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 171326 Tecnologia da Informação Dados, BI e Analytics FCC 2018

Considere os elementos de diagramas BPMN mostrados na figura abaixo.

É correto afirmar que

A Verificação de inadimplência e Verificação de limite de crédito são eventos.

B BANCO e SERASA são chamados de choreography tasks.

C o agente que inicia a troca de mensagens (parte ativa) é representado pelo fundo cinza e o que recebe a mensagem (parte passiva) é representado com fundo em branco.

D Órgão Público é a task ativa, pois fica na parte superior, e BANCO e SERASA são as tasks passivas, pois ficam na parte inferior.

E o símbolo + na esquerda indica a existência de outro nível de detalhe que corresponde à sua representação expandida à direita.

ID 165915 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

As ferramentas e técnicas de mineração de dados (data mining) têm por objetivo

A preparar dados para serem utilizados em um “data warehouse” (DW).

B permitir a navegação multidimensional em um DW.

C projetar, de forma eficiente, o registro de dados transacionais.

D buscar a classificação e o agrupamento (clusterização) de dados, bem como identificar padrões.

E otimizar o desempenho de um gerenciador de banco de dados.

ID 165847 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

O mundo experimenta há vinte anos uma nova forma de
realização de atividades comerciais, por conta do surgimento
da internet e das tecnologias a ela envolvidas.
Nesse contexto, os sistemas de negócios eletrônicos, ou
e-business, revolucionaram as barreiras físicas naturais
até então existentes, mudando a forma pela qual as organizações
devem pensar seus negócios, e como os sistemas
de informação devem apoiá-los. Nesse cenário, é
possível classificar os sistemas de e-business em função
do seu grau de digitalização.

Assim, em uma empresa

A brick-and-mortar, o processo é digital, mas o produto
e a entrega são físicas.

B click-and-brick, o processo, o produto e a entrega são
digitais.

C click-and-mortar, o processo, o produto e a entrega
são físicas.

D click-and-play, o processo, o produto e a entrega são
digitais.

E pure-play, o processo, o produto e a entrega são digitais.

ID 165574 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

Na construção de data warehouses é possível – e por vezes
recomendado – que a equipe projetista considere a
utilização de diversas fontes de dados. Com isso, espera-
-se melhorar a qualidade das análises a serem realizadas,
a partir desse data warehouse.

Qual tarefa a seguir listada NÃO corresponde a uma ação
de preparação de dados nessa etapa?

A Avaliação estocástica dos metadados

B Discretização de atributos numéricos

C Imputação de valores ausentes

D Seleção de atributos relevantes

E Verificação de cálculos inválidos

ID 165482 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

Seja o modelo dimensional de dados a seguir representado,
onde a tabela “Venda” é a tabela de fatos, e as demais
tabelas representam dimensões. Nesse esquema, os atributos
das tabelas foram omitidos.
Nesse caso, qual o modelo multidimensional adotado?

A Estrela, com a aplicação da 3ª forma normal em tabelas
de dimensão de primeiro nível, eleitas por um
critério de desempenho.

B Estrela, com uma tabela de fatos central e tabelas de
relacionamento ligadas a ela, mesmo que indiretamente.

C Estrela, pela conjugação da dimensão “Tempo” com
as demais dimensões, que a princípio deveriam ser
modeladas em separado.

D Floco de neve, especializando tabelas de dimensão
por decomposição hierárquica.

E Floco de neve, otimizando o desempenho do acesso
aos dados pela decomposição de dimensões indexadas.

ID 165374 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

Um desenvolvedor precisava construir um modelo estrela
para produzir um data warehouse sobre as transferências
eletrônicas disponíveis (TED) feitas pelos correntistas do
banco.

Que tabelas seriam adequadas para representar as
dimensões desse modelo?

A data, correntista, valor, banco destino

B data, correntista, valor, cpf destino

C correntista, valor, banco destino, cpf destino

D data, valor, banco destino, cpf destino

E data, correntista, banco destino, cpf destino

ID 165243 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

Um gestor acessa o servidor OLAP de sua organização,
com o objetivo de analisar os resultados anuais de seu
desempenho. Após realizar uma consulta, ele pôde observar,
a cada ano, o rendimento médio de suas unidades
de produção por região brasileira e por produto produzido.
Todavia, julgou, em um determinado momento, que sua
decisão precisava de um novo enfoque e mudou a estrutura
da análise, observando o mesmo rendimento médio
anual por produto e por estado da federação.

Quais as duas operações OLAP ele realizou?

A drill across e dicing

B pivoting e drill down

C roll down e drill through

D roll up e slicing

E slicing e dicing

ID 165155 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

Considere o conjunto de dados a seguir, obtido a partir de uma base de dados de transações ocorridas em uma padaria, em uma determinada faixa de tempo. Nesse conjunto, indica-se a ocorrência de um determinado produto em cada transação.

id transação
leite
café
pão
manteiga
1
não
sim
sim
sim
2
sim
não
sim
sim
3
não
sim
sim
sim
4
sim
sim
sim
sim
5
não
não
não
não
6
não
não
não
sim
7
não
não

não
8
não
não
não
não
9
não
não
não
não
10
não
não
não
não

Em mineração de dados, a partir desse conjunto de dados, podem ser geradas regras de associação, as quais buscam conjuntos de itens frequentes que guardam entre si uma relação de causa e efeito. Essas regras são da forma X→Y, onde X é o antecedente da regra, e Y, seu consequente. A menção X,Y indica referência aos dois itens frequentes X e Y. Dois indicadores utilizados para averiguar a eficácia de regras de associação são o suporte e a confiança.

Qual das regras a seguir possui confiança mínima de 80%, dado um suporte mínimo de 30%?

A café, leite → pão

B café, pão → manteiga

C leite, pão → café

D manteiga → café, pão

E manteiga, pão → café

ID 165083 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

Um Data Warehouse é recomendado para armazenar dados

A sumarizados de um departamento.

B sumarizados de toda a empresa para apoio à decisão e utilização de ferramentas OLAP.

C detalhados de toda a empresa para apoio à decisão e utilização de ferramentas OLAP.

D detalhados gerados por sistemas de informação transacionais.

E históricos detalhados de todas as transações realizadas em um determinado período de tempo.

ID 165024 Tecnologia da Informação Dados, BI e Analytics CESGRANRIO 2018

Os metadados têm fundamental importância na estrutura
de data warehouses por propiciarem um uso mais eficiente
daquele repositório de dados, já que

A alteram as tabelas de referência, provenientes do processo
de extração de dados.

B balizam a política de recuperação lógica e física a ser
adotada pelo administrador de dados.

C permitem que o usuário direcione a análise, pelo conhecimento
da estrutura dos dados.

D propiciam a independência de dados, especificada
pela arquitetura ANSI/SPARC.

E viabilizam a segurança discricionária de acesso às tabelas
de dimensões do repositório.