Questões de Concurso
Sobre dw - data warehouse em banco de dados
Foram encontradas 655 questões
Data warehouse (DW) e data mart (DM) são componentes importantes em um ambiente de business intelligence, visto que eles representam repositórios de múltiplos bancos de dados operacionais da empresa. Um DM agrega informações de diversos DWs distribuídos pelos departamentos da empresa.
I.Um Data Warehouse com arquitetura global deve ser fisicamente centralizado na empresa.
II. A arquitetura independente implica em Data Marts stand alone controlados por um grupo específico de usuários e que atende somente às suas necessidades específicas e departamentais, sem foco corporativo.
III.A arquitetura de Data Marts integrados é basicamente uma distribuição de implementação. Apesar de os Data Marts serem implementados separadamente por grupos de trabalho ou departamentos, eles são integrados ou interconectados, provendo uma visão corporativa maior dos dados e informações.
Está correto o que se afirma em:
Quando se trata de fatos acumulados, os modelos multidimensionais admitem atualizações de suas métricas.
Na recuperação e visualização de dados em um Data Warehouse, o drill trought ocorre quando o usuário visualiza a informação contida de uma dimensão para outra dimensão.
No desenvolvimento de um sistema de suporte, a decisão de se trabalhar com dados georreferenciados prioriza a criação inicial de um DW (Data Warehouse), seguido de Data Mining, ponto a partir do qual se inicia a criação de Data Marts com dados mais sumarizados que os do DW. Essa estratégia, conhecida como top-down, apresenta duas desvantagens: não permite a herança de arquitetura e repositório de metadados e sua implementação é mais longa que a do bottom-up.
Em uma modelagem multidimensional, as métricas são armazenadas na tabela fato, independentemente de estarem em um modelo Estrela ou Star Schema, podendo ser aditiva, correspondente a valores que podem ser aplicados às operações de soma, subtração e média, ou não aditiva, correspondente a valores percentuais, ou relativos, que não podem ser manipulados livremente.
Na modelagem de dados de um Data Warehouse, a mudança de uma hierarquia dimensional para outra é facilmente realizada em cubos de dados, por meio da técnica de roteamento.
Em um Data Warehouse (armazém de dados) que apresente a característica de ser não volátil, os dados não são atualizados após a inserção inicial.
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.