Questões de Concurso
Comentadas sobre dw - data warehouse em banco de dados
Foram encontradas 600 questões
Para viabilizar o processo de inteligência de negócio, é necessário o uso de um Data Warehouse.
O Data Warehouse tem como principal objetivo armazenar dados históricos por meio dos esquemas snow flake ou star schema. O primeiro armazena os dados em dimensões que podem não estar ligadas diretamente à tabela fato; o segundo é voltado para armazenamento de dados não estruturados ou textuais.
As ferramentas para extração, transformação e carga de dados (ETL) copiam todos os dados dos sistemas operacionais e os transferem para o Data Warehouse de forma a apoiar a análise corporativa das tendências e a realização de previsões empresariais.
O processo de extração, transformação e carga, comumente referenciado como ETL (Extract-Transform-Load), é um processo usado na criação e na atualização de um Datawarehouse.
Quanto à forma de armazenamento dos dados, o MOLAP é mais indicado para DataMarts que para DataWarehouse.
O processo de carga de um DataWarehouse consiste exclusivamente em adicionar novos dados históricos regularmente.
O modelo conhecido como SnowFlake Chain é contraindicado para situações em que as pesquisas requerem diversos níveis de sumarização da informação.
Para garantir a eficiência na consulta aos dados modelados, realizada pelo modelo estrela, tanto as tabelas fato quanto as tabelas dimensão devem estar normalizadas.
A captura de dados baseada na técnica Timestamp é inadequada para capturar estados intermediários, nas situações em que os dados operacionais são transientes.
Em corporações que possuem diversos departamentos, a implementação de DataMarts facilita a disseminação das informações por todos os departamentos
Os dados armazenados em um DataWarehouse devem estar integrados, temporalmente identificados, orientados ao assunto e devem ser protegidos, de modo a se evitar o acesso do usuário.
Um DataWarehouse provê uma excelente base para a realização de DataMining, pois os algoritmos de DataMining demandam grandes quantidades de dados em nível detalhado; o DataMining tira vantagem de bases de dados que estejam integradas e limpas; e a infraestrutura necessária para a criação de um DataWarehouse atende às necessidades das operações de DataMining.
Em uma tabela fato, pode haver diferentes granularidades entre as métricas, sendo as métricas não aditivas, em regra, de menor granularidade que as aditivas ou as semiaditivas.
Na modelagem multidimensional, é possível haver mais de uma tabela fato no mesmo modelo. A tabela fato expressa a relação N:M (muitos-para-muitos) entre as dimensões, que, por sua vez, implementam a visão e a interface do usuário ao DataWarehouse.
No ciclo de vida de um DataWarehouse, incluindo seu desenvolvimento e sua utilização, inclui-se a DataStaging, que é uma área reservada para armazenar os dados nos moldes do modelo multidimensional. Os usuários finais dessa área são, em geral, gestores da organização e possuem acesso para manipular os dados e realizar operações como drill-down e drill-across.
Assim como o DataMining, os DataMarts são voltados para a obtenção de informações estratégicas de maneira automática, ou seja, com o mínimo de intervenção humana a partir da análise de dados oriundos de DataWarehouses.