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

5 questões encontradas

ID 186136 Tecnologia da Informação Modelo Tabular CEBRASPE 2026

Texto associado

A INFRA S.A. implantou um ambiente corporativo de BI ( business intelligence ) para apoiar decisões estratégicas relacionadas à priorização de investimentos, ao acompanhamento de contratos, à análise de riscos e à avaliação de desempenho de obras ferroviárias e rodoviárias. O ambiente integra dados históricos provenientes de sistemas transacionais, relatórios técnicos e bases externas, organizados em um data warehouse corporativo, com uso de modelagem dimensional, cubos OLAP e técnicas avançadas de data mining para identificação de padrões de atraso, sobrecusto e impacto ambiental. Com relação à situação hipotética acima apresentada, julgue os itens a seguir.

No ambiente descrito de BI da INFRA S.A., a combinação de particionamento da tabela de fatos por período temporal e o uso de índices bitmap nas chaves dimensionais contribuiriam para reduzir operações de I/O e acelerar consultas analíticas sobre grandes volumes históricos de dados.

C Certo

E Errado

ID 181015 Tecnologia da Informação Modelo Tabular FCC 2026

A equipe de planejamento da SEPLAG está desenvolvendo um painel de acompanhamento de despesas públicas no Power BI, utilizando dados extraídos do sistema financeiro do órgão. O processo envolve a carga de dados em um Data Warehouse, seguido da criação de medidas e visualizações no Power BI. Durante a modelagem, uma Gestora criou a seguinte medida DAX ( Data Analysis Expressions ):

TotalDespesas = SUM(fato_despesas [valor_total])

Em seguida, ela adicionou um gráfico de colunas com os campos dim_orgao[nome_orgao] no eixo e TotalDespesas como valor. Ao aplicar um filtro de ano na página, o gráfico se atualiza automaticamente.

Com base nos conceitos sobre ETL e Power Bl envolvidos neste cenário,

A consultas que utilizam MDX ( Multidimensional Data Expressions ) são mais fáceis de serem escritas e mais eficientes do que consultas criadas com DAХ.

B a medida criada com DAX é calculada durante a carga de dados no Power BI, o que garante que os valores estejam prontos antes da visualização.

C o processo de transformação dos dados no modelo ELT ocorre antes da extração, permitindo que os dados sejam filtrados na origem.

D o uso de filtros visuais no Power BI não altera os resultados das medidas, pois elas ficam fixas após a modelagem.

E a medida DAX é avaliada no momento da visualização, respeitando o contexto dos filtros aplicados, como ano e órgão.

ID 179666 Tecnologia da Informação Modelo Tabular FCC 2026

A área de Analytics de uma Secretaria da Fazenda mantém múltiplos modelos em produção (inadimplência, fraude em NF-e, seleção para auditoria, previsão de arrecadação) e precisa garantir um ponto único de verdade sobre qual versão de cada modelo está em produção, permitir a promoção controlada de modelos de staging para produção com critérios formais e aprovações, e manter histórico versionado com metadados (métricas, features , autor, datas) disponível para auditorias. O componente de uma arquitetura de MLOps que atende diretamente a esses requisitos é um

A feature store corporativo, responsável por armazenar e servir variáveis derivadas reutilizáveis para treinamento e inferência pelos diferentes modelos.

B model registry central, integrado ao pipeline de CIICD, que armazena artefatos de modelo, metadados, histórico de versões e estágios como staging, production e archived .

C sistema de monitoramento e logging de inferências, com foco em métricas de latência, taxa de erro e disponibilidade das APIs de modelos em produção.

D repositório Git único, com branches separados por modelo (fraude, inadimplência, auditoria, arrecadação), versionando à código-fonte das soluções analíticas.

E catálogo de dados corporativo que descreve e documenta as tabelas tributárias do data lake usadas como fonte para o treinamento dos modelos.

ID 179233 Tecnologia da Informação Modelo Tabular FCC 2025

Durante o desenvolvimento de dashboards gerenciais em uma Secretaria da Fazenda, foi necessário integrar dados oriundos de sistemas distintos: sistema de arrecadação tributária, sistema de fiscalização eletrônica e planilhas manuais de acompanhamento operacional, dentre outros. Uma Auditora Fiscal utilizou o Power Bl e o Tableau, seguindo a seguinte orientação:

A No Tableau e no Power BI, a definição de medidas DAX ou cálculos LOD são cruciais em operações que exigem cruzamento de múltiplas fontes de dados, pois tais recursos permitem o controle da granularidade que se deseja computar: em um nível mais granular ( EXCLUDE ), menos granular ( INCLUDE ) ou em um nível independente ( FIXED ).

