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

188 questões encontradas

ID 206975 Tecnologia da Informação Dados, BI e Analytics FCC 2026

É correto afirmar que Big Data

A corresponde a uma metodologia de modelagem dimensional baseada em fatos e dimensões, enquanto o Data Warehouse representa um conjunto de algoritmos distribuídos utilizados para processamento paralelo de dados em larga escala.

B e Data Warehouse são conceitos equivalentes relacionados à administração de bancos de dados relacionais, diferenciando-se pela capacidade de armazenamento disponibilizada pela infraestrutura computacional utilizada.

C e Data Warehouse possuem a mesma finalidade arquitetural, sendo ambos destinados ao armazenamento de dados estruturados em modelos dimensionais voltados à análise gerencial.

D corresponde às tecnologias e abordagens voltadas ao processamento e armazenamento de grandes volumes de dados, enquanto o Data Warehouse consiste em um repositório destinado à consolidação de dados para a tomada de decisão.

E caracteriza ambientes destinados ao processamento transacional de aplicações corporativas, enquanto o Data Warehouse é utilizado para armazenamento de dados operacionais antes de sua transferência para os sistemas de produção.

ID 206773 Tecnologia da Informação Dados, BI e Analytics Consulplan 2026

Big Data é um conceito que descreve conjuntos de dados complexos que os métodos e as ferramentas tradicionais de processamento de dados não conseguem lidar de forma eficaz. Com base no conceito clássico, caracterizam o “Vs” do Big Data:

A Volume; valor; e volatilidade.

B Volume; velocidade; e variedade.

C Velocidade; versatilidade; e verdade.

D Versionamento; visualização; e veracidade.

ID 206771 Tecnologia da Informação Dados, BI e Analytics Consulplan 2026

Considere, hipoteticamente, que o SAAE de Indaiatuba implantou uma solução de BI para acompanhar indicadores como consumo médio por região, inadimplência, perdas na distribuição de água e eficiência operacional. Para isso, foi planejada a criação de Datamarts alimentados periodicamente a partir dos sistemas transacionais existentes. Sobre os conceitos de Datamarts e processos ETL, no contexto de soluções de BI, assinale a afirmativa correta.

A Datamarts executam análises e operações de cadastro/atualização de dados em tempo real.

B A utilização de ETL elimina a necessidade de modelagem dimensional, pois os dados são carregados sem tratamento.

C Datamarts são bancos de dados operacionais que armazenam dados em tempo real para processamento de transações.

D O processo ETL envolve a extração dos dados das fontes, sua transformação conforme regras de negócio e posterior carga em estruturas analíticas.

ID 186989 Tecnologia da Informação Dados, BI e Analytics CEBRASPE 2026

Texto associado

Acerca da álgebra relacional, do banco de dados NoSQL e da prática de storytelling , julgue os itens subsequentes.

O storytelling aplicado a dados transforma informações técnicas e analíticas em narrativas compreensíveis, o que facilita a tomada de decisão e o engajamento do público.

C Certo

E Errado

ID 186886 Tecnologia da Informação Dados, BI e Analytics CEBRASPE 2026

Texto associado

Julgue os itens a seguir, relacionados à integração de Big Data e inteligência artificial, bem como a ferramentas de migração.

Plataformas de processamento distribuído utilizadas em ambientes de Big Data podem ser executadas em infraestrutura de nuvem para realizar processamento paralelo de grandes volumes de dados, os quais podem posteriormente ser utilizados no treinamento de modelos de inteligência artificial.

C Certo

E Errado

ID 186849 Tecnologia da Informação Dados, BI e Analytics CEBRASPE 2026

No desenvolvimento de soluções para problemas complexos fundamentados em evidências, é imperativo distinguir as competências e os objetivos de cada domínio. A respeito da relação técnica entre Big Data, ciência de dados ( data science ) e análise de dados ( data analytics ), assinale a opção correta.

