Modelagem Multidimensional

Question 1

A modelagem dimensional serve para bases de dados:

Answer 1

dimensionais.

Question 2

Existem dois tipos de bancos de dados:

Answer 2

transacionais e analíticos.

Question 3

Bancos de Dados Transacionais são mais eficientes para sistemas que processam uma ______ quantidade de transações.

Answer 3

Bancos de Dados Transacionais são mais eficientes para sistemas que processam uma grande quantidade de transações.

Question 4

As transações de dados são basicamente _________, ____________ ou ________ de dados de um banco de dados.

Answer 4

As transações de dados são basicamente inserções, atualizações ou remoções de dados de um banco de dados.

Question 5

As transações de dados são basicamente _________, ____________ ou ________ de dados de um banco de dados.

Answer 5

As transações de dados são basicamente inserções, atualizações ou remoções de dados de um banco de dados.

Question 6

Os dados que compõem os bancos de dados transacionais alimentam os bancos de dados
__________, que são extremamente eficientes quando integrados a sistemas que geram relatórios ____________ de dados.

Answer 6

Os dados que compõem os bancos de dados transacionais alimentam os bancos de dados
analíticos, que são extremamente eficientes quando integrados a sistemas que geram relatórios consolidados de dados.
Um exemplo clássico é o Data Warehouse (DW)

Question 7

O modelo de dados denominado “multidimensional” se aplica para banco de dados com a tecnologia:

Answer 7

Data warehouse

Question 8

QUESTÃO

Um modelo de banco de dados multidimensional está mais fortemente
relacionado com:

a) data warehouse.
b) modelo relacional.
c) bancos hierárquicos.
d) modelo em 3 camadas.
e) banco de dados distribuídos.

Answer 8

Letra A (data warehouse)

Question 9

Os bancos de dados transacionais (às vezes chamados de operacionais) geralmente utilizam uma modelagem de dados:

Answer 9

relacional.

Question 10

Os bancos de dados analíticos geralmente utilizam uma modelagem de dados:

Answer 10

dimensional

Question 11

Os modelos multidimensionais tiram proveito dos _______________ inerentes nos dados para preencher os dados em ________ _________________, chamadas de _____ __ _____ _________ (ou __________, quando possuem mais de três dimensões).

Answer 11

Os modelos multidimensionais tiram proveito dos relacionamentos inerentes nos dados para preencher os dados em matrizes multidimensionais, chamadas de cubos de dados agregados (ou hipercubo, quando possuem mais de três dimensões).

Question 12

PARA FIXAR

Vejam abaixo que se a matriz possuir três dimensões, ela se tornará um cubo e será capaz de mostrar, por exemplo, a quantidade de produtos vendidos por região brasileira no primeiro trimestre, no segundo trimestre, no terceiro trimestre ou no quarto trimestre. Nós temos, portanto, uma nova dimensão que armazena o tempo! E, dessa forma, é possível ter várias dimensões…

Question 13

Como é mesmo que se chama uma matriz de três dimensões?

Answer 13

Cubo de Dados!

Question 14

Como é mesmo que se chama uma matriz de mais de três dimensões?

Answer 14

Hipercubo.

Question 15

PARA FIXAR

Uma matriz de quatro e cinco dimensões seria mais ou menos assim.

Question 16

A modelagem dimensional oferece diversas maneiras de realizar consultas de dados em um:

Answer 16

Data Warehouse .

Question 17

O desempenho de consultas nas matrizes multidimensionais pode ser muito ______ do que no modelo de dados relacional.

Answer 17

O desempenho de consultas nas matrizes multidimensionais pode ser muito melhor do que no modelo de dados relacional.

Question 18

O cubo de dados permite que você veja uma orientação _________ em cada eixo.

Answer 18

O cubo de dados permite que você veja uma orientação diferente em cada eixo.
Você pode girar o cubo para mostrar a quantidade de produtos vendidos como linha, as regiões como colunas e cada trimestre como uma terceira dimensão.

Question 19

ATENÇÃO

O cubo de dados é uma representação conceitual ou uma metáfora visual, não dá pra vê-lo. O usuário final visualizará algo como a imagem

Question 20

CERTO OU ERRADO:

Um cubo de dados é a representação multidimensional dos dados não agregados na qual é necessário que as dimensões tenham o mesmo tamanho.

Answer 20

ERRADO! Trata-se de dados AGREGADOS e as dimensões NÃO precisam ter o mesmo tamanho

Question 21

A estrutura relacional se diferencia da estrutura multidimensional principalmente devido a ____________, pouca ___________ e a frequência de ___________ suportadas.

Answer 21

A estrutura relacional se diferencia da estrutura multidimensional principalmente devido a normalização, pouca redundância e a frequência de atualizações suportadas.

Question 22

A estrutura multidimensional possui, normalmente, _______________ de tabelas, redundância ____ e suporta periodicidade de atualizações de dados muito _____ do que uma estrutura relacional convencional.

Answer 22

A estrutura multidimensional possui, normalmente, desnormalização de tabelas, redundância alta e suporta periodicidade de atualizações de dados muito menor do que uma estrutura relacional convencional.

Question 23

Normalização trata-se de um conjunto de ______ que visa reduzir a ___________ __ _____, entre outras características.

Answer 23

Normalização trata-se de um conjunto de regras que visa reduzir a redundância de dados, entre outras características.

Question 24

Redundância é a __________ de dados em diversas tabelas de um banco de dados.

Answer 24

Redundância é a replicação de dados em diversas tabelas de um banco de dados.

Question 25

Um banco de dados desnormalizado é ruim?

Answer 25

DEPENDE!
No contexto de bancos de dados transacionais, não é saudável replicar dados porque isso piora o desempenho.
N contexto de bancos de dados dimensionais, não há problema algum replicar dados – na verdade, é até bom que os dados sejam replicados porque facilita no momento de gerar relatórios.

Question 26

PARA FIXAR

Question 27

A desnormalização torna os bancos de dados multidimensionais mais _________, permitindo que os dados possam ser organizados de acordo com os __________ e ____________ de cada usuário.

Answer 27

A desnormalização torna os bancos de dados multidimensionais mais flexíveis, permitindo que os dados possam ser organizados de acordo com os requisitos e preferências de cada usuário.
Logo, a desnormalização oferece flexibilidade para que os usuários possam visualizar dados de acordo com os assuntos que mais os interessam.

Question 28

A abordagem multidimensional é organizada por ________, que por sua vez são traduções dos __________ de diversos usuários.

Answer 28

A abordagem multidimensional é organizada por assuntos, que por sua vez são traduções dos requisitos de diversos usuários.
Logo, a desnormalização oferece flexibilidade para que os usuários possam visualizar dados de acordo com os assuntos que mais os interessam.

Question 29

QUESTÃO

Em um banco de dados multidimensional, os dados estão conceitualmente armazenados e organizados em:

a) classes e objetos.
b) cubos e hipercubos.
c) partições e índices.
d) consultas materializadas e sumários.
e) estrelas e constelações.

Answer 29

Letra B (cubos e hipercubos)

Question 30

A modelagem multidimensional trabalha basicamente com dois elementos principais: Tabela ____ e Tabela ________, e as duas são ______________.

Answer 30

A modelagem multidimensional trabalha basicamente com dois elementos principais: Tabela Fato e tabela Dimensão, e as duas são complementares.

Question 31

O que é uma Tabela Fato?

Answer 31

Trata-se de uma tabela que armazena informações quantitativas para análise de dados. É comum dizermos que se trata de uma tabela que possui medidas, métricas ou fatos sobre um processo de negócio!

Question 32

A Tabela Fato uma tabela que armazena informações _____________ para análise de dados. É comum dizer que se trata de uma tabela que possui medidas, métricas ou fatos sobre um ________ __ _______.

Answer 32

A Tabela Fato uma tabela que armazena informações quantitativas para análise de dados. É comum dizer que se trata de uma tabela que possui medidas, métricas ou fatos sobre um processo de negócio.

Question 33

EXEMPLO DE TABELA FATO

Vamos supor que eu possua várias Amarones em várias cidades brasileiras. Logo, um possível processo de negócio seria – por exemplo – as vendas. Se eu tenho uma loja, eu vendo algo!
Nesse contexto, que dados armazenaria minha Tabela Fato? Ela poderia armazenar o valor arrecadado com vendas na loja do Rio de Janeiro no mês de janeiro; ou o valor arrecadado com
vendas na Amarone de São Paulo no primeiro trimestre; ou a média diária do valor arrecadado com vendas na Amarone de Brasília no Carnaval. O que são esses dados? São fatos ou acontecimentos que possuem métricas quantitativas sobre um processo de negócio.

