Uma empresa de desenvolvimento de software criou um software de Business Intelligence (Bl) para trabalhar na arquitetura que visa foco no nível estratégico da organização, com a ideia de visualização multidimensional dos dados, para fornecer respostas rápidas para a maioria das consultas e que necessita de um longo período para execução da carga de dados. Nesse caso, esse software está associado à arquitetura:

A respeito da modelagem dimensional, julgue o próximo item.

Todas as tabelas de um modelo apresentam um elemento de tempo como parte da estrutura de chave.

Julgue o próximo item, relativo à modelagem dimensional.

No modelo estrela, os dados são modelados em tabelas dimensionais, ligadas a uma tabela fato; uma tabela dimensão armazena o que tiver ocorrido, e a tabela fato contém as características de um evento.

No que se refere a Big Data, julgue o item subsecutivo.

O termo Big Data Analytics refere-se aos poderosos softwares que tratam dados estruturados e não estruturados para transformá-los em informações úteis às organizações, permitindo-lhes analisar dados, como registros de call center, postagens de redes sociais, de blogs, dados de CRM e demonstrativos de resultados.

Com relação a Big Data, julgue o item subsequente.

Além de estar relacionado à grande quantidade de informações a serem analisadas, o Big Data considera o volume, a velocidade e a variedade dos dados estruturados — dos quais se conhece a estrutura de armazenamento — bem como dos não estruturados, como imagens, vídeos, áudios e documentos.

Em relação à análise de agrupamentos (clusterização) em mineração de dados, julgue o item seguinte.

O método de clustering k-means objetiva particionar ‘n’ observações entre ‘k’ grupos; cada observação pertence ao grupo mais próximo da média.

A respeito da modelagem dimensional, julgue o próximo item.

No modelo floco de neve (snow flake), todas as tabelas estão relacionadas diretamente com a tabela de fatos, e as tabelas dimensionais devem conter todas as descrições necessárias para definir uma classe nelas mesmas.

Julgue o seguinte item, que se refere a CRISP-DM (Cross-Industry Standard Process of Data Mining).

Durante a fase de entendimento do negócio, busca-se descrever claramente o problema, fazer a identificação dos dados e verificar se as variáveis relevantes para o projeto não são interdependentes.

É a ferramenta mais popular para exploração de um datawarehouse:

A tecnologia OLAP (Online Analytical Processing) provê suporte a banco de dados multidimensionais, usado em soluções de apoio à decisão e Business Intelligence (BI), como o Microsoft SQL Server Analytical Services (SSAS), que fornece os dados analíticos para relatórios de negócios e aplicativos cliente, tais como Excel e relatórios do Reporting Services.

Com relação às diferentes características e ferramentas próprias da OLAP, analise as assertivas a seguir.

I. Na modelagem usada para representar dados multidimensionais, o diagrama do esquema estrela tem em seu centro uma tabela fato vinculada a várias tabelas dimensões, dispostas radialmente. A tabela fato armazena dados descritivos, enquanto as tabelas dimensões armazenam dados numéricos.

II. Dentre as operações suportadas no OLAP, estão os operadores de cubos de dados: slice, que seleciona um subconjunto de dimensões; dice, que seleciona um subconjunto do cubo original; e drill-down, que retorna detalhes de uma dimensão.

III. Uma instância do Microsoft SQL Server Analysis Services (SSAS) é executada em bancos de dados tabulares, bancos de dados multidimensionais, ou em ambos.

IV. O processo de mineração de dados (datamining) permite descobrir padrões implícitos nos dados armazenados em datawarehouse, com o objetivo de usar tais padrões para vantagens competitivas em negócios.

Estão CORRETAS apenas as assertivas: