QuestLab Plataforma Inteligente de Questões
Entrar Criar conta
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
Limpar filtros
13 questões encontradas
ID 19090 Informática DW Data Warehouse CEBRASPE 2021

Acerca de arquitetura e aplicações de data warehousing , ETL e Olap, julgue o item a seguir. No ambiente de data warehouse a atualização de dados em uma arquitetura controlada por destino ocorre quando o data warehouse envia periodicamente solicitações por novos dados às fontes.

A Certo
B Errado
ID 19038 Informática DW Data Warehouse CEBRASPE 2021

A respeito de bancos de dados relacionais e de modelagem dimensional, julgue o item subsequente. O data warehouse empresarial, ou EDW ( enterprise data warehouse ), é uma das aplicações do data warehouse que permite a integração em larga escala de dados oriundos de diversas fontes em formato padronizado, para subsidiar a inteligência de negócios.

A Certo
B Errado
ID 51209 Informática DW Data Warehouse FCC 2020

Duas definições de estruturas de dados estão determinadas para um projeto de datamart de uma loja de varejo: uma delas (tabela A) contém a data da venda, a identificação do produto vendido, a quantidade vendida do produto no dia e o valor total das vendas do produto no dia; a outra (tabela B) contém a identificação do produto, nome do produto, marca, modelo, unidade de medida de peso, largura, altura e profundidade da embalagem. Considerando os conceitos de modelagem multidimensional de data warehouse , as tabelas A e B são, respectivamente:

A Query e Réplica
B Fato e Dimensão
C Dimensão e Réplica
D Fato e ETL
E ETL e Query
Órgão: Órgão não informado Cargo: AL AP Analista Legislativo Desenvolvedor de Banco de Dados Prova: FCC - Órgão não informado - AL AP Analista Legislativo Desenvolvedor de Banco de Dados - 2020
Ver questão Crie sua conta gratuitamente
ID 51065 Informática DW Data Warehouse FCC 2020

Para construir um Data Warehouse , algumas etapas e processos são necessários. Uma etapa é conhecida como ETL, que compreende as etapas de Extração, Transformação e Armazenagem de dados em Sistemas Específicos ou Armazéns de Dados. Essas etapas são constituídas de várias outras funções, processos e técnicas de data integration . Uma dessas funções chama-se Master Data Management ? MDM e é responsável por

A misturar os dados para criar um panorama virtual.
B unir os dados para criar uma visão única deles, através de múltiplas fontes. Ela inclui tanto o ETL quanto capacidades de data integration , para misturar as informações e criar o ?melhor registro?.
C monitorar e processar fluxos de dados e ajudar a tomar decisões mais rapidamente.
D fornecer tanto agendamento em lote quanto capacidades em tempo real.
E criar um ambiente de testes onde os dados possam ser integrados, limpos e padronizados (por exemplo: SP e São Paulo, Masculino e M, Senhora e Sra. etc) além de verificar e remover dados duplicados.
Órgão: Órgão não informado Cargo: AL AP Analista Legislativo Desenvolvedor de Sistemas Prova: FCC - Órgão não informado - AL AP Analista Legislativo Desenvolvedor de Sistemas - 2020
Ver questão Crie sua conta gratuitamente
ID 141749 Informática DW Data Warehouse FCC 2019

“A Secretaria da Fazenda realizou procedimento que visa estimular os contribuintes paulistas a, voluntariamente, regularizarem as obrigações tributárias que devem ser transmitidas ao Fisco. Em uma etapa da operação foram selecionados 48 contribuintes do Regime Periódico de Apuração com R$ 143 milhões em débitos de ICMS.
Esta ação tem caráter orientador, com o objetivo de alertar as empresas sobre divergências em suas declarações e indicar a regularização, porém, a ação pode resultar em indicações de empresas de fachada que apresentaram um conjunto de indícios que sugerem tratar-se de documentos fiscais inidôneos ou de simulação de operações para gerar créditos falsos de ICMS na apuração mensal do tributo a recolher.
Para a elaboração da operação autorregularização foram selecionados contribuintes com divergências nas notas fiscais emitidas entre janeiro a dezembro de 2016 em comparação com as informações declaradas nas Guias de Informação e Apuração do ICMS do mesmo período."
(Baseado em: https://portal.fazenda.sp.gov.br )