Question 34

Os dados com semânticas diferentes contidos na Tabela Fato vêm das:

Answer 34

Tabelas Dimensão.

Question 35

As tabelas dimensão são responsáveis por armazenar _________ ou _________ de _______ contidos em uma ______ ____.

Answer 35

As tabelas dimensão são responsáveis por armazenar atributos ou dimensões de objetos contidos em uma Tabela Fato.

Question 36

A tabela dimensão é a tabela que vai auxiliar a tabela fato com dados _______________ ou ____________, e que possui informações que não se _______.

Answer 36

A tabela dimensão é a tabela que vai auxiliar a tabela fato com dados complementares ou explicativos, e que possui informações que não se repetem.
armazena as informações de um único item, ou seja, as informações referentes a cada produto e por tanto não podem se repetir.

Question 37

Em geral, as Tabelas Fato possui chaves ____________ que referenciam chaves __________
(em geral, chaves _________) da _______ ________.

Answer 37

Em geral, as Tabelas Fato possui chaves estrangeiras que referenciam chaves candidatas
(em geral, chaves primárias) da Tabela Dimensão.

Question 38

Os três elementos básicos de um modelo multidimensional são os:

Answer 38

fatos, dimensões e medidas

Question 39

CARACTERÍSTICAS DA TABELA FATO: possui 12

1) Armazenam ___________, _______ ou _____ de um ________ __ _______ da organização.
2) Possuem geralmente uma grande quantidade armazenada de _________ ou ______.
3) São ____________ e sem __________ (decomposições em outras tabelas).
4) São tabelas que geralmente crescem _____________: mais _________ ou ______.

Answer 39

CARACTERÍSTICAS DA TABELA FATO: possui 13

1) Armazenam ocorrências, eventos ou fatos de um processo de negócio da organização.
2) Possuem geralmente uma grande quantidade armazenada de registros ou tuplas.
3) São normalizadas e sem hierarquia (decomposições em outras tabelas).
4) São tabelas que geralmente crescem verticalmente: mais registros ou linhas.

Question 40

CARACTERÍSTICAS DA TABELA FATO: possui 12

5) Armazenam medidas/métricas ______________ (_______ ou ___________).
6) Podem ser medidas de ___________, métricas ____________, medidas __________, etc.
7) Contêm chaves ____________ que correspondem às chaves _________ das _______ ________.
8) Apresentam uma chave primária ________em que a dimensão tempo sempre é _____ __________.

Answer 40

CARACTERÍSTICAS DA TABELA FATO: possui 13

5) Armazenam medidas/métricas quantitativas (valores ou indicadores).
6) Podem ser medidas de desempenho, métricas operacionais, medidas agregadas, etc.
7) Contêm chaves estrangeiras que correspondem às chaves primárias das Tabelas Dimensão.
8) Apresentam uma chave primária composta em que a dimensão tempo sempre é parte integrante.

Question 41

CARACTERÍSTICAS DA TABELA FATO: possui 12

9) Expressam, em geral, relacionamentos de ___ entre as Tabelas Periféricas (Dimensão).
10) São efetivamente criadas apenas após a criação de tabelas ____________.
11) Respondem à pergunta: “O que está sendo ______ nesse processo de negócio?”.
12) Concentram os dados de _________, passíveis de manipulação ________ e __________.

Answer 41

CARACTERÍSTICAS DA TABELA FATO: possui 12

9) Expressam, em geral, relacionamentos de 1:N entre as Tabelas Periféricas (Dimensão).
10) São efetivamente criadas apenas após a criação de tabelas dimensionais.
11) Respondem à pergunta: “O que está sendo medido nesse processo de negócio?”.
12) Concentram os dados de interesse, passíveis de manipulação numérica e estatística.

Question 42

EXEMPLOS DE TABELAS FATO
Quantidade, Valor, Lucro, Margem, Perda, entre outros.

Question 43

CERTO OU ERRADO:

Ao se modelar uma tabela‐fato, deve‐se considerar que a chave primária é composta e que a dimensão tempo sempre será parte integrante dessa chave.

Answer 43

CERTO!

Question 44

QUESTÃO DE PROVA

Em um modelo dimensional, a tabela fatos armazena:

a) estatísticas sobre os metadados.
b) as restrições de domínio do negócio.
c) descrições textuais das dimensões.
d) medições numéricas do negócio.
e) o tempo de processamento das transações.

Answer 44

d) medições numéricas do negócio.

Question 45

CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11

1) Armazenam _________ ou _________ que descrevem _______ de uma ______ ____;
2) Possuem geralmente menos ______ e mais _______ que Tabelas Fato;
3) Podem ser ________________ e com __________ (decomposições em outras tabelas).
4) Possuem uma chave ________ que identificam unicamente seus _________;

Answer 45

CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11

1) Armazenam atributos ou dimensões que descrevem medidas de uma Tabela Fato;
2) Possuem geralmente menos linhas e mais colunas que Tabelas Fato;
3) Podem ser desnormalizadas e com hierarquia (decomposições em outras tabelas).
4) Possuem uma chave primárias que identificam unicamente seus registros;

Question 46

CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11

5) As chaves primárias das Tabelas Dimensão compõem a chave ________ da Tabela Fato;
6) São tabelas que geralmente crescem ________________: mais __________ ou _______;
7) Apresentam atributos ____________ou ________ (Ex: ____, ____, ____ __ ___________);
8) Permitem a visualização de fatos por meio de diversas ____________ __________;

Answer 46

CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11

5) As chaves primárias das Tabelas Dimensão compõem a chave primária da Tabela Fato;
6) São tabelas que geralmente crescem horizontalmente: mais atributos ou colunas;
7) Apresentam atributos qualitativos ou textuais (Ex: Nome, Sexo, Data de Nascimento);
8) Permitem a visualização de fatos por meio de diversas perspectivas diferentes;

Question 47

CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11

9) Atributos devem ser ________, ___________, _________, _________ e ________;
10) Respondem à pergunta: “______?”, “_ ___?”, “____?” e “____?”;
11) Tabelas satélites que possuem as chaves de entrada do ______, além das informações ___________.

Answer 47

CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11

9) Atributos devem ser verbosos, descritivas, completas, discretos e corretos;
10) Respondem à pergunta: “Quando?”, “O que?”, “Onde?” e “Quem?”;
11) Tabelas satélites que possuem as chaves de entrada do modelo, além das informações descritivas.

Question 48

EXEMPLOS DE TABELAS DIMENSÃO

Pessoas, Produtos, Lugares, Tempo, entre outros.

Question 49

CERTO OU ERRADO:

Um modelo dimensional é composto por uma tabela com uma chave simples, denominada tabela de fatos, e um conjunto de tabelas maiores, que contém chaves compostas, conhecidas como tabelas de dimensão.

Answer 49

ERRADO! A questão inverteu os conceitos. Um modelo dimensional é composto por uma tabela maior que contém chaves compostas, denominada tabela de fatos e por um conjunto de tabelas menores, que contém uma única chave, conhecidas como tabelas de dimensão.

Question 50

O modelo estrela (ou esquema estrela) é modelo ___________ de um data warehouse, no qual todas as tabelas relacionam-se ___________ com a tabela de _____, de forma que as tabelas ________ devem conter todas as __________ que são necessárias para se definir uma ______.

Answer 50

O modelo estrela (ou esquema estrela) é modelo dimensional de um data warehouse, no qual todas as tabelas relacionam-se diretamente com a tabela de fatos, de forma que as tabelas dimensão devem conter todas as descrições que são necessárias para se definir uma classe.
as tabela de fora da imagem são as tabelas dimensão

Question 51

QUESTÃO DE PROVA

A organização dos data warehouse em tabela de fato e tabelas de dimensão relacionadas, é característica:

a) do esquema estrela.
b) da mineração de dados.
c) do roll-up.
d) do processador analítico on-line.
e) do drill-down.

Answer 51

a) do esquema estrela.

Question 52

QUESTÃO DE PROVA

Uma das formas de apresentação de um banco de dados multidimensional é através do modelo estrela. No centro de um modelo estrela encontra-se a tabela de:

a) dimensão e, ao seu redor, as tabelas de fatos.
b) dimensão, cuja chave primária deve ser composta.
c) núcleo e, ao seu redor, as tabelas de nível.
d) fatos, cuja chave primária deve ser simples.
e) fatos e, ao seu redor, as tabelas de dimensões.

