Data Warehouse é um conjunto integrado de dados extraídos de bancos de dados operacionais, históricos, externos e selecionados, editados e padronizados para recuperação e análise, para fornecer inteligência empresarial na tomada de decisões gerenciais. A esse respeito, analise as afirmativas a seguir:

I. Data Warehouse utiliza o conceito de Metadados, que contém um dicionário de dados da organização.

II. Durante o projeto do modelo de dados de um Data Warehouse, são usadas operações de desnormalização, aumentando desempenho das consultas e, como benefício adicional, o processo torna-se mais intuitivo.

III. Os dados introduzidos em um Data Warehouse passam por uma área conhecida como área de stage. O stage de dados ocorre quando existem processos periódicos de leitura de dados de fontes como sistemas OLTP.

Assinale:

Descobrir padrões e tendências escondidos em grandes massas de dados não é um processo trivial. Em mineração de dados esse processo envolve o uso de diversas tarefas. As tarefas são as classes de problemas, que foram definidas por meio de estudos na área. As tarefas são, respectivamente:

O Data Warehouse é normalmente formado por meio de Data Marts, que são pontos específicos de acesso a subconjuntos do Data Warehouse.

Os Data Marts são construídos para responder prováveis perguntas de um tipo específico de usuário, entretanto apresentam uma desvantagem.

Assinale a alternativa que apresenta a desvantagem apontada na afirmação acima.

O datamining é a tarefa de encontrar estruturas interessantes em uma estrutura de dados, por exemplo, padrões estatísticos, modelos preditivos, relacionamentos escondidos etc. Considerando a figura acima, que mostra as áreas relacionadas ao datamining, assinale a opção incorreta.

Em uma modelagem voltada para o data warehouse, as dimensões possuem a própria granularidade, contudo ela não pode ser menor que a granularidade da tabela fato. Assim, é possível aplicar nível dual de granularidade a um data warehouse.

O Microsoft Excel 2003 é uma ferramenta OLAP que permite realizar operações como drill down, pivoteamento e drill up em membros das dimensões que fazem parte da tabela dinâmica, oriundos de cubos multidimensionais.

Ferramentas do tipo OLAP são utilizadas para extrair dados e realizar análise ad hoc, na área de business intelligence. Elas permitem, entre outras operações, executar o drill down, que é o aumento da granularidade dos dados, o slice and dice, que permite executar operações de projeção nas dimensões, e o pivoteamento, que permite realizar rotação (tabulação transversal) do cubo.