Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Acesse diretamente as bancas disponíveis na QuestLab. As quantidades abaixo consideram as questões ativas do banco.

CEBRASPE 51.363 questões FGV 25.316 questões FCC 24.632 questões AOCP 23.456 questões IBFC 11.190 questões VUNESP 10.983 questões Instituto Quadrix 9.793 questões FUNDATEC 9.088 questões IBADE 7.820 questões CESGRANRIO 6.013 questões OBJETIVA 4.740 questões CONSULPLAN 4.174 questões FEPESE 3.585 questões IADES 3.439 questões IESES 2.627 questões SELECON 2.377 questões IDECAN 1.907 questões MS CONCURSOS 1.485 questões Instituto Legalle 1.281 questões FAFIPA 1.161 questões FUMARC 842 questões ACAFE 551 questões INSTITUTO AOCP 430 questões NUCEPE 378 questões FUNIVERSA 348 questões FAURGS 203 questões FIOCRUZ 48 questões MACKENZIE 48 questões CETRO 17 questões

Encontre as questões que procura

Palavra-chave

Disciplina

Assunto

Tópico

Banca

Órgão

Ano

Cargo

Modalidade

Limpar filtros

6 questões encontradas

ID 124205 Banco de Dados Banco de Dados Multidimensionais CEBRASPE 2025

Julgue o próximo item, relativo a aprendizado de máquina e BI ( Business Intelligence ). A arquitetura de BI que utiliza ROLAP (processamento analítico online relacional) implementa as consultas por meio de um banco de dados em cubos de forma consolidada; nessa estrutura ROLAP, os dados são armazenados de forma multidimensional, permitindo que os usuários finais realizem drill up ou drill down na hierarquia (por exemplo, que eles vejam os lucros das vendas por ano, depois por trimestre).

A Certo

B Errado

ID 24572 Banco de Dados Banco de Dados Multidimensionais FGV 2025

O analista Flávio precisa analisar diversos dados contábeis do MPU sob diferentes perspectivas ao longo do tempo para fundamentar suas perícias. Para isso, ele recorreu ao ambiente analítico do MPU, a fim de utilizar uma ferramenta que permita realizar operações de roll-up, drilldown, slice, dice e pivot. Para apoiar suas perícias, Flávio deve usar uma ferramenta:

A ETL;

B OLAP;

C SciPy;

D Postgres;

E Data Lake.

ID 9588 Banco de Dados Banco de Dados Multidimensionais CEBRASPE 2025

Julgue o próximo item, relativos a visualização de dados, banco de dados e BI ( business intelligence ). Em bancos de dados multidimensionais, a relação entre dados é sempre representada em estrutura tabular bidimensional, sem suporte a modelos de dados hierárquicos ou de rede.

A Certo

B Errado

ID 9583 Banco de Dados Banco de Dados Multidimensionais CEBRASPE 2025

Julgue o próximo item, relativos a visualização de dados, banco de dados e BI ( business intelligence ). O OLAP ( online analytical processing ) é utilizado principalmente para transações de alta velocidade e alto volume de dados operacionais.

A Certo

B Errado

ID 8041 Banco de Dados Banco de Dados Multidimensionais CEBRASPE 2025

Acerca de bancos de dados, julgue os seguintes itens. A técnica de agregação em bancos de dados multidimensionais permite pré-computar somatórios e médias, o que otimiza o tempo de resposta nas consultas analíticas.

A Certo

B Errado

ID 584 Banco de Dados Banco de Dados Multidimensionais AOCP 2022

Uma das formas de se criar um modelo floco de neve (snowflake) clássico de um modelo dimensional é apresentada corretamente em qual das alternativas a seguir?

A Remove-se atributos de baixa cardinalidade de uma tabela de dimensão e coloca-se esses atributos em uma tabela de dimensão secundária, conectada por uma chave de floco de neve.

B Acrescenta-se todas as chaves primárias como chave estrangeira em uma única tabela central. Após isso, conecta-se as tabelas secundárias a outras tabelas, terciárias. Isso dá a formação do floco de neve.

C Remove-se as formas normais, sendo elas 1FN, 2FN e 3FN. Após isso, coloca-se todos os dados em uma tabela única que passará por uma validação ETL (Extração, Transformação e Carga).

D Fragmenta-se o modelo relacional em diversas dimensões das quais se retira as chaves primárias e estrangeiras, uma vez que os dados pertencentes ao modelo serão sumarizados.

E Gera-se dimensões degeneradas ou descaracterizadas pelas tabelas transacionais. Apesar da perda de dados, isso se faz relevante para a análise em diferentes dimensões.