Answer 52

**e) fatos e, ao seu redor, as tabelas de dimensões.*

Question 53

Existem seis tipos diferentes de Tabelas Fato:

Answer 53

• Tabela Fato Transacional
• Tabela Fato Agregada
• Tabela Fato Consolidada
• Snapshot periódico
• Snapshot Acumulado
• Fato sem fato

Question 54

Tabelas Fatos transacionais são as mais comuns. A maioria dos bilhões de linhas que temos no Data Warehouse são de tabelas fato transacionais. Sabe quando você vai ao mercado fazer compra? Cada item comprado é uma transação na base de dados. Elas geralmente utilizam métricas ________, aquelas métricas que podem ser _______ por todas as dimensões. Existem duas formas de você armazenar os dados em uma tabela fato transacional: _________ ___ _____ e _____ ___ __________.

Answer 54

Tabelas Fatos transacionais são as mais comuns. A maioria dos bilhões de linhas que temos no Data Warehouse são de tabelas fato transacionais. Sabe quando você vai ao mercado fazer compra? Cada item comprado é uma transação na base de dados. Elas geralmente utilizam métricas aditivas, aquelas métricas que podem ser somadas por todas as dimensões. Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.

Question 55

Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
No primeiro caso, cada transação será representada como uma _____ na tabela fato. Se uma pessoa vai ao supermercado e compra 10 garrafas de Heineken e 10 pacotes de Doritos, cada unidade de cada produto será representada como uma _____ na tabela fato.

Answer 55

Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
No primeiro caso, cada transação será representada como uma linha na tabela fato. Se uma pessoa vai ao supermercado e compra 10 garrafas de Heineken e 10 pacotes de Doritos, cada unidade de cada produto será representada como uma linha na tabela fato.
Logo, teremos 20 linhas!

Question 56

Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
No segundo caso, se uma pessoa vai ao supermercado e compra 10 garrafas de Heineken e 10 pacotes de Doritos, a quantidade de produtos iguais é ________ em uma única _________. Assim, teremos ____ linhas: uma contabilizando __ _________ __ ________ e outra contabilizando __ _______ __ _______.

Answer 56

Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
No segundo caso, se uma pessoa vai ao supermercado e compra 10 garrafas de Heineken e 10 pacotes de Doritos, a quantidade de produtos iguais é ________ em uma única _________. Assim, teremos duas linhas: uma contabilizando 10 garrafas de Heineken e outra contabilizando 10 pacotes de Doritos.

Question 57

A Tabela Fato Agregada tem a função de ________ o ___________ das consultas. Ela é criada com dados da tabela fato, alterando sua _____________, ou seja, ela sumariza os dados, gerando uma ______ _____. A tabela agregada é utilizada para ________ o tempo de ______ de uma consulta ao banco de dados. É importante avaliar bem o ambiente para definir quais ___________ devem ser criadas, dado que a sua utilização requer um esforço adicional de manutenção.
Além disso, ela aumenta o gasto com _____________, por isso deve‐se sempre tentar criar tabelas agregadas que atendam a múltiplas consultas. Finalmente, as tabelas agregadas podem ser ___________. Desta forma, deve‐se levar em conta a possível ________ dessa tabela e os futuros _______ causados devido a sua exclusão.

Answer 57

A Tabela Fato Agregada tem a função de acelerar o desempenho das consultas. Ela é criada com dados da tabela fato, alterando sua granularidade, ou seja, ela sumariza os dados, gerando uma tabela menor. A tabela agregada é utilizada para otimizar o tempo de acesso de uma consulta ao banco de dados. É importante avaliar bem o ambiente para definir quais agregações devem ser criadas, dado que a sua utilização requer um esforço adicional de manutenção.
Além disso, ela aumenta o gasto com armazenamento, por isso deve‐se sempre tentar criar tabelas agregadas que atendam a múltiplas consultas. Finalmente, as tabelas agregadas podem ser temporárias. Desta forma, deve‐se levar em conta a possível extinção dessa tabela e os futuros efeitos causados devido a sua exclusão.
Não confundir tabela fato agregada com tabela fato consolidada

Question 58

A Tabela Fato Consolidada é bem parecida com a agregada, mas serve para combinar ____ _____ de negócio. A fato consolidada serve para consolidar ____ _______ _____.

Answer 58

A Tabela Fato Consolidada é bem parecida com a agregada, mas serve para combinar duas tabelas de negócio. A fato consolidada serve para consolidar duas tabelas fatos.
O que ocorre é que, no processamento do ETL, carrega‐se uma tabela fato, depois carrega‐se outra e, por fim, mistura as duas (evidente que deve ter o mesmo nível de granularidade).

Question 59

O foco da tabela de fatos snapshot periódico é o:

Answer 59

tempo.

Question 60

Uma linha em uma tabela de fatos de snapshot periódico resume muitos eventos de _______ que ocorrem durante um _______ ______ (um ___, uma ______ ou um ___). Em outras palavras, a granularidade é o _______ e, não, a transação individual.

Answer 60

Uma linha em uma tabela de fatos de snapshot periódico resume muitos eventos de medição que ocorrem durante um período padrão (um dia, uma semana ou um mês). Em outras palavras, a granularidade é o período e, não, a transação individual.

Question 61

As tabelas fato snapshot periódico geralmente contêm muitos fatos porque qualquer evento de _______ ___________ com o grão da tabela de fatos é permitido.

Answer 61

As tabelas fato snapshot periódico geralmente contêm muitos fatos porque qualquer evento de medição consistente com o grão da tabela de fatos é permitido.

Question 62

As tabelas de fato snapshot periódico são geralmente ______ em suas chaves estrangeiras porque, mesmo que nenhuma atividade ocorra durante o período, uma linha é tipicamente inserida na tabela de fato contendo um ____ ou ____ para cada fato. Essas tabelas são frequentemente utilizadas permitir visualizar o __________ _________ do negócio em __________ __ ______ _________ e ___________.

Answer 62

As tabelas de fato snapshot periódico são geralmente densas em suas chaves estrangeiras porque, mesmo que nenhuma atividade ocorra durante o período, uma linha é tipicamente inserida na tabela de fato contendo um zero ou nulo para cada fato. Essas tabelas são frequentemente utilizadas permitir visualizar o desempenho periódico do negócio em intervalos de tempo regulares e previsíveis.

Question 63

Ao contrário da tabela de fatos transacional, onde carregamos uma linha para cada ocorrência de evento, na tabela fato snapshot periódico tiramos uma ____ (por isso o nome snapshot) da atividade no _____ __ __ ___, ______ ou ___, depois outra ______ no _____ __ _______ _______, e assim por diante. Essas _____ são empilhadas consecutivamente na ______ __ _____. Essa tabela, muitas vezes, é o único lugar para recuperar facilmente uma visão regular e previsível das principais ________ __ __________ do negócio.

Answer 63

Ao contrário da tabela de fatos transacional, onde carregamos uma linha para cada ocorrência de evento, na tabela fato snapshot periódico tiramos uma foto (por isso o nome snapshot) da atividade no final de um dia, semana ou mês, depois outra imagem no final do período seguinte, e assim por diante. Essas fotos são empilhadas consecutivamente na tabela de fatos. Essa tabela, muitas vezes, é o único lugar para recuperar facilmente uma visão regular e previsível das principais métricas de desempenho do negócio.

Question 64

Uma linha em uma tabela de fatos de snapshot acumulado resume os eventos de _______ que ocorrem em etapas ___________ entre o ______ e o ___ de um processo. Processos que tenham um _____ __ _______ bem definido, ______ ______________ ____________ e um _____ _____ bem definido podem ser modelados com esse tipo de tabela de fatos. Há uma data de chave estrangeira na tabela de fatos para cada _____ _______ no processo.

Answer 64

Uma linha em uma tabela de fatos de snapshot acumulado resume os eventos de medição que ocorrem em etapas previsíveis entre o início e o fim de um processo. Processos que tenham um ponto de partida bem definido, etapa intermediária padronizada e um ponto final bem definido podem ser modelados com esse tipo de tabela de fatos. Há uma data de chave estrangeira na tabela de fatos para cada marco crítico no processo.

Question 65

Em suma, a diferença do snapshot periódico é que este pega o momento no período, tira uma foto e insere na tabela fato, enquanto o snapshot acumulado também é uma ____, mas em ____ __ __ _______.

Answer 65

Em suma, a diferença do snapshot periódico é que este pega o momento no período, tira uma foto e insere na tabela fato, enquanto o snapshot acumulado também é uma foto, mas em mais de um período.

Question 66

A tabela fato sem fato é chamada também de ____ __ __________ ou de __________.

Answer 66

A tabela fato sem fato é chamada também de tabela de associação ou de interseção.
Uma tradução para o nosso dia a dia seria: fato sem métricas.

Question 67

A tabela fato sem fato serve para fazer uma:

Answer 67

intersecção de dimensões.
Às vezes, a gente quer comparar ou cruzar algo somente entre duas dimensões e não tem uma métrica para fazer essas comparações. Essa tabela de fatos é a exceção, só é usada quando se precisa fazer uma intersecção entre as dimensões.

