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

64 questões encontradas

ID 97520 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining Instituto Legalle 2026

Uma equipe de dados operacionaliza um pipeline de ingestão diária que carrega arquivos de diversas fontes para um data warehouse corporativo. Após uma falha em uma das etapas do processo, a equipe precisa analisar os registros de execução (logs) para identificar a causa do problema, o momento da interrupção e quais registros foram processados com sucesso antes da falha. Com base nas boas práticas de registro de execução em pipelines de dados, assinale a alternativa CORRETA.

A O registro de logs é opcional, sendo recomendado apenas em ambientes produtivos com alto volume de dados.

B Logs estruturados (JSON) dificultam a análise automatizada, sendo preferível o uso de texto livre.

C Armazenar logs no banco transacional de origem é a abordagem mais segura e preserva os registros em falhas.

D Um registro de execução eficaz deve incluir o identificador da execução, o timestamp de início e término de cada etapa, o status de conclusão e a quantidade de registros processados, permitindo rastreabilidade e diagnóstico de falhas.

E A rotação e o descarte automático de logs após execução bem-sucedida reduzem o armazenamento sem comprometer a auditoria.

ID 97516 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining Instituto Legalle 2026

O formato CSV é amplamente utilizado em pipelines de dados para transferência de conjuntos de dados entre sistemas heterogêneos. Apesar de sua simplicidade, o formato apresenta características e limitações técnicas que devem ser consideradas durante a implementação de processos de ingestão e integração. Diante disso, analise as afirmativas a seguir sobre o formato CSV:

I. O formato CSV não incorpora um esquema de dados embutido no arquivo, o que exige que os tipos, significados e formatos de cada coluna sejam documentados externamente ou inferidos durante a leitura.

II. Um arquivo CSV suporta a representação nativa de dados hierárquicos e aninhados, como listas de itens vinculados a um único registro pai, desde que os delimitadores aninhados sejam configurados corretamente no parser utilizado.

III. Quando um valor de campo contém o caractere delimitador, esse campo deve ser envolvido entre aspas duplas para que o parser o interprete como um único valor, conforme previsto pela especificação RFC 4180.

IV. A codificação de caracteres utilizada em um arquivo CSV é declarada de forma explícita no próprio arquivo, garantindo que sistemas distintos realizem a leitura correta dos dados sem necessidade de configuração adicional. Está(ão) CORRETA(S):

A I, apenas.

B II e IV, apenas.

C I e III, apenas.

D III e IV, apenas.

E I, II e III, apenas.

ID 97514 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining Instituto Legalle 2026

O profiling de dados é uma etapa analítica realizada sobre conjuntos de dados com o objetivo de compreender sua estrutura, qualidade e distribuição antes de iniciar processos de transformação ou carga em camadas analíticas. A realização adequada do profiling permite identificar problemas de qualidade e orientar as regras de tratamento a serem aplicadas no pipeline. Diante disso, analise as afirmativas a seguir sobre profiling básico de dados:

I. A análise de cardinalidade em uma coluna consiste em identificar o número de valores distintos presentes, sendo útil para reconhecer possíveis chaves candidatas e detectar colunas com baixa variabilidade que podem indicar problemas de qualidade.

II. O profiling de nulidade verifica a proporção de valores ausentes em cada coluna, fornecendo informações relevantes para decisões sobre estratégias de tratamento, como imputação, exclusão de registros ou criação de indicadores de ausência.

III. A análise de distribuição de frequência permite identificar quais valores ocorrem com maior regularidade em uma coluna e é aplicável exclusivamente a colunas com tipos de dados numéricos, não sendo útil para colunas do tipo texto ou categórico.

IV. O profiling básico, por ser uma análise estática realizada antes da ingestão, elimina a necessidade de validações de qualidade posteriores durante as fases de transformação e carga, desde que o dataset analisado não sofra alterações estruturais. Estão CORRETAS:

A I e lII, apenas.

