QuestLab Plataforma Inteligente de Questões
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.

Encontre as questões que procura
Limpar filtros
352 questões encontradas

O processo de ETL ( Extract, Transform, and Load ) é importante na integração de dados, especialmente em projetos de data warehousing e business intelligence. Ele envolve três etapas principais, que são fundamentais para garantir a integridade e a qualidade dos dados permitindo análises precisas e insights valiosos. No processo ETL, a etapa de transformação

A é o processo complementar ao de limpeza dos dados extraídos diretamente no banco de dados de destino.
B é responsável por extrair dados de sistemas externos e importá-los para o banco de dados de destino.
C envolve a limpeza, conversão e integração dos dados, mas não altera o formato dos dados.
D ocorre após o carregamento dos dados no banco de dados de destino e visa ajustar os dados para análises posteriores.
E pode incluir a combinação de dados de diferentes fontes e a aplicação de regras de negócios para formatar os dados de acordo com as necessidades do sistema de destino.

Eriberto, analista de dados do TRF-1, desenvolve um aplicativo que gera resumos das sentenças do Tribunal em linguagem coloquial, mantendo a coerência e a coesão textuais. O aplicativo de Eriberto realiza a tarefa de:

A análise de sentimentos;
B classificação de textos;
C modelagem de tópicos;
D sumarização abstrativa;
E sumarização extrativa.

Considere uma tabela relacional T, com uma única coluna intitulada número , cuja instância de 10 linhas contém os números inteiros de 1 até 10, um em cada linha, sem repetição. Nessas condições, foram executados os três comandos SQL exibidos a seguir. select x.número * y.número A from T x, T y where y.número = x.número order by 1 select x.número * x.número A from T x order by 1 select distinct x.número * x.número A from T x O número de linhas produzidas em cada comando, na ordem e sem contar a linha de títulos, é:

A 1, 10, 10;
B 10, 10, 10;
C 10, 100, 10;
D 100, 10, 1;
E 100, 10, 10.

Marina gerencia um banco de dados que contém duas tabelas relacionais, Cliente e Movimentação , sendo que a segunda tem uma chave estrangeira que a conecta à primeira tabela. Há uma transação, frequentemente acionada pelo sistema que emprega essas tabelas, que opera localizando um determinado registro em Cliente e, em seguida, percorrendo numa ordem temporal todos os registros de movimentação desse cliente na tabela Movimentação. Dado que Marina trabalha numa base Oracle com tabelas com milhões de registros, e que a performance dessa transação é preponderante, o tipo ( organization ) mais adequado para a tabela Movimentação , dentre as opções apresentadas, é:

A External;
B File;
C Heap;
D Index-organized;
E Partition.

No contexto de stored procedures no SQL Server, considere o script a seguir. CREATE PROCEDURE TESTE @X int =2 AS SELECT * FROM fibo WHERE N = @X Levando em conta essa definição, analise a lista de cinco sugestões de comandos que poderiam acionar a execução da procedure TESTE. 1. EXEC TESTE @X = 1 2. TESTE 3. EXEC TESTE 2 4. TESTE 1 5. CALL TESTE 2 Sobre esses comandos, é correto concluir que são válidos:

A todos os cinco;
B somente 1, 2, 3 e 4;
C somente 2, 4 e 5;
D somente 2, 3 e 5;
E somente 1, 3 e 4.

No sistema transacional da organização PrevData, há o registro dos pedidos de licença médica de todos os seus funcionários. Para apoiar as campanhas de prevenção, foi levantado o seguinte requisito analítico: quantidade de atestados de crise respiratória durante as estações do ano, ao longo dos últimos 10 anos. Para atender a esse requisito analítico, deve ser elaborado o Modelo Multidimensional de Dados com a estrutura:

A FATO_ATESTADOS (Quantidade, Descrição) DIMENSÃO_TEMPO (Ano, Estação)
B FATO_ATESTADOS (Estação, ANO_ATESTADO >= SYSDATE - INTERVAL '10' YEAR) DIMENSÃO_TIPO_ATESTADO (Descrição)
C DIMENSÃO_ATESTADOS (Quantidade, Estação) DIMENSÃO_TIPO_ATESTADO (Descrição)
D FATO_ATESTADOS (Quantidade) DIMENSÃO_TEMPO (Ano, Estação) DIMENSÃO_TIPO_ATESTADO (Descrição)
E FATO_ATESTADOS (Quantidade, Tipo_Atestado) DIMENSÃO_TEMPO (DATEDIFF(ANO_ATESTADO,-10)

A implementação de um banco de dados analítico requer a carga de dados extraídos de outros bancos. Cada banco de dados de origem implementa as suas próprias chaves para identificar seus registros. Para evitar conflitos com as chaves utilizadas nos bancos de dados de origem dos sistemas transacionais, a rotina ETL de um Data Mart deve gerar uma chave:

A candidata;
B estrangeira;
C composta;
D surrogada;
E alternativa.

Depois de implementar um cubo de dados, carregando dados de diversos bancos de dados, o analista Davi precisa desenvolver a camada de visualização dos dados para que os tomadores de decisão possam analisá-los em diversas granularidades e por diferentes perspectivas. No Power BI, para visualizar dados multidimensionais de um Data Mart, permitindo operações OLAP, Davi deve implementar o visual:

A matriz;
B cartões;
C dispersão;
D narrativa inteligente;
E gráficos de combinação.

Augusto recebeu um arquivo de texto contendo a lista dos equipamentos utilizados no Centro de Dados do Tribunal e precisa inseri-los no banco de dados de um sistema que é usado para gerenciar o patrimônio de TI. Para criar um registro em uma tabela em um banco de dados utilizando SQL, deve-se usar o comando:

A DROP TABLE
B ADD RECORD
C CREATE NEW
D INSERT INTO
E ALTER DATABASE