Question 68

A tabela de fato sem fatos é a exceção, só é usada quando se precisa fazer uma:

Answer 68

intersecção entre as dimensões.

Question 69

Embora a maioria dos eventos de medição capture resultados numéricos, é possível que o evento apenas registre um conjunto de _________ ____________ se unindo em um _______ __ _____.
Outra observação importante: as tabelas fato sem fatos são tipicamente usadas para ________ __ _______ ou coletar ___________. Elas são chamadas assim porque a tabela de fatos não tem _______ _________ __________ ou ___________.

Answer 69

Embora a maioria dos eventos de medição capture resultados numéricos, na tabela de fato sem fatos é possível que o evento apenas registre um conjunto de entidades dimensionais se unindo em um momento no tempo.
Outra observação importante: as tabelas fato sem fatos são tipicamente usadas para rastrear um processo ou coletar estatísticas. Elas são chamadas assim porque a tabela de fatos não tem valores numéricos agregáveis ou informações.

Question 70

Existem dois tipos de tabelas de fatos sem fatos:

Answer 70

aquelas que descrevem eventos e aquelas que descrevem condições.

Question 71

A tabela de fatos sem fatos que descrevem eventos é uma tabela que registra um
______. Muitas tabelas de rastreamento de eventos em Data Warehouses acabam não tendo _____. Ocorrem eventos ou atividades que você deseja rastrear, mas não encontra ________.

Answer 71

A tabela de fatos sem fatos que descrevem eventos é uma tabela que registra um
evento. Muitas tabelas de rastreamento de eventos em Data Warehouses acabam não tendo fatos. Ocorrem eventos ou atividades que você deseja rastrear, mas não encontra medições.

Question 72

A tabela de fatos sem fatos que descrevem condições busca _______ condições ou outras ________ ___________ entre as dimensões.

Answer 72

A tabela de fatos sem fatos que descrevem condições busca modelar condições ou outras relações importantes entre as dimensões.

Question 73

PARA FIXAR

Question 74

Complete o quadro de acordo com as definições corretas de Modelo Multidimensional e Modelo Relacional

Answer 74

Question 75

Métricas ou medidas são informações que se são armazenadas em _______ ____ e que permitem medir um ________ __ _______.

Answer 75

Métricas ou medidas são informações que se são armazenadas em Tabela Fato e que permitem medir um processo de negócio.

Question 76

Existem três tipos de métricas (ou medidas):

Answer 76

• Medidas/Fatos Aditivos
• Medidas/Fatos Não-Aditivas
• Medidas/Fatos Semi-Aditivas

Question 77

Métricas/Medidas/Fatos Aditivos

Uma métrica é dita aditiva quando faz sentido ______-__, somando seus valores ao longo de qualquer ________, isto é, quando os valores são passíveis de serem _______ em todas as _________.

Answer 77

Métricas/Medidas/Fatos Aditivos

Uma métrica é dita aditiva quando faz sentido agrega-la, somando seus valores ao longo de qualquer dimensão, isto é, quando os valores são passíveis de serem somados em todas as dimensões.
ex: Um departamento de uma empresa realizou vendas online para diversas regiões do país de um mesmo produto no ano passado inteiro. Se eu quiser obter a quantidade de vendas desse produto por trimestre no último ano, é possível? Claro que é possível! Essa consulta retornaria quatro valores, uma vez que um ano possui quatro trimestres. Se eu quiser obter a quantidade de vendas desse produto no ano inteiro, faz sentido somar esses valores para calcular o montante anual? Sim, se eu somar essas quantidades, terei a quantidade de vendas desse produto no último ano.

Question 78

Métricas/Medidas/Fatos Não-Aditivas

Uma métrica é dita não-aditiva quando não faz sentido ______-__, somando seus valores em _______ ________, isto é, quando os valores não são passíveis de serem _______ em nenhuma ________.

Answer 78

Métricas/Medidas/Fatos Não-Aditivas

Uma métrica é dita não-aditiva quando não faz sentido agrega-la, somando seus valores em nenhuma dimensão, isto é, quando os valores não são passíveis de serem somados em nenhuma dimensão.
ex: Um departamento de uma empresa possui dois funcionários. Um deles vendeu um produto com 55% de margem de lucro, já o outro vendeu o mesmo produto com 45% de margem de lucro.
Se eu quiser obter a margem de lucro dos dois produtos vendidos pelos vendedores, faz sentido somar a margem de lucro de cada um? Se fizesse, teríamos 45% + 55% = 100% de margem de lucro. Evidentemente, esses dados não fazem nenhum sentido. Por que? Porque não é possível agregar a margem de lucro de ambos os funcionários, somando suas porcentagens. Logo, essa é considerada uma medida não-aditiva.

Question 79

Medidas/Fatos Semi-Aditivas

Uma métrica é dita semi-aditiva quando faz sentido agrega-la em ______ ________, isto é,
quando os valores são passíveis de serem _______ apenas em _______ _________.

Answer 79

Medidas/Fatos Semi-Aditivas

Uma métrica é dita semi-aditiva quando faz sentido agrega-la em alguma dimensão, isto é,
quando os valores são passíveis de serem somados apenas em algumas dimensões.
ex: segunda‐feira, eu tenha um estoque de 1000 produtos: se – na terça feira – eu vender 200 produtos, meu estoque nesse dia será de 800 produtos; se – na quarta‐feira – eu vender 300 produtos, meu estoque nesse dia será de 500 produtos.
Se eu quiser obter a quantidade de produtos vendidos nos três dias, posso somar 200 + 300 = 500 produtos? Sim, faz todo sentido. No entanto, se quiser obter a quantidade de estoque restante nos três dias, não posso somar 1000 + 800 + 500 = 2300 produtos – isso não faz nenhum sentido. Logo, eu posso agregar a quantidade de produtos vendidos na dimensão tempo, mas não posso agregar a quantidade de estoque na dimensão tempo.

Question 80

PARA FIXAR

Question 81

Ralph Kimball afirma que as regras sobre modelagem dimensional a seguir não devem ser quebradas.

A partir disso, cite as 10 regras de Kimball:

Answer 81

Regra #01: Carregue dados detalhados para as estruturas dimensionais
Regra #02: Estruture os modelos dimensionais em torno dos processos de negócios
Regra #03: Tenha certeza de que cada tabela fato tenha uma dimensão de data associada
Regra #04: Certifique-se que todos os fatos em uma única tabela fato estão na mesma granularidade ou nível de detalhe
Regra #05: Resolva relacionamentos muitos-para-muitos em tabelas fato
Regra #06: Resolva os relacionamentos muitos-para-um nas tabelas de dimensões
Regra #07: Gravar nomes de relatórios e valores de domínios de filtros em tabelas dimensão
Regra #08: Tenha certeza de que as tabelas dimensão usam uma chave artificial
Regra #09: Crie dimensões padronizadas para integrar os dados na empresa
Regra #10: Avalie requisitos e realidade continuamente para desenvolver uma solução de DW/BI que seja aceita pelos usuários de negócios e suporte seu processo de tomada de decisões

Question 82

Regra #01 de Kimball: Carregue dados detalhados para as estruturas dimensionais

Modelos dimensionais devem ser populados com uma base de dados __________ para suportar os requisitos _____________ de filtragem e agrupamento necessárias para atender as _________ dos usuários de negócios. Usuários normalmente não precisam visualizar um registro por ___, mas é impossível prever em quais diferentes maneiras eles pretendem ver os dados e acessar seu detalhamento.
Se apenas dados agregados estiverem disponíveis, os usuários podem não conseguir acessar seus ________. É claro, dados detalhados podem ser complementados por _______ ____________ __________ que trazem vantagens de desempenho para consultas frequentes de dados sumarizados, mas os usuários de negócios não conseguem viver apenas dos dados agregados; eles precisam dos detalhes sangrentos para responder seus diferentes questionamentos.

Answer 82

Regra #01 de Kimball: Carregue dados detalhados para as estruturas dimensionais

Modelos dimensionais devem ser populados com uma base de dados detalhados para suportar os requisitos imprevisíveis de filtragem e agrupamento necessárias para atender as consultas dos usuários de negócios. Usuários normalmente não precisam visualizar um registro por vez, mas é impossível prever em quais diferentes maneiras eles pretendem ver os dados e acessar seu detalhamento.
Se apenas dados agregados estiverem disponíveis, os usuários podem não conseguir acessar seus detalhes. É claro, dados detalhados podem ser complementados por modelos dimensionais agregados que trazem vantagens de desempenho para consultas frequentes de dados sumarizados, mas os usuários de negócios não conseguem viver apenas dos dados agregados; eles precisam dos detalhes sangrentos para responder seus diferentes questionamentos.