A A análise de dados constitui uma etapa conceitual e puramente teórica que antecede a ciência de dados, prescindindo do uso de ferramentas computacionais ou de técnicas de matemática aplicada para sua execução.

B A inteligência artificial e o aprendizado de máquina são áreas adjacentes, porém independentes da ciência de dados, não havendo intersecção metodológica entre a modelagem de algoritmos preditivos e o processo de extração de conhecimento.

C O objetivo final da ciência de dados restringe-se à validação técnica de fluxos de dados ( pipelines ), sendo a compreensão do problema de negócio e o mapeamento de valor etapas exclusivas da engenharia de dados e do Big Data.

D A ciência de dados caracteriza-se primordialmente pelo estudo e pela implementação de infraestruturas físicas para transmissão de dados, ao passo que o Big Data tem foco estrito na modelagem algorítmica e inferência estatística.

E O Big Data provê o ecossistema tecnológico e as ferramentas para lidar com a coleta, o armazenamento e o processamento distribuído de dados em larga escala (volume, velocidade e variedade), enquanto a ciência de dados utiliza esse suporte para aplicar métodos científicos e matemáticos que permitam a extração de conhecimento e de padrões úteis à tomada de decisão.

ID 186845 Tecnologia da Informação Dados, BI e Analytics CEBRASPE 2026

No ecossistema de dados corporativos, diferentes abordagens e arquiteturas são aplicadas conforme a natureza dos dados e o objetivo analítico. A esse respeito, considere as descrições a seguir.

1 Refere-se à análise de conjuntos de dados que superam a capacidade de processamento dos sistemas convencionais, integrando alta variedade (estruturados e não estruturados) e exigindo escalabilidade horizontal.
2 Abordagem voltada a conjuntos de dados estruturados e predefinidos, com foco em descrever eventos passados (análise descritiva) e responder a perguntas de negócio por meio de indicadores históricos (KPIs).
3 Caracteriza-se pelo processamento de fluxos ( streams ) com alta velocidade, em que a geração de valor depende da capacidade de processar e reagir à informação em tempo real ou quase real.
4 Utiliza métodos científicos, estatísticos e modelos computacionais para realizar análises preditivas e prescritivas, visando a descoberta de padrões e a antecipação de tendências.

Assinale a opção correta.

A As descrições 1 e 3 apresentam características fundamentais do conceito de Big Data: volume, variedade e velocidade.

B As descrições 2 e 4 descrevem exclusivamente as propriedades tecnológicas de sistemas de Big Data.

C As descrições 1 e 2 referem-se estritamente à análise de dados tradicional e ao business intelligence (BI), respectivamente.

D As descrições 3 e 4 descrevem, respectivamente, processos de armazenamento estático e persistência de dados em data warehouses.

E Todas as descrições correspondem ao conceito de ciência de dados.

ID 186292 Tecnologia da Informação Dados, BI e Analytics CEBRASPE 2026

Assinale a opção que apresenta a ferramenta de TI mais apropriada para examinar grandes volumes de registros financeiros e identificar inconsistências em uma auditoria de políticas públicas e finanças.

A plataforma de BI para relatórios gerenciais

B planilha eletrônica genérica

C sistema de gestão documental

D ferramenta de análise forense de dados

E software de ERP corporativo

ID 181123 Tecnologia da Informação Dados, BI e Analytics FCC 2026

Uma Secretaria da Fazenda Estadual precisa analisar 500 mil declarações fiscais para identificar contribuintes com comportamento tributário similar, sem ter exemplos prévios de classificação. A equipe técnica deve agrupar as empresas considerando apenas as características declaradas (receita, despesas, setor, localização) e descobrir padrões naturais nos dados.

A técnica mais adequada para essa tarefa é:

A Árvores de decisão, pois criam regras hierárquicas de classificação baseadas em variáveis fiscais usando exemplos rotulados de empresas regulares e irregulares.