Ao ler esta notícia, uma Auditora Fiscal da área de TI concluiu, corretamente, que o cruzamento e a análise simultânea de diversas informações, como Nota Fiscal Eletrônica (NF-e), inadimplência, regularidade no cumprimento de obrigações, porte da empresa, composição do quadro societário, autos de infração anteriores, localização geográfica e atividade econômica, entre outras,

A caracterizam-se como operações MOLAP, que usam a base de dados relacional para acessar os dados do cubo.
B caracterizam-se como operações HOLAP, que não usam a base de dados relacional para acessar os dados do cubo.
C podem ter sido realizados com a ajuda de ferramentas de Data Marts integrados, que não requerem a construção de um DW.
D podem ter sido realizados com ferramentas de Data Mining em tempo real, uma vez que os dados do DW são constantemente atualizados a partir da chave de tempo que indica o dia no qual os dados foram extraídos dos sistemas transacionais.
E podem ter sido realizados com a ajuda de ferramentas de Data Mining , que permitem a exploração de grandes volumes de dados para identificar padrões de comportamento e relacionamentos.
ID 141616 Informática DW Data Warehouse FCC 2019

Nos sistemas transacionais, os dados sofrem diversas alterações como inclusão, alteração e exclusão. Antes de serem carregados no ambiente de um Data Warehouse , os dados são filtrados e limpos, de forma a gerarem informação útil. Após esta etapa, esses dados

A ficam disponíveis para a mineração em tempo real, pois tais dados são constantemente atualizados a partir da chave de tempo que indica o dia em que foram extraídos dos sistemas transacionais.
B podem sofrer operações de consulta, mas, devido a sua não volatilidade, não podem ser alterados, não havendo necessidade de bloqueio por concorrência de usuários ao seu acesso.
C são reunidos a partir de diversas fontes de dados, o que facilita muito o trabalho do analista, embora este tenha que lidar com a grande redundância das informações.
D ficam ordenados pela data da extração do sistema transacional, sendo necessárias técnicas de data mining para fazer a sua recuperação orientada por assunto.
E são classificados somente pelo assunto principal de interesse da organização. Por exemplo, em uma organização de arrecadação de impostos, os dados são organizados pelo cadastro de contribuintes que possuem impostos a recolher.
ID 141603 Informática DW Data Warehouse FCC 2019

Um Auditor da SEFAZ-BA, observando as necessidades da organização, propôs um Data Warehouse (DW) com as seguintes características:

- na camada de dados resumidos ficam os dados que fluem do armazenamento operacional, que são resumidos na forma de campos que possam ser utilizados pelos gestores de forma apropriada.
- na segunda camada, ou no nível de dados históricos, ficam todos os detalhes vindos do ambiente operacional, em que se concentram grandes volumes de dados.

Com esta organização, os tipos de consulta analítica de maior frequência acessariam os dados resumidos, mais compactos e de mais fácil acesso e, em situações em que seja necessário um maior nível de detalhe, utilizar-se-iam os dados históricos.

O Auditor propôs um DW

A que oferece maior nível de detalhes, ou seja, alto nível de granularidade.
B que oferece menor nível de detalhes, ou seja, baixo nível de granularidade.
C com nível duplo de granularidade.
D com OLAP integrado.
E com data marts geminados.
ID 142782 Informática DW Data Warehouse FCC 2018

Para permitir uma análise coerente, após a denúncia, a concepção de um modelo de dados multidimensional do tipo esquema estrela ( star schema ), em um Data Warehouse , deve registrar os elementos de dados: identificação do posto, empresa, data da pesagem e tempo de permanência.

Considerando os conceitos fatos e dimensões, os elementos de dados classificados como dimensões são, apenas,

A identificação do posto, data da pesagem e tempo de permanência.
B empresa, data da pesagem e tempo de permanência.
C identificação do posto e empresa.
D identificação do posto, empresa e data da pesagem.
E empresa e data da pesagem.