B I e ll,apenas,apenas.

C II e lV, apenas.

D I, II e III, apenas.

E III e IV, apenas.

ID 7136 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining CEBRASPE 2026

Acerca de modelagem dimensional, do CRISP-DM e do uso de banco de dados relacionais na análise de dados, julgue o item a seguir. No modelo de referência CRISP-DM, a fase de preparação de dados ocorre estritamente após a conclusão da fase de modelagem, com o objetivo de formatar as saídas preditivas geradas.

A Certo

B Errado

ID 7135 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining CEBRASPE 2026

Acerca de modelagem dimensional, do CRISP-DM e do uso de banco de dados relacionais na análise de dados, julgue o item a seguir. O esquema estrela é caracterizado por uma tabela de fatos central conectada a múltiplas tabelas de dimensão altamente normalizadas, e visa otimizar o uso de espaço de armazenamento.

A Certo

B Errado

ID 7133 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining CEBRASPE 2026

Julgue o próximo item, a respeito de visualização e análise exploratória de dados, de linguagens e ferramentas de apoio à análise de dados e de técnicas e tarefas de mineração de dados. O boxplot (diagrama de caixa) é uma ferramenta de visualização que possibilita identificar a mediana, a dispersão dos dados e a presença de valores atípicos ( outliers ) em uma distribuição.

A Certo

B Errado

ID 124637 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining CEBRASPE 2025

No contexto da mineração de dados, diferentes algoritmos são utilizados para solucionar problemas específicos, como segmentação de dados, descoberta de padrões e construção de modelos preditivos. Considerando os métodos Apriori, FP-Growth, k-means e árvores de decisão, assinale a opção que corresponde à descrição correta do funcionamento de um desses algoritmos.

A O Apriori gera padrões frequentes analisando apenas pares de itens, sem a necessidade de avaliar conjuntos de itens maiores ao longo do processo.

B O algoritmo FP-Growth é amplamente utilizado para descoberta de padrões frequentes em grandes bases de dados, sendo uma alternativa eficiente ao Apriori ao evitar a geração de candidatos.

C O k-means automaticamente determina o número ideal de clusters com base na densidade dos dados, sem necessidade de parametrização prévia.

D O k-means é um algoritmo de agrupamento que pode identificar clusters de formatos arbitrários e é robusto contra outliers , sendo adequado para dados com distribuições não esféricas.

E A árvore de decisão é insensível a ruídos, sendo capaz de generalizar bem para novos dados, independentemente da qualidade do conjunto de treinamento.

ID 124192 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining CEBRASPE 2025

Com relação a processos de banco de dados ETL (extração, transformação e carga), julgue o item subsequente. Na modelagem de data warehouses , a abordagem top-down torna o processo ETL mais flexível e adaptável a mudanças nos requisitos de negócio, enquanto a abordagem bottom-up exige um ETL rígido e pouco adaptável a novas necessidades.

A Certo

B Errado

ID 124191 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining CEBRASPE 2025

Com relação a processos de banco de dados ETL (extração, transformação e carga), julgue o item subsequente. Na extração incremental, apenas os dados alterados desde a última carga são extraídos, tornando o processo mais eficiente que a extração full , que recupera todos os dados da fonte.

A Certo

B Errado

ID 113854 Banco de Dados Business Intelligence (BI), Data Warehousing e Data Mining VUNESP 2025

No modelo multidimensional utilizado basicamente no projeto de sistemas de data warehouse , é correto afirmar que

A o número das chamadas tabelas dimensão é limitado a cinco.

B a denominada tabela fato não se utiliza do conceito de chaves primárias ou estrangeiras.

C dições numéricas (por exemplo, número de unidades vendidas) são armazenadas na denominada tabela fato.

D as chamadas tabelas dimensão não podem conter atributos do tipo caractere.

E a denominada tabela fato não pode conter atributos numéricos.