato implica redefinir o nível de detalhe de cada linha, o que pode exigir revisão das dimensões associadas e impactar a granularidade das análises.

Julgue o item subsequente, em relação à modelagem de bancos de dados.

O uso de slowly changing dimensions do tipo 2 em um esquema estrela permite rastrear o histórico de alterações em uma dimensão, inserindo uma nova linha a cada mudança e mantendo as linhas antigas para preservar a consistência das análises históricas.

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. 

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. 

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.

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.

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.

Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue o item subsequente.

Em pipelines de dados, a etapa de transformação pode incluir limpeza, padronização e enriquecimento dos dados processados.

Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue o item subsequente.

Data lake é uma arquitetura destinada ao armazenamento exclusivo de dados estruturados, previamente organizados em tabelas relacionais.

Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue o item subsequente.

Em ambientes de Big Data, sistemas distribuídos de armazenamento permitem o processamento de grandes volumes de dados em múltiplos nós computacionais. 

Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue o item subsequente.

Em pipelines de dados, a etapa de ingestão corresponde ao processo de eliminação permanente dos dados de origem após o carregamento no ambiente analítico.

Acerca do armazenamento de Big Data, do pipeline de dados e dos conceitos de data lake, julgue o item subsequente.

O armazenamento orientado a objetos é incompatível com data lakes devido à natureza dos dados armazenados.

Com relação aos sistemas de arquivos distribuídos e aos sistemas de indexação, julgue o próximo item.

Em ambientes analíticos de ciência de dados, índices compostos podem apresentar melhor desempenho em consultas multidimensionais quando a ordem dos atributos indexados possui aderência aos padrões de filtragem utilizados nas consultas.

Com relação aos sistemas de arquivos distribuídos e aos sistemas de indexação, julgue o próximo item.

Sistemas de indexação impedem variações de desempenho em consultas analíticas, independentemente do volume de dados armazenados.