Questões de Concurso Comentadas para transpetro
Foram encontradas 1.437 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
![Imagem associada para resolução da questão](https://qcon-assets-production.s3.amazonaws.com/images/provas/101222/Captura_de%20Tela%20%283275%29.png)
Considerando-se que o crescimento anual dos investimentos, observado nesse período, se mantenha constante pelos próximos anos, o valor total previsto para ser investido por essa empresa, em bilhões de reais, nos anos de 2020 a 2029, é de
O ponto de fulgor é a temperatura
Considere um esquema multidimensional que envolve automóveis, os fabricantes e as revendedoras de carros, com as tabelas Dimensão apresentadas a seguir:
1. Dim_Automóvel: o Modelo_ID (identificador único para cada modelo de carro) o Nome_Modelo (por exemplo: Corolla, Civic, Tucson) o Tipo (por exemplo: Sedan, SUV, Coupe) o Ano_Lançamento
2. Dim_Fabricante: o Fabricante_ID (identificador único para cada fabricante) o Nome_Fabricante (por exemplo: Toyota, Honda, Ford) o País_Origem (por exemplo: Japão, EUA, Alemanha)
3. Dim_Revendedora: o Revendedora_ID (identificador único para cada revendedora) o Nome_Revendedora o Localização (cidade e estado) o Tipo_Revenda (por exemplo: autorizada, independente)
A tabela Vendas, que representa fatos, contém as seguintes colunas:
• Modelo_ID (chave estrangeira para Dim_Automóvel)
• Fabricante_ID (chave estrangeira para Dim_Fabricante)
• Revendedora_ID (chave estrangeira para Dim_Revendedora)
• Quantidade_Vendida
• Receita_Total (o total em vendas para essa tripla: modelo, fabricante e revendedora)
• Data_Venda
Qual das seguintes expressões, na linguagem de consultas SQL, retorna a receita total de vendas de carros do tipo SUV em 2023, agrupada por fabricante, na cidade de São Paulo?
1. Tempo: Dias, Meses, Trimestres, Anos 2. Produto: ID do Produto, Nome do Produto, Categoria 3. Localização: Cidade, Estado, País 4. Vendedor: ID do Vendedor, Nome, Departamento
Esse banco de dados multidimensional pode ser visualizado como um “cubo” com quatro dimensões, onde cada dimensão forma um dos eixos. Os pontos dentro desse “cubo” representam valores específicos de medidas, como é o caso do total de vendas. Esses pontos podem também representar algo mais complexo envolvendo muitas dimensões como, por exemplo, as vendas do Produto P no Estado Q durante o Mês R por Vendedor S.
Muitas vezes esses “cubos” são implementados em bancos de dados relacionais convencionais, de modo que os usuários possam usar linguagens amplamente conhecidas, como é o caso da linguagem de consultas SQL. Para isso, é necessário modelar tabelas de dimensão e de fato:
1. DimensaoTempo: com colunas tais como TempoID, Mes, Ano
2. DimensaoProduto: com colunas tais como ProdutoID, NomeProduto, Categoria
3. DimensaoLocalizacao: com colunas tais como LocalizacaoID, Cidade, Estado, País
4. FatoVendas: com colunas tais como TempoID, ProdutoID, LocalizacaoID, TotalVendas
Com base nas tabelas deste esquema relacional em particular, que representam um banco de dados multidimensional, considere que se deseja fazer a seguinte consulta de tipo “slice and dice”:
“Quanto foi vendido em termos de valor total nas categorias ‘Eletrônicos’ e ‘Roupas’ no estado de ‘Pernambuco’ durante o ano de 2022?”
A expressão SQL que responde a essa consulta é