B Análise de séries temporais, pois identifica tendências e padrões sazonais na arrecadação tributária ao longo do tempo para projeções futuras de receita.

C Regressão logística, pois classifica empresas em categorias de risco fiscal utilizando variáveis preditoras numéricas e categóricas com base em histórico de autuações anteriores.

D K-means clustering, pois agrupa empresas por similaridade sem necessidade de rótulos prévios, identificando padrões naturais nos dados declarados pelos contribuintes.

E Redes neurais profundas, pois aprendem representações complexas dos dados fiscais através de múltiplas camadas ocultas treinadas com backpropagation supervisionado.

ID 181014 Tecnologia da Informação Dados, BI e Analytics FCC 2026

Uma Secretaria da Fazenda Estadual recebeu uma base de dados contendo 2,3 milhões de registros de declarações fiscais para análise de conformidade tributária. Durante a fase de exploração inicial, a equipe técnica identificou diversos problemas: campos de CNPJ com formatações inconsistentes (alguns com pontuação, outros sem), valores monetários registrados com separadores decimais divergentes (vírgula e ponto), datas em formatos distintos (DD/MM/AAMA, AMAA-MM-DD), campos obrigatórios vazios em aproximadamente 12% dos registros, e a presença de valores extremos de receita bruta ( outliers ) que distorciam as análises estatísticas. Além disso, a variável " regime tributário " apresentava categorias redundantes devido a erros de digitação (ex “Simples Nacional”, “SIMPLES NACIONAL”, “Simples nacional). Para viabilizar a análise de risco fiscal e a construção de modelos preditivos, tomou-se necessário aplicar técnicas sistemáticas de preparação dos dados antes do processamento analítico. Considerando as melhores práticas de pré-processamento de dados, o tratamento correto e adequado para essa situação é

A aplicar tokenização em campos textuais para fragmentar as informações em unidades menores, utilização de técnicas de stemming e lemmatização para uniformizar as categorias de regime tributário, implementação de métodos de detecção de anomalias baseados em Isolation Forest para identificar registros fiscais suspeitos e preenchimento de valores ausentes mediante algoritmos de interpolação linear ou polinomial, assegurando a completude da base de dados para processamento posterior.

B iniciar com a aplicação de técnicas de feature scaling através de padronização z-score em todas as variáveis numéricas para centralizá-las em média zero e desvio padrão unitário, seguida de codificação ordinal para variáveis categóricas respeitando hierarquias naturais, detecção de outliers multivariados mediante distância de Mahalanobis e imputação de dados faltantes exclusivamente por valores constantes predefinidos conforme regras de negócio tributário, evitando métodos estatísticos que alterem distribuições originais.

C priorizar, inicialmente, a exclusão automática de todos os registros que apresentem campos obrigatórios vazios, seguida da aplicação de técnicas de winsorização para substituir valores extremos pelos percentis 5 e 95, padronização das strings mediante conversão para maiúsculas e remoção de acentuação, garantindo assim a integridade da base sem necessidade de imputação de dados faltantes que poderia introduzir viés nas análises tributárias.

D aplicar técnicas de normalização min-max em todas as variáveis numéricas para escaloná-las entre 0 e 1, realizar a codificação one-hot encoding nas variáveis categóricas, incluindo a variável regime tributário, implementar detecção de outliers através do método de Tukey (I0R) com remoção automática dos valores identificados e utilizar forward fill para preencher dados faltantes sequencialmente, preservando a ordenação temporal dos registros fiscais.

E padronizar formatos mediante expressões regulares para unificar CNPJ, valores monetários e datas em padrões consistentes, tratamento de dados faltantes atraves de análise contextual para decidir entre imputação (por média, mediana ou algoritmos como KNN) ou exclusão baseada em criticidade; normalização de texto com conversão para caixa baixa, remoção de espaços extras para eliminar duplicatas categóricas; e análise criteriosa de outliers distinguindo valores legítimos de erros de registro antes de qualquer ação corretiva.