Question 83

Regra #02 de Kimball: Estruture os modelos dimensionais em torno dos processos de negócios

Os processos de negócios são as atividades desenvolvidas por sua empresa; elas representam eventos ___________, tais como registrar um pedido ou emitir uma fatura para um consumidor. Processos de negócios normalmente capturam ou geram ________ _______ de desempenho associadas a cada evento. Estas ________ devem ser traduzidas em _____, com cada processo de negócio representado por uma _____ ______ ____. Além dessas, tabelas fato consolidadas podem ser criadas para combinar métricas de vários processos em uma tabela fato com um nível ___________ __ _______.

Answer 83

Regra #02 de Kimball: Estruture os modelos dimensionais em torno dos processos de negócios

Os processos de negócios são as atividades desenvolvidas por sua empresa; elas representam eventos mensuráveis, tais como registrar um pedido ou emitir uma fatura para um consumidor. Processos de negócios normalmente capturam ou geram métricas únicas de desempenho associadas a cada evento. Estas métricas devem ser traduzidas em fatos, com cada processo de negócio representado por uma única tabela fato. Além dessas, tabelas fato consolidadas podem ser criadas para combinar métricas de vários processos em uma tabela fato com um nível padronizado de detalhe.
Novamente, tabelas fato agregadas são um complemento para as tabelas fato detalhadas relacionadas aos processos de negócio e, não, um substituto para elas.

Question 84

Regra #03 de Kimball: Tenha certeza de que cada tabela fato tenha uma dimensão de data associada

Os eventos mensuráveis descritos na Regra #2 sempre tem uma data de algum tipo associada a eles, tais como um balancete mensal ou uma transferência de dinheiro registrada em um centésimo de segundo. Cada tabela fato deve ter ao menos uma _____ ___________ associada a uma tabela de ________ __ ____, cuja granularidade é cada _____ ___, com os atributos de calendário e suas características não padronizadas relacionadas a data do evento, como o período fiscal ou um indicador corporativo de feriado. Às vezes, múltiplas chaves estrangeiras de data estão ligadas em uma única ______ ____.

Answer 84

Regra #03 de Kimball: Tenha certeza de que cada tabela fato tenha uma dimensão de data associada

Os eventos mensuráveis descritos na Regra #2 sempre tem uma data de algum tipo associada a eles, tais como um balancete mensal ou uma transferência de dinheiro registrada em um centésimo de segundo. Cada tabela fato deve ter ao menos uma chave estrangeira associada a uma tabela de dimensão de data, cuja granularidade é cada único dia, com os atributos de calendário e suas características não padronizadas relacionadas a data do evento, como o período fiscal ou um indicador corporativo de feriado. Às vezes, múltiplas chaves estrangeiras de data estão ligadas em uma única tabela fato

Question 85

Regra #04 de Kimball: Certifique-se que todos os fatos em uma única tabela fato estão na mesma granularidade ou nível de detalhe

Existem três granularidades fundamentais para classificar todas as tabelas fato: ____________, _________ _________, ou ________ _________. Independentemente de sua granularidade, cada métrica em uma tabela fato deve estar exatamente no mesmo _____ __ _______. Quando você mistura fatos representando muitos níveis de granularidade em uma mesma tabela fato, você estará criando ________ para os usuários de negócios e tornando as aplicações de Business Intelligence vulneráveis a ____ __ _______ ou outros resultados _________.

Answer 85

Regra #04 de Kimball: Certifique-se que todos os fatos em uma única tabela fato estão na mesma granularidade ou nível de detalhe

Existem três granularidades fundamentais para classificar todas as tabelas fato: transacional, snapshot periódico, ou snapshot acumulado. Independentemente de sua granularidade, cada métrica em uma tabela fato deve estar exatamente no mesmo nível de detalhes. Quando você mistura fatos representando muitos níveis de granularidade em uma mesma tabela fato, você estará criando confusão para os usuários de negócios e tornando as aplicações de Business Intelligence vulneráveis a erros de valores ou outros resultados incorretos.

Question 86

Regra #05 de Kimball: Resolva relacionamentos muitos-para-muitos em tabelas fato

Como uma tabela fato guarda os resultados de um evento de um processo de negócios, existem inerentemente relacionamentos ______-____-______ (:) entre suas chaves estrangeiras. Estes campos de chaves estrangeiras nunca devem conter valores _____. Às vezes, dimensões podem ter valores __________para uma única métrica.
Nestes casos, seria irracional resolver as dimensões multivaloradas diretamente na tabela fato, pois isto poderia violar a _____________ _______ da métrica. Neste caso, podemos usar um relacionamento :, com uma tabela de ______________ em conjunto com a tabela fato.

Answer 86

Regra #05 de Kimball: Resolva relacionamentos muitos-para-muitos em tabelas fato

Como uma tabela fato guarda os resultados de um evento de um processo de negócios, existem inerentemente relacionamentos muitos-para-muitos (N:M) entre suas chaves estrangeiras (Ex: diferentes produtos vendidos em diferentes lojas em diferentes dias). Estes campos de chaves estrangeiras nunca devem conter valores nulos. Às vezes, dimensões podem ter valores diferentes para uma única métrica (Ex: diferentes clientes de uma conta bancária).
Nestes casos, seria irracional resolver as dimensões multivaloradas diretamente na tabela fato, pois isto poderia violar a granularidade natural da métrica. Neste caso, podemos usar um relacionamento N:M, com uma tabela de relacionamento em conjunto com a tabela fato.

Question 87

Regra #06 de Kimball: Resolva os relacionamentos muitos-para-um nas tabelas de dimensões

Hierarquicamente, relacionamentos muitos-para‐um (M:1) entre atributos são normalmente _______________ ou concentrados em uma única ______ ________.
Desnormalização de dimensões é a regra do jogo na modelagem dimensional. É bastante comum ter muitos relacionamentos M:1 em uma única tabela dimensão. Relacionamentos __-____-__, como uma única descrição de produto associada a um código de produto, também são encontradas em uma tabela dimensão. Usar a tabela fato para resolver relacionamentos M:1 deve ser feito de forma ________.

Answer 87

Regra #06 de Kimball: Resolva os relacionamentos muitos-para-um nas tabelas de dimensões

Hierarquicamente, relacionamentos muitos-para‐um (M:1) entre atributos são normalmente desnormalizadas ou concentrados em uma única tabela dimensional.
Desnormalização de dimensões é a regra do jogo na modelagem dimensional. É bastante comum ter muitos relacionamentos M:1 em uma única tabela dimensão. Relacionamentos um-para-um, como uma única descrição de produto associada a um código de produto, também são encontradas em uma tabela dimensão. Usar a tabela fato para resolver relacionamentos M:1 deve ser feito de forma moderada.

Question 88

Regra #07 de Kimball: Gravar nomes de relatórios e valores de domínios de filtros em tabelas dimensão

Os códigos e, mais importante ainda, as decodificações e descrições associadas a eles usadas como nomes de colunas em relatórios e como filtros em consultas devem ser gravadas em tabelas dimensionais. Evite gravar campos com códigos criptografados ou volumosos campos descritivos na própria tabela fato.

Answer 88

Regra #07 de Kimball: Gravar nomes de relatórios e valores de domínios de filtros em tabelas dimensão

Os códigos e, mais importante ainda, as decodificações e descrições associadas a eles usadas como nomes de colunas em relatórios e como filtros em consultas devem ser gravadas em _______ ____________. Evite gravar campos com códigos _______________ ou volumosos campos ___________ na própria tabela fato.
Assuma que os usuários não precisam das descrições das colunas ou que elas podem ser resolvidas dentro da própria aplicação de Business Intelligence.

Question 89

Regra #08 de Kimball: Tenha certeza de que as tabelas dimensão usam uma chave artificial

Chaves artificiais, sem significado e sequenciais (exceto para a _________ ____, onde chaves
cronologicamente definidas e mais inteligíveis são __________) provêm muitos benefícios ____________; chaves menores significam menores _______ ____, menores _______, e desempenho _________. Chaves artificiais são absolutamente necessárias no caso de você estar registrando as alterações dos _________ da dimensão com uma nova _____ para cada mudança.

Answer 89

Regra #08 de Kimball: Tenha certeza de que as tabelas dimensão usam uma chave artificial

Chaves artificiais, sem significado e sequenciais (exceto para a dimensão data, onde chaves
cronologicamente definidas e mais inteligíveis são aceitáveis) provêm muitos benefícios operacionais; chaves menores significam menores tabelas fato, menores índices, e desempenho melhorado. Chaves artificiais são absolutamente necessárias no caso de você estar registrando as alterações dos atributos da dimensão com uma nova linha para cada mudança.

