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

3 questões encontradas

ID 179582 Tecnologia da Informação ETL - Limpeza e Conformidade de dados FCC 2026

Um time está implementando uma arquitetura Data Lakehouse para suportar as atividades de Business Intelligence (Bl) e Machine Learning . Considerando a necessidade de garantir qualidade nos dados para relatórios analíticos, a ação fundamental para assegurar a consistência das informações durante processos de ETL/ELT com atualizações concorrentes é

A utilizar ferramentas de visualização de dados com capacidade de processamento in-memory para agilizar a geração de dashboaras .

B implementar uma camada de metadados com suporte a transações ACID sobre o armazenamento cloud , usando formatos como Delta Lake, Iceberg ou Hudi .

C configurar pipelines de dados em fluxo continuo ( streaming ) para ingestão imediata dos dados nas camadas de apresentação.

D aplicar técnicas de modelagem dimensional, como esquemas estrela e floco de neve, na camada de armazenamento do Data Lake .

E utilizar ferramentas de Data Catalog para documentar metadados business e técnicos dos conjuntos de dados.

ID 178884 Tecnologia da Informação ETL - Limpeza e Conformidade de dados FCC 2025

Uma Secretaria da Fazenda está implementando um Data Warehouse para aprimorar a análise histórica de dados fiscais e otimizar a tomada de decisões estratégicas. A melhor prática para garantir a qualidade dos dados e a eficiência das consultas é

A implementar um pipeline de ETL estruturado, aplicando técnicas de limpeza, agregação e conformidade dos dados antes do carregamento no Data Warehouse, para assegurar a integridade referencial, a consistência semântica e a performance das consultas analíticas.

B priorizar um modelo ELT ( Extract, Load, Transform ) em vez de ETL, pois carregar os dados diretamente no Data Warehouse antes da transformação proporciona maior flexibilidade para ajustes futuros e evita a perda de informações relevantes.

C modelara estrutura do Data Warehouse exclusivamente com tabelas de fato, pois elas armazenam os eventos principais e eliminama necessidade de tabelas dimensionais, otimizando o armazenamento eaposterior análise.

D projetar a modelagem dimensional garantindo que a funcionalidade de drill up permita explorar os dados em níveis de detalhamento cada vez mais específicos e que a funcionalidade de drill down agregue informações para gerar análises mais resumidas e sintéticas.

E evitar processos de carga periódica no Data Warehouse e utilizar prioritariamente ETL em tempo real, garantindo que todas as análises sejam feitas com base em snapshots de dados mais recentes e relevantes.

ID 178029 Tecnologia da Informação ETL - Limpeza e Conformidade de dados FCC 2025

Um Analista de um Tribunal Regional do Trabalho está configurando o Elastic Stack (Elasticsearch, Logstash e Kibana) integrado ao AWS para coletar, indexar e analisar logs de serviços da AWS, como CloudTrail e CloudWatch. À sequência de ações que ele deve utilizar para configurar o pipeline de dados e realizar a análise dos logs é

A utilizar o Kibana para coletar logs diretamente do AWS CloudTrail, o Logstash para visualizar os logs e o Elasticsearch para criar dashboards .

B configurar o Elasticsearch para coletar os logs diretamente do AWS CloudWatch, usar o Kibana para transformar os dados em pipelines e o Logstash para criar relatórios.

C usar o Kibana para indexar os logs do AWS CloudTrail, enviar os dados para o Logstash e armazená-los no Elasticsearch.

D configurar o Logstash para ingerir logs do AWS CloudTrail e CloudWatch , enviar os dados para o Elasticsearch para armazenamento e realizar a análise visual dos logs com Kibana.

E configurar o Elasticsearch para ingerir dados de logs e usar o Logstash para criar dashboards customizados.