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

8 questões encontradas

ID 181014 Tecnologia da Informação ETL - Extração, Transformação e Carga 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.

ID 179776 Tecnologia da Informação ETL - Extração, Transformação e Carga FCC 2026

Uma SEFAZ carrega dados fiscais brutos em um data lake para retenção e só realiza transformações sob demanda no ambiente analítico. Nesse caso, o padrão de engenharia de dados adequado é

A ELT, pois a carga ocorre primeiro e a transformação é posterior conforme necessidade.

B ETL, pois o data lake é necessariamente um destino final e não permite transformação posterior.

C ETL, pois a transformação precisa ocorrar antes de qualquer persistência.

D Streaming ETL, pois retenção histórica implica processamento em tempo real.

E ETL paralelo, pois o data lake substitui a etapa de transformação por particionamento.

ID 187690 Tecnologia da Informação ETL - Extração, Transformação e Carga CEBRASPE 2025

Com relação a processos de banco de dados ETL (extração, transformação e carga), julgue os itens subsequentes.

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.

C Certo

E Errado

ID 163389 Tecnologia da Informação ETL - Extração, Transformação e Carga AOCP 2025

Sobre as etapas do processo de ETL (Extract, Transform, Load), informe se é verdadeiro (V) ou falso (F) o que se afirma a seguir e assinale a alternativa com a sequência correta.

( ) A etapa de extract envolve a captura de dados de diversas fontes, como bancos de dados, arquivos CSV (Comma-Separated Values), APIs (Application Programming Interfaces), entre outros.
( ) A etapa de transform envolve a inserção ou atualização dos dados em um destino, como um banco de dados, data warehouse ou data lake.
( ) A etapa de load envolve limpeza, formatação, agregação, conversão ou enriquecimento dos dados.

A F - V - F.

B V - F - V.

C F - V - V.

D V - F - F.

E V - V - V.

ID 191006 Tecnologia da Informação ETL - Extração, Transformação e Carga CEBRASPE 2024

Texto associado

Com base em modelos e integração de dados, julgue os itens que se seguem.

Os processos de ETL e ELT exigem o mesmo grau de definição em todas as suas etapas, não havendo diferenciação entre ambos os processos.

C Certo

E Errado

ID 194637 Tecnologia da Informação ETL - Extração, Transformação e Carga CEBRASPE 2022

Texto associado

Considerando o processamento voltado para ETL (extract, transform, load) , julgue os itens seguintes.

Extração pode ser definida como a operação de extrair informações de um sistema de origem para uso posterior em um ambiente de data warehouse .

C Certo

E Errado

ID 195662 Tecnologia da Informação ETL - Extração, Transformação e Carga CEBRASPE 2021

Texto associado

No que se refere a técnicas de modelagem e aplicações de data warehousing , julgue os itens seguintes.

ETL é um tipo de data integration com capacidades analíticas sofisticadas que permite que os dados sejam analisados a partir de visões multidimensionais complexas e elaboradas. Além disso, esse sistema possibilita alterar e analisar grandes quantidades de dados em várias perspectivas diferentes.

C Certo

E Errado

ID 153367 Tecnologia da Informação ETL - Extração, Transformação e Carga AOCP 2020

Um data warehouse (DW), via de regra, possui grande quantidade de dados advindos tanto de fontes homogêneas quanto heterogêneas. Dentro desse cenário, em relação às ferramentas de ETL, assinale a alternativa correta.

A Possuem a função de efetuar toda a limpeza dos dados heterogêneos e definir as regras de negócio para que os filtros sejam aplicados.

B As ferramentas de ETL modernas são capazes de fazer a extração e a carga dos dados de forma simultânea no DW.

C Possuem a função de fazer a extração e possível limpeza e reformatação dos dados, para que estes possam ser carregados no DW.

D Possuem a função de estabelecer regras de filtragem multidimensional dos dados, gerando visões específicas de acordo com as regras de negócio.

E Possuem a função de gerar metadados que poderão alimentar ferramentas de data minning, OLAP e Big Data.