Question 90

Regra #09 de Kimball: Crie dimensões padronizadas para integrar os dados na empresa

Dimensões padronizadas (também conhecidas por dimensões ______, ___________, ou de __________) são essenciais para o data warehousing ___________. Elas trazem atributos descritivos ____________ para os modelos dimensionais e permitem navegar através dos _____ __________ de diferentes _________ __ ________. A reutilização das dimensões padronizadas diminui o tempo de _______________ eliminando ___________ e o esforço de ______________.

Answer 90

Regra #09 de Kimball: Crie dimensões padronizadas para integrar os dados na empresa

Dimensões padronizadas (também conhecidas por dimensões comuns, principais, ou de referência) são essenciais para o data warehousing empresarial. Elas trazem atributos descritivos consistentes para os modelos dimensionais e permitem navegar através dos dados integrados de diferentes processos de negócio. A reutilização das dimensões padronizadas diminui o tempo de desenvolvimento eliminando redundância e o esforço de desenvolvimento.

Question 91

Regra #10 de Kimball: Avalie requisitos e realidade continuamente para desenvolver uma solução de DW/BI que seja aceita pelos usuários de negócios e suporte seu processo de tomada de decisões

Os responsáveis pela modelagem dimensional devem constantemente balancear os requisitos dos usuários de negócios com as realidades inerentes aos dados de origem associados para desenvolver um modelo que possa ser ___________, e que, mais importante ainda; tenha uma boa chance de ser ____ aos negócios. A avaliação dos requisitos vs realidade é parte da tarefa dos desenvolvedores de ____ _________/________ ____________.

Answer 91

Regra #10 de Kimball: Avalie requisitos e realidade continuamente para desenvolver uma solução de DW/BI que seja aceita pelos usuários de negócios e suporte seu processo de tomada de decisões

Os responsáveis pela modelagem dimensional devem constantemente balancear os requisitos dos usuários de negócios com as realidades inerentes aos dados de origem associados para desenvolver um modelo que possa ser implantado, e que, mais importante ainda; tenha uma boa chance de ser útil aos negócios. A avaliação dos requisitos vs realidade é parte da tarefa dos desenvolvedores de Data Warehose/ Business Intelligence

Question 92

Existem basicamente duas organizações ou esquemas do modelo dimensional:

Answer 92

Estrela ou Flocos de Neve.

Question 93

O Esquema Estrela é basicamente uma ______ __ _____ central conectada a várias _______ __ ________ em um relacionamento :, sendo uma única tabela para cada ________.

Answer 93

O Esquema Estrela é basicamente uma tabela de fatos central conectada a várias tabelas de dimensão em um relacionamento 1:N, sendo uma única tabela para cada dimensão.

Question 94

PARA FIXAR

No exemplo da imagem, temos uma Tabela de Fatos (FATO_VENDAS) conectada a várias Tabelas de Dimensão (DIM_PRODUTO, DIM_PERÍODO e DIM_LOCALIZAÇÃO). Além disso, é possível observar no exemplo que existe apenas uma tabela para cada dimensão.

Question 95

Uma característica importante do Esquema Estrela é que as Tabelas de Dimensão são
_______________, isto é, possuem dados ___________. Isto porque a redundância, em bancos de dados multidimensionais, ajuda a melhorar o desempenho de _________.

Answer 95

Uma característica importante do Esquema Estrela é que as Tabelas de Dimensão são
desnormalizadas, isto é, possuem dados redundantes. Isto porque a redundância, em bancos de dados multidimensionais, ajuda a melhorar o desempenho de consultas.

Question 96

O analista que está construindo o esquema em estrela geralmente tem que fazer algumas suposições a respeito do comportamento do usuário no que se refere às _________ realizadas ao sistema.

Answer 96

O analista que está construindo o esquema em estrela geralmente tem que fazer algumas suposições a respeito do comportamento do usuário no que se refere às consultas realizadas ao sistema.
vamos supor que o usuário deseje extrair relatórios por período. O analista já supõe que esses períodos podem ser diários, mensais, trimestrais, semestrais, anuais e assim por diante. Isso torna as consultas mais simples, mais rápidas, mas com manutenções mais difíceis.

Question 97

CERTO OU ERRADO:

No Esquema Estrela, a tabela fato e as tabelas dimensionais são desnormalizadas.

Answer 97

ERRADO! Apenas as tabelas dimensionais são desnormalizadas.

Question 98

No Esquema Estrela, as chaves primárias das tabelas de dimensão são ______ ____________ da tabela fato, e a chave primária da tabela de fato é uma chave composta pelas ______ ____________ referentes às tabelas de dimensão.

Answer 98

No Esquema Estrela, as chaves primárias das tabelas de dimensão são chaves estrangeiras da tabela fato, e a chave primária da tabela de fato é uma chave composta pelas chaves estrangeiras referentes às tabelas de dimensão.

Question 99

O Esquema Flocos de Neve (Snowflake Schema) é basicamente uma ______ __ _____ _______ conectada a várias _______ __ ________, sendo possível haver várias _______ para cada dimensão.

Answer 99

O Esquema Flocos de Neve (Snowflake Schema) é basicamente uma Tabelas de Fato central conectada a várias Tabelas de Dimensão, sendo possível haver várias tabelas para cada dimensão.

Question 100

PARA FIXAR

ESQUEMA FLOCOS DE NEVE (SNOWFLAKES)

No exemplo da imagem, temos uma Tabela de Fatos (FATO_VENDAS) conectada a várias Tabelas de Dimensão (DIM_PRODUTO, DIM_PERÍODO e DIM_LOCALIZAÇÃO). No entanto, observem que a Tabela de Dimensão DIM_FABRICANTE não está conectada à Tabela de Fato FATO_VENDAS.

Question 101

No exemplo da imagem, temos uma Tabela de Fatos (FATO_VENDAS) conectada a várias Tabelas de Dimensão (DIM_PRODUTO, DIM_PERÍODO e DIM_LOCALIZAÇÃO). No entanto, observem que a Tabela de Dimensão DIM_FABRICANTE não está conectada à Tabela de Fato FATO_VENDAS. Isso significa que a Tabela de Dimensão DIM_PRODUTO está:

Answer 101

normalizada.

Question 102

CERTO OU ERRADO:

Não é obrigatório normalizar todas as tabelas de dimensão do esquema de flocos de neve.

Answer 102

CERTO!

Question 103

Em resumo, o esquema Flocos de Neve é o resultado da decomposição de uma ou mais tabelas de dimensões normalizadas até que forma normal?

Answer 103

3ª Forma Normal (3FN).

Question 104

Em contraste com o esquema estrela, o esquema Flocos de Neve apresenta consultas mais _________, mais ______, mas com manutenção mais _____. Como as tabelas são normalizadas, existe menos ___________ de dados, portanto ocupa-se menos espaço. Além disso, como há tabelas de dimensão conectadas a outras tabelas de dimensão, existe uma __________.

Answer 104

Em contraste com o esquema estrela, o esquema Flocos de Neve apresenta consultas mais complexas, mais lentas, mas com manutenção mais fácil. Como as tabelas são normalizadas, existe menos redundância de dados, portanto ocupa-se menos espaço. Além disso, como há tabelas de dimensão conectadas a outras tabelas de dimensão, existe uma hierarquia.

Question 105

O modelo dimensional de um data warehouse em que cada dimensão se divide em várias outras subdimensões é denominado de:

Answer 105

Flocos de Neve.

Question 106

CERTO OU ERRADO:

No projeto de um esquema estrela, é necessário fazer algumas suposições a respeito do comportamento do usuário no que se refere às consultas realizadas ao sistema.

Answer 106

CERTO!

Question 107

PARA FIXAR

Question 108

PARA FIXAR

Question 109

O esquema Constelação de Fatos é basicamente constituído de ____ ou mais _______ ____ que compartilham uma ou mais _________.

Answer 109

O esquema Constelação de Fatos é basicamente constituído de duas ou mais tabelas fato que compartilham uma ou mais dimensões.

Question 110

Quando vários esquemas estrela são unidos por dimensões compatíveis – comuns entre eles –chamamos de Esquema:

Answer 110

Multiestrela.
Essas dimensões comuns também são chamadas de Dimensão Conforme

Question 111

No Esquema Multiestrelar é importante que as dimensões guardem entre si uma ______________ e as tabelas fato estejam definidas em granularidade compatível com as _________ ____________. Ele pode ser criado dividindo um esquema estrela em ____ ou ____ esquemas estrela.

Answer 111

No Esquema Multiestrelar é importante que as dimensões guardem entre si uma compatibilidade e as tabelas fato estejam definidas em granularidade compatível com as dimensões interligadas. Ele pode ser criado dividindo um esquema estrela em dois ou mais esquemas estrela.
e por que usaria um esquema desse? porque fornece uma flexibilidade maior ao esquema, por outro lado ele é um esquema bem mais complexo, logo é mais difícil de implementar ou manter.

