No Power BI, a modelagem de dados é essencial para garantir desempenho e a correta interpretação das informações. Um modelo, no Power BI, consiste em uma ou mais tabelas e diversas relações entre elas (quando existir mais de uma tabela). Para garantir granularidade e eficiência nas visualizações e relatórios, a escolha do esquema de dados é fundamental.
Uma empresa está implementando um dashboard no Power BI para monitorar as vendas de seus produtos em diversas regiões do país. O banco de dados contém informações sobre:

• Vendas realizadas (data, valor, quantidade, produto vendido, vendedor e região).
• Detalhes dos produtos (código, categoria, marca e preço unitário).
• Informações dos clientes (nome, CPF, idade, estado civil e cidade).
• Registros de vendedores (nome, código do vendedor e equipe de vendas).

Considerando as melhores práticas de modelagem de dados no Power BI, qual esquema de dados é mais adequado para estruturar esse modelo e garantir performance e facilidade de análise?

Considere um Analista de Sistemas especializado em Ciência de Dados, designado para analisar grandes volumes de textos livres oriundos de interações dos clientes com a empresa, incluindo mensagens enviadas por chat e redes sociais, com o objetivo de extrair insights sobre a satisfação dos consumidores. Esses textos são classificados como dados

Uma grande empresa do setor financeiro decidiu modernizar sua infraestrutura de dados para suportar análises preditivas e relatórios gerenciais avançados, além de manter a eficiência nas transações diárias de seus clientes. Atualmente, a empresa possui um banco de dados relacional tradicional que armazena transações bancárias em tempo real, mas enfrenta dificuldades ao executar consultas analíticas complexas, como identificação de padrões de fraude e segmentação de clientes com base no histórico de gastos. Diante desse cenário, a empresa considera a separação da sua arquitetura de dados em dois ambientes distintos: um banco de dados transacional (OLTP) e um ambiente analítico (OLAP).
Em relação ao contexto apresentado, assinale a alternativa correta.

Uma empresa multinacional lida com grandes volumes de dados provenientes de diversas fontes, incluindo bancos de dados transacionais, sensores IoT, logs de servidores e redes sociais, envolvendo dados estruturados e não estruturados. Durante o processo de armazenamento e recuperação de dados, a organização enfrenta desafios de desempenho e consistência.
Considerando o cenário descrito, assinale a alternativa que apresenta a abordagem mais adequada para otimizar a recuperação eficiente e garantir a integridade dos dados.

No processo de modelagem de um banco de dados relacional, é importante seguir boas práticas para garantir integridade, eficiência e escalabilidade. Qual das alternativas, a seguir, representa uma prática correta ao projetar um banco de dados relacional?

A tabela a seguir contém informações sobre pedidos de clientes em uma loja. No entanto, essa tabela apresenta redundâncias e dependências parciais, indicando que não está normalizada.
Tabela Pedidos (forma não normalizada): 



Considerando apenas as regras da 1ª e 2ª formas normais (1FN e 2FN), assinale a alternativa que apresenta a correta normalização da tabela apresentada.

As tabelas, a seguir, foram criadas no banco de dados relacional para armazenar informações sobre vendas:

CREATE TABLE Clientes (  Cliente_ID INT PRIMARY KEY,  Nome VARCHAR(100),  Cidade VARCHAR(100),  Estado CHAR(2) );
CREATE TABLE Pedidos (  Pedido_ID INT PRIMARY KEY,  Cliente_ID INT,  Data_Pedido DATE,  Valor_Total DECIMAL(10,2),  FOREIGN KEY (Cliente_ID) REFERENCES Clientes(Cliente_ID) ); 

A consulta SQL, a seguir, retorna quais resultados? 
SELECT c.Nome, COUNT(p.Pedido_ID) AS Num_Pedidos, COALESCE(SUM(p.Valor_Total), 0) AS Total_Gasto FROM Clientes c LEFT JOIN Pedidos p ON c.Cliente_ID = p.Cliente_ID WHERE p.Data_Pedido >= '2025-02-01' GROUP BY c.Nome HAVING COUNT(p.Pedido_ID) >= 1;