Uma SEFAZ carrega dados fiscais brutos em um data lake para retenção e só realiza transformações sob demanda no ambiente analítico. Nesse caso, o padrão de engenharia de dados adequado é

Considerando um pipeline diário que consolida arquivos fiscais CSV/JSON de sistemas legados para relatórios de arrecadação e que utiliza Pandas para padronizar datas, normalizar códigos e agregar valores, a etapa que caracteriza corretamente a transformação no processo ETL é

Em Python, utilizando bibliotecas de visualização de dados, um setor de fiscalização compara valores de autos de infração por tipo de tributo para identificar assimetria e possíveis outliers de forma padronizada. Nesse caso, a técnica de visualização que atende corretamente ao requisito apresentado é:

Em Python, utilizando bibliotecas de visualização de dados, uma SEFAZ precisa comunicar a evolução mensal de arrecadação (índice temporal) em relatório institucional, com título e rótulos explícitos de eixos. Nesse caso, o tipo de gráfico e a prática que atendem corretamente ao requisito apresentado é usar

Em Python, utilizando a biblioteca Pandas, uma fiscalização estadual cruza um DataFrame de autos de infração (df_autos) com outro de cadastro de contribuintes (df_cad), ambos indexados por CNPJ, e precisa preservar todos os autos mesmo sem cadastro correspondente. Nessa situação, a operação adequada é

Considere um ambiente fazendário com petabytes de documentos fiscais em cluster, exigindo armazenamento distribuído tolerante a falhas e também execução de análises iterativas com menor leitura repetida em disco. Nesse cenário, a combinação de sistema/framework que atende corretamente às necessidades é

Uma SEFAZ precisa armazenar grandes volumes de NF-e/CT-e e declarações em múltiplos formatos, preservando dados originais para auditoria e permitindo leitura com esquemas definidos na consulta. A arquitetura que atende adequadamente a essa necessidade é:

Uma SEFAZ recebe uma lista de dicionários Python com {cnpj, valor_icms, status} e precisa totalizar o ICMS por CNPJ, desconsiderando registros com status != "VALIDO", sem bibliotecas externas. Nesse caso, a abordagem mais adequada é

Em uma data warehouse em que ARRECADACAO_ICMS registra valores mensais por contribuinte e exercício, e sendo necessário exibir cada mês mantendo a granularidade, mas também o total anual por contribuinte em cada linha, a abordagem mais adequada é utilizar SUM (valor_icms)

Em uma SEFAZ, a tabela PAGAMENTO_ICMS possui valores pagos por contribuinte e exercício, e a necessidade de retornar apenas contribuintes cujo pagamento em um exercício seja maior que a média do próprio exercício, calculada dinamicamente. Nesse caso, a construção SQL que atende corretamente ao que se deseja é