Os termos Business Intelligence (BI) e Big Data confundem-se em certos aspectos. Uma conhecida abordagem para identificação dos pontos críticos de cada paradigma é conhecida como 3V, e destaca:

João trabalha no setor de BI da empresa e recebeu a tarefa de identificar agrupamentos de alunos de uma escola segundo seu desempenho acadêmico. A partir das notas obtidas, João deve formar grupos tal que integrantes de um grupo tenham desempenho similar, e que integrantes de grupos distintos sejam dissimilares. O algoritmo mais apropriado para essa tarefa é:

Uma das formas de modelagem utilizada no desenvolvimento de data warehouses é a modelagem multidimensional. Nesse tipo de modelagem,

O Serpro relatou assim uma parceria com o Tribunal de Contas da União - TCU:

“O funcionamento do Síntese, simplificadamente, se dará da seguinte forma: serão realizadas extrações de dados dos sistemas de informações mantidos por diversos órgãos públicos; esses dados sofrerão transformações para compatibilizar codificações e formatos, realizar classificações, agrupar registros e agregar valores; as informações modificadas alimentarão o repositório de dados modelado especificamente para consultas analíticas. O acesso ao repositório será realizado pelo usuário final por meio de ferramentas que possuem uma interface amigável para elaborar consultas ou relatórios. A apresentação das consultas pode ser em forma de matriz, gráfico, documento de editor de texto ou planilha eletrônica.”

O repositório de dados e as ferramentas, em destaque no texto, referem-se, respectivamente, a

Quando o modelo de dados multidimensionais começa a ser definido, elementos básicos de representação precisam ter sido estabelecidos, de modo a se criar um padrão de modelagem. Considere um modelo em que as dimensões e fatos são representados em tabelas, podendo haver múltiplas dimensões e múltiplas tabelas de fatos.

Ao modelar cada tabela ...I... devem ser considerados os seguintes pontos:

• A chave primária é composta, sendo um elemento da chave para cada dimensão;
• Cada elemento chave para a dimensão deve ser representado e descrito na tabela ...II... correspondente (para efetuar a junção);
• A dimensão tempo é sempre representada como parte da chave primária.

Deve haver uma tabela ...III... para cada dimensão do modelo, contendo

• Uma chave artificial (ou gerada) genérica;
• Uma coluna de descrição genérica para a dimensão;
• Colunas que permitam ...IV... ;
• Um indicador nível que indica o nível da hierarquia a que se refere a linha da tabela.

As lacunas de a são corretas, e respectivamente, preenchidas com:

Os dados de sistemas OLAP se baseiam nas informações contidas nos diversos softwares utilizados pela empresa (ERPs, planilhas, arquivos texto, arquivos XML etc.). Estes sistemas possuem uma camada onde estão os dados originais e outra camada onde estão os dados tratados (um gigantesco repositório de dados sobre assuntos diversos preparados para serem consultados por um sistema OLAP), que chamamos de

Uma plataforma de Business Intelligence envolve o DW − Data Warehouse e diversos componentes, dentre os quais, encontram-se
I. um subconjunto de informações do DW que podem ser identificados por assuntos ou departamentos específicos. II. ferramentas com capacidade de análise em múltiplas perspectivas das informações armazenadas. III. ferramentas com capacidade de descoberta de conhecimento relevante. Encontram correlações e padrões dentro dos dados armazenados. IV. processo de extração, tratamento e limpeza dos dados para inserção no DW.
Os componentes de I a IV são, correta e respectivamente,

Julgue o item subsequente, a respeito de modelagem dimensional e análise de requisitos para sistemas analíticos.
Entre os requisitos de análise de uma aplicação OLAP inclui-se a capacidade de tratar dinamicamente a esparsidade das informações para restringir o cruzamento dimensional de matrizes com células de valor zero.

No que concerne a data mining (mineração de dados) e big data, julgue o seguinte item.

Devido à quantidade de informações manipuladas, a (cloud computing) computação em nuvem torna-se inviável para soluções de big data.