B No Power Bl, quando o ambiente integra diferentes fontes de dados é uma boa prática usar o Power Query, que utiliza a linguagem de script M, para realizar transformações, normalização de dados e padronização de tipos antes do carregamento dos dados no modelo analítico.

C No Power Bl, o uso de colunas calculadas que utilizam fórmulas DAX ( Data Analysis Execution ) é a prática mais indicada para otimizar o desempenho de consultas em grandes volumes de dados integrados, pois essas colunas armazenam os cálculos diretamente na fonte.

D No Tableau, a criação de unions entre fontes de dados publicadas pode ser realizada sobre quaisquer grandes volumes de dados, visto que o processamento ocorre sempre na camada de visualização, não afetando a performance. Além disso, ao se alterar O lipo de dados depois de unir as tabelas, a união será mantida.

E No Power BI, os dados carregados em memória por meio do modo Import podem ser automaticamente atualizados em tempo real, sem necessidade de configuração adicional no serviço online , através de arquivos .pbix, que armazenam entre 1 PB e 10 PB de dados.

ID 178861 Tecnologia da Informação Modelo Tabular FCC 2025

Uma Prefeitura implantado um Data Warehouse para análise de dados financeiros com foco em receitas e despesas públicas. O modelo multidimensional utilizado possui uma tabela fato principal chamada FatosFinanceiros e três dimensões: Tempo, Categoria e Localidade cujas estruturas são:

Tabela Fato: FatosFinancairos
Dado
Tipo de Dado
Descrição
IDFato
INT
Identificador único da transação
IDTempo
INT
Chave estrangeira para a dimensão Tempo
IDCategoria
INT
Chave estrangeira para a dimensão Categoria
IDLocalidade
INT
Chave estrangeira para a dimensão Localidade
Valor
DECIMAL(10,2)
Valor da receita ou despesa

Dimensão: Tempo
Dado
Tipo de Dado
Descrição
IDTempo
INT
Identificador único do período
Ano
INT
Ano do registro
Mes
INT
Mês do registro

Dimensão: Categoria
Dado
Tipo de Dado
Descrição
IDCategoria
INT
Identificador único da categoria
NomeCategoria
VARCHAR (255)
Nome da categoria (ex.: Educação, Saúde)

Dimensão: Localidade
Dado
Tipo de Dado
Descrição
IDLocalidade
INT
Identificador único da localidade
NomeLocalidade
VARCHAR (255)
Nome da localidade

Um Auditor necessita fazer uma análise para identificar o valor total das receitas e despesas por ano e por categoria. À consulta deve ser otimizada para o modelo multidimensional cuja melhor prática, considerando o modelo descrito, é

A SELECT t.Ano, l.NomeLocalidade, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Tempo t ON f.lDTempo = t.IDTempo
JOIN Localidade l ON f.lDLocalidade = l.IDLocalidade
GROUP BY t.Ano, l.NomeLocalidade;

B SELECT t.Ano, c.NomeCategoria, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Tempo t ON f.IDTempo = t.IDTempo
JOIN Categoria c ON f.IDCategoria = c.IDCategoria
GROUP BY t.Ano, c.NomeCategoria;

C SELECT l.NomeLocalidade, c.NomeCategoria, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Localidade l ON f.IDLocalidade = l.IDLocalidade
JOIN Categoria c ON f.IDCategoria = c.IDCategoria
GROUP BY l.NomeLocalidade, c.NomeCategoria;

D SELECT t.Mes, c.NomeCategoria, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Tempo t ON f.IDTempo = t.IDTempo
JOIN Categoria c ON f.IDCategoria = c.IDCategoria
GROUP BY t.Mes, c.NomeCategoria;

E SELECT c.NomeCategoria, l.NomeLocalidade, SUM(f.Valor) AS Total
FROM FatosFinanceiros f
JOIN Categoria c ON f.IDCategoria = c.IDCategoria
JOIN Localidade l ON f.IDLocalidade = l.IDLocalidade
GROUP BY c.NomeCategoria, l.NomeLocalidade;