Question 112

PARA FIXAR

Question 113

Qual o significado da ferramenta OLAP?

Answer 113

Online Analytical Processing.

Question 114

Online Analytical Processing é um conjunto de ___________ de software que permite aos gerentes e diretores de empresas terem acesso ________ a informações armazenadas nos diversos _________ corporativos, podendo realizar ___________ e análises de informações em _____ ____ sob diversas ____________ com o intuito de auxiliar na ______ __ _______.

Answer 114

Online Analytical Processing é um conjunto de ferramentas de software que permite aos gerentes e diretores de empresas terem acesso dinâmico a informações armazenadas nos diversos sistemas corporativos, podendo realizar cruzamentos e análises de informações em tempo real sob diversas perspectivas com o intuito de auxiliar na tomada de decisão.

Question 115

Uma ferramenta OLAP é caracterizada pela análise ________________ ________ dos dados, apoiando o usuário final nas suas __________ e permitindo consultas __-___.

Answer 115

Uma ferramenta OLAP é caracterizada pela análise multidimensionais dinâmicas dos dados, apoiando o usuário final nas suas atividades e permitindo consultas ad-hoc.

Question 116

Consultas ad-hoc são consultas ___________ ou __________ que geralmente nunca foram ________ ou __________.

Answer 116

Consultas ad-hoc são consultas específicas ou exclusivas que geralmente nunca foram pensadas ou realizadas.

Question 117

A consulta ad-hoc permite que você realize diversas operações em modelos de dados multidimensionais – navegando por _________ e ____________ – com o intuito de enxergar informações preciosas que, de alguma forma, auxiliem na ______ __ ________ ____________.

Answer 117

A consulta ad-hoc permite que você realize diversas operações em modelos de dados multidimensionais – navegando por dimensões e hierarquias – com o intuito de enxergar informações preciosas que, de alguma forma, auxiliem na tomada de decisões estratégicas.
Exemplo: no contexto de uma Rede de Fast-food, pode-se analisar dados de vendas em dimensões como cliente, filiais, regiões, yempo, produtos, entre outros.

Question 118

A OLAP abstrai as complexidades de forma que qualquer pessoa consiga manipular essa ferramenta.

Answer 118

A OLAP abstrai as complexidades de forma que qualquer pessoa consiga manipular essa ferramenta.

Question 119

PARA FIXAR

É importante saber as diferenças entre as ferramentas que lidam com bancos de dados transacionais e as ferramentas que lidam com bancos de dados analíticos.

Question 120

Qual o significado da sigla da ferramenta OLTP?

Answer 120

OLTP (ONLINE TRANSACTION PROCESSING)

Question 121

Ferramentas OLTP são utilizadas em bancos de dados ____________, no entanto elas possuem limitações que podem ser superadas por meio de ___________ _____.

Answer 121

Ferramentas OLTP são utilizadas em bancos de dados transacionais, no entanto elas possuem limitações que podem ser superadas por meio de ferramentas OLAP.

Question 122

Uma dimensão em um Data Warehouse é simplesmente um valor __________ ________ que pode ser utilizado para _______ _____ e que pode ser acessado _______________ ou de forma _________ com outras _________.

Answer 122

Uma dimensão em um Data Warehouse é simplesmente um valor descritivo variável que pode ser utilizado para acessar dados e que pode ser acessado individualmente ou de forma combinada com outras dimensões.

Question 123

O analista de dados que utiliza a Ferramenta OLAP não vai ficar manipulando um cubo, ele vai escolher e combinar diversos _______ __ _________ até chegar ao resultado desejado.

Answer 123

O analista de dados que utiliza a Ferramenta OLAP não vai ficar manipulando um cubo, ele vai escolher e combinar diversos vetores de dimensões até chegar ao resultado desejado.

Question 124

ROLAP significa:

Answer 124

Relational On Line Analytical Processing.
ou Relationl OLAP

Question 125

O ROLAP trata-se de uma ferramenta que ________ dados de um banco de dados __________.

Answer 125

O ROLAP trata-se de uma ferramenta que recupera dados de um banco de dados relacional.

Question 126

O ROLAP apresenta os dados para o usuário em uma visão ________________, mas eles são efetivamente armazenados em um formato __________.

Answer 126

O ROLAP ferramenta apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional.

Question 127

O ROLAP apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional. Como isso é feito?

Answer 127

Existe uma camada intermediária que faz o mapeamento relacional-multidimensional.

Question 128

O ROLAP apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional. Isso é feito a partir de uma camada _____________ que faz o mapeamento __________-_______________. Em outras palavras, essa ferramenta apresenta os dados para o usuário em uma visão ________________, mas eles são efetivamente armazenados em um formato __________.

Answer 128

O ROLAP apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional. Isso é feito a partir de uma camada intermediária que faz o mapeamento relacional-multidimensional. Em outras palavras, essa ferramenta apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional.
o usuário vai trabalhar achando que está lidando efetivamente com cubos e vetores multidimensionais, mas – na verdade – haverá uma camada intermediária que traduzirá dinamicamente suas operações em equivalentes relacionais

Question 129

A principal vantagem da ferramenta ROLAP é a ____ _____________, isto é, não há nenhuma restrição na limitação do ______ ou quantidade de dados a serem __________, cabendo essa limitação ao próprio _____ __ _____ __________ utilizado.

Answer 129

A principal vantagem da ferramenta ROLAP é a alta escalabilidade, isto é, não há nenhuma restrição na limitação do volume ou quantidade de dados a serem analisados, cabendo essa limitação ao próprio banco de dados relacional utilizado.

Question 130

A principal desvantagem da ferramenta ROLAP é o _____ __________, isto é, cada operação ROLAP na visão multidimensional deve se transformar em uma ou mais _________ ___ no _____ __ _____ __________. Logo, há uma sobrecarga que reduz bastante a __________ dessas operações.

Answer 130

A principal desvantagem da ferramenta ROLAP é o baixo desempenho, isto é, cada operação ROLAP na visão multidimensional deve se transformar em uma ou mais consultas SQL no banco de dados relacional. Logo, há uma sobrecarga que reduz bastante a efetividade dessas operações.

Question 131

ROLAP se baseia principalmente na geração de __________ ___ para consultar a base de dados relacional, por outro lado essas instruções não suprem todas as ____________.

Answer 131

ROLAP se baseia principalmente na geração de instruções SQL para consultar a base de dados relacional, por outro lado essas instruções não suprem todas as necessidades.
Exemplo: é difícil de realizar cálculos complexos utilizando SQL). Logo, usar ROLAP é se limitar ao que instruções SQL são capazes de fazer.

Question 132

Um usuário que deseje realizar consultas multidimensionais fará uma requisição a uma ferramenta ROLAP que irá traduzi-la em __________ ___ (geralmente _________) em um sistema gerenciador de banco de dados __________ onde serão processadas e retornarão dados que também serão traduzidos dinamicamente em uma visão ________________ (_____) de volta para o usuário que a requisitou.

Answer 132

Um usuário que deseje realizar consultas multidimensionais fará uma requisição a uma ferramenta ROLAP que irá traduzi-la em instruções SQL (geralmente complexas) em um sistema gerenciador de banco de dados relacional onde serão processadas e retornarão dados que também serão traduzidos dinamicamente em uma visão multidimensional (cubos) de volta para o usuário que a requisitou.

Question 133

A abordagem relacional para multidimensionalidade, que permite operações multidimensionais sobre dados relacionais é conhecida como:

Answer 133

Relational On Line Analytical Processing (ROLAP).

Question 134

A ferramenta MOLAP significa:

Answer 134

Multidimensional On Line Analitical Processing.

Question 135

MOLAP trata-se da ferramenta tradicional de OLAP que ________ _____ de um banco de dados _________________.

Answer 135

MOLAP trata-se da ferramenta tradicional de OLAP que recupera dados de um banco de dados multidimensional.
Falou em multidimensional, deve-se lembrar do quê? Vetores/Arrays Dimensionais (Cubos)

Question 136

A ferramenta MOLAP apresenta os dados para o usuário em uma visão ________________ e eles são efetivamente armazenados em bancos de dados ________________ __________ chamados ________________ ________.

Answer 136

A ferramenta MOLAP apresenta os dados para o usuário em uma visão multidimensional e eles são efetivamente armazenados em bancos de dados multidimensional otimizados chamados Multidimensional Database (MDDB).

Question 137

Os bancos de dados multidimensionais são proprietários, isto é, pertencem a:

Answer 137

alguma empresa específica.

