Com relação a sistemas de suporte à decisão, julgue os segui...

Alternativa correta: E - errado

A afirmação contida no enunciado mistura conceitos distintos de Data Mining e Data Marts. É importante saber que:

• Data Mining é um conjunto de técnicas que visa descobrir padrões, correlações ou conhecimentos relevantes em grandes conjuntos de dados de forma semi-automática ou automática.
• Data Marts são subconjuntos de Data Warehouses, normalmente segmentados por linhas de negócios ou departamentos. Eles são projetados para facilitar o acesso a dados relevantes para um grupo específico de usuários.

Data Mining pode ser aplicado tanto em Data Warehouses quanto em Data Marts, mas o processo de Data Mining em si não é uma função automática desses repositórios. Perceba a diferença entre a ferramenta de análise (Data Mining) e o repositório de dados (Data Mart).

Portanto, a afirmação não é correta porque Data Marts não são ferramentas ou processos que obtêm informações estratégicas de maneira automática; eles são repositórios projetados para fornecer um acesso mais fácil e rápido a um conjunto específico de dados dentro de uma organização. O processo de extrair essas informações estratégicas, que pode ou não ser automatizado, é um passo adicional realizado por ferramentas de análise como o Data Mining.

Data Mining
A mineração de dados consiste em usar o computador para vasculhar imensos bancos de dados em busca de tendências que passam despercebidas aos olhos humanos. Como o Data WhereHouse possui bases de dados bem organizadas e consolidadas, as ferramentas de Data Mining ganharam grande importância e utilidade. Essa técnica, orientada para a mineração dos dados, oferece uma poderosa alternativa para as organizações descobrirem novas oportunidades e, acima de tudo, para traçarem novas estratégias para o futuro.
O propósito da análise de dados é descobrir previamente características dos dados, sejam essas características relacionamentos, dependências ou tendências desconhecidas. 
Tais descobertas tornam-se parte da estrutura informacional em que decisões são formadas. Uma ferramenta típica de análise de dados ajuda os usuários finais na definição do problema, na seleção de dados e a iniciar uma apropriada análise para geração da informação.Data Mart
Os primeiros projetos sobre Data Warehouse (DW) referiam-se a uma arquitetura centralizada. Embora fosse interessante fornecer uniformidade, controle e maior segurança, a implementação desta abordagem não é uma tarefa fácil. Requer uma metodologia rigorosa e uma completa compreensão dos negócios da empresa. Esta abordagem pode ser longa e dispendiosa e por isto sua implementação exige um planejamento bem detalhado. Com o aparecimento de data mart ou warehouse departamental, a abordagem descentralizada passou a ser uma das opções de arquitetura data warehouse. Os data marts podem surgir de duas maneiras. A primeira é top-down e a outra é a botton-up.
Top-down: é quando a empresa cria um DW e depois parte para a segmentação, ou seja, divide o DW em áreas menores gerando assim pequenos bancos orientados por assuntos departamentalizados. 
Botton-up: é quando a situação é inversa. A empresa por desconhecer a tecnologia, prefere primeiro criar um banco 
de dados para somente uma área. Com isso os custos são bem inferiores de um projeto de DW completo. 
A partir da visualização dos primeiros resultados parte para outra área e assim sucessivamente até resultar num Data Warehouse. 
A tecnologia usada tanto no DW como no Data Mart é a mesma, as variações que ocorrem são mínimas, sendo em volume de dados e na complexidade de carga. A principal diferença é a de que os Data Marts são voltados somente para uma determinada área, já o DW é voltado para os assuntos da empresa toda. Fonte: http://www.totall.com.br/bi/artigos.asp?sessao=148

Data Mart é um banco de dados departamental que subsidiará a formação de um DW corporativo

A questão apresenta vários erros. 

1- os DataMarts são departamentais, não poderiam, isoladamente, prover subsídios para decisões estratégicas; 2- o processo de KDD (Knowledge Discovery in Database), existente em DataMining possui 6 fases:

 1. Seleção de dados. 

� 2. Limpeza de dados.

� 3. Enriquecimento.

� 4. Transformação.

� 5. Mineração.

� 6. Análise, assimilação, interpretação, avaliação, divulgação e exposição das informações.

Certamente, várias dessas etapas envolvem atividades humanas de análise, que não podem ser conseguidas de forma automatizada em sua plenitude!

Espero ter ajudado!

Atenção, não confundir com o conceito de "staging area" que é realizado fora do acesso dos usuários.

Os Data Marts sao um tipo de Data Warehouse porem com menor abrangencia, ou seja, aplicados sobre um escopo menor(departamental).