Question 138

Cubos de dados do banco de dados multidimensional transportam dados ___ __________ e ___-__________ pela ferramenta ______, que recebem os dados de algum ____ _________.

Answer 138

Cubos de dados do banco de dados multidimensional transportam dados pré-calculados e pré-fabricados pela ferramenta MOLAP, que recebem os dados de algum Data Warehouse.

Question 139

O MOLAP fornecerá a visualização ________________ dos dados do ______________ ____ ____ para o usuário.

Answer 139

O MOLAP fornecerá a visualização multidimensional dos dados do Multidimensional Data Base para o usuário.

Question 140

Um usuário da ferramenta MOLAP que deseje realizar consultas multidimensionais fará uma requisição diretamente a um banco de dados ________________ sem necessidade de qualquer ________.

Answer 140

Um usuário da ferramenta MOLAP que deseje realizar consultas multidimensionais fará uma requisição diretamente a um banco de dados multidimensional sem necessidade de qualquer tradução.
Além disso, ele consultará dados pré-calculados e pré-fabricados, melhorando o desempenho da consulta. Dessa forma, quando houver uma solicitação do usuário para os dados, nenhum tempo será desperdiçado no cálculo dos dados e as respostas do sistema serão rápidas.

Question 141

Uma vantagem da utilização da ferramenta MOLAP é seu:

Answer 141

alto desempenho.

Question 142

Uma vantagem da utilização da ferramenta MOLAP é seu é seu alto desempenho, visto que os cubos de dados são construídos para uma rápida ___________ de dados e o usuário é capaz de manipular dados diretamente no ________. Além disso, todos os cálculos são ___-_______ quando o cubo é criado e podem ser facilmente aplicados no momento da _______ de dados.

Answer 142

Uma vantagem da utilização da ferramenta MOLAP é seu é seu alto desempenho, visto que os cubos de dados são construídos para uma rápida recuperação de dados e o usuário é capaz de manipular dados diretamente no servidor. Além disso, todos os cálculos são pré-gerados quando o cubo é criado e podem ser facilmente aplicados no momento da pesquisa de dados.

Question 143

CERTO OU ERRADO:

Os benefícios da utilização da ferramenta MOLAP é seu alto desempenho e seu baixo investimento.

Answer 143

ERRADO! De fato possui alto desempenho mas a aquisição exige alto investimento.

Question 144

Uma desvantagem da ferramenta MOLAP é sua baixa ______________, ou seja, sua vantagem de conseguir alto desempenho com a pré-geração de todos os cálculos no momento da criação dos cubos faz com que o MOLAP seja limitado a uma _____ __________ __ _____.

Answer 144

Uma desvantagem da ferramenta MOLAP é sua baixa escalabilidade, ou seja, sua vantagem de conseguir alto desempenho com a pré-geração de todos os cálculos no momento da criação dos cubos faz com que o MOLAP seja limitado a uma pouca quantidade de dados.

Question 145

O tipo de processamento analítico on-line, adequado para dados referentes a um assunto em especial, tipo Data Marts, no qual os dados são mais específicos e o aplicativo será direcionado na análise com dimensionalidade limitada e pouco detalhamento das informações, que trabalha exclusivamente com a tecnologia multidimensional, com acesso direto ao servidor, sem transferir dados para desktops, e que fornece uma resposta rápida para praticamente qualquer consulta é o:

Answer 145

Multidimensional On Line Analytical Processing (MOLAP).

Question 146

CERTO OU ERRADO:

O banco de dados de um MOLAP possui um SGDB multidimensional, ou seja, permite armazenamento de dados nas células de um array multidimensional.

Answer 146

CERTO!

Question 147

A ferramenta HOLAP significa:

Answer 147

Hybrid On Line Analitycal Processing.

Question 148

A ferramenta HOLAP trata-se de combinar as vantagens de MOLAP e ROLAP, extraindo o que há de ______ de cada uma, ou seja, a ____ __________ do MOLAP com a ____ ____________ do ROLAP.

Answer 148

A ferramenta HOLAP trata-se de combinar as vantagens de MOLAP e ROLAP, extraindo o que há de melhor de cada uma, ou seja, a alto performance do MOLAP com a alta escalabilidade do ROLAP.

Question 149

Para informações mais sintéticas, HOLAP utiliza cubos ____________ para um desempenho mais rápido.

Answer 149

Para informações mais sintéticas, HOLAP utiliza cubos dimensionais para um desempenho mais rápido.

Question 150

Quando for necessário mais detalhe, a ferramenta HOLAP pode ir além do cubo multidimensional e ir para o banco __________ utilizado no _____________ __ ________.

Answer 150

Quando for necessário mais detalhe, a ferramenta HOLAP pode ir além do cubo multidimensional e ir para o banco relacional utilizado no armazenamento de detalhes.

Question 151

As vantagens principais da utilização da ferramenta HOLAP são:

Answer 151

alto desempenho e alta escalabilidade.

Question 152

Na utilização da ferramenta HOLAP os cubos dimensionais apenas armazenam uma _______ ___ ___________ e os detalhes das informações são armazenados em um _____ __ _____ __________.

Answer 152

Na utilização da ferramenta HOLAP os cubos dimensionais apenas armazenam uma síntese das informações e os detalhes das informações são armazenados em um banco de dados relacional.

Question 153

A desvantagem da utilização da ferramenta HOLAP é:

Answer 153

seu alto investimento.
arquitetura possui um custo maior, uma vez que necessita de um alto investimento de aquisição

Question 154

Que tipo de aplicação OLAP combina a tecnologia de banco de dados relacionais com a de banco de dados multidimensionais?

Answer 154

HOLAP.

Question 155

A ferramenta DOLAP significa:

Answer 155

Desktop On Line Analytical Processing

Question 156

OLAP (Desktop OLAP) dispara uma consulta a partir de uma _______ _______ para o servidor, que por sua vez retorna enviando o ____ __ _____ de volta, para que possa ser _________ pelo usuário.

Answer 156

OLAP (Desktop OLAP) dispara uma consulta a partir de uma estação cliente para o servidor, que por sua vez retorna enviando o cubo de dados de volta, para que possa ser analisado pelo usuário.

Question 157

A ferramenta WOLAP significa:

Answer 157

Web On Line Analytical Processing

Question 158

A ferramenta WOLAP (Web OLAP) dispara uma consulta via _________ ___ para um servidor, que por sua vez retorna enviando o ____ __________ de volta para que possa ser _________ pelo usuário.

Answer 158

A ferramenta WOLAP (Web OLAP) dispara uma consulta via navegador web para um servidor, que por sua vez retorna enviando o cubo processado de volta para que possa ser analisado pelo usuário.

Question 159

ROLAP é mais indicado para ____ __________ pelo grande ______ __ _____, pela necessidade de um maior número de _______ e pelas diversas ______ __ ________ a serem aplicadas.

Answer 159

ROLAP é mais indicado para Data Wwarehouses pelo grande volume de dados, pela necessidade de um maior número de funções e pelas diversas regras de negócios a serem aplicadas.

Question 160

MOLAP é mais indicado para ____ _____, em que os dados são mais ___________ e o aplicativo será direcionado na análise com ________________ ________ e pouco ____________ das informações.

Answer 160

MOLAP é mais indicado para Data Marts, em que os dados são mais específicos e o aplicativo será direcionado na análise com dimensionalidade limitada e pouco detalhamento das informações.

Question 161

PARA FIXAR

Question 162

O que significa o grão em Tecnologia da Informação?

Answer 162

O grão é o menor nível da informação

Question 163

Quando falamos de menor granularidade, menor grão ou granularidade fina, significa:

Answer 163

maior detalhamento dos dados (menor sumarização).

Question 164

Quando falamos de maior granularidade, maior grão ou granularidade grossa, significa:

Answer 164

menor detalhamento (maior sumarização).

Question 165

Granularidade e o detalhamento são conceitos ____________ proporcionais.

Answer 165

Granularidade e o detalhamento são conceitos inversamente proporcionais.

Question 166

Ao nível de sumarização dos elementos e de detalhes disponíveis nos dados em um DW dá-se o nome de:

Answer 166

granularidade.

Question 167

Em uma reunião técnica sobre a construção de um data mart de vendas de uma empresa, discute-se o nível de detalhamento dos dados dentro do banco de dados.
Essa característica é conhecida como:

Answer 167

granularidadade.

Question 168

Quais são as seis operações OLAP?

Answer 168

• Roll Up
• Drill Down
• Drill Across
• Drill-Through
• Slice and Dice
• Pivot

Question 169

A operação de Drill Down permite a navegação entre os níveis de dados que vão desde o mais ___________ até o mais _________.

Answer 169

A operação de Drill Down permite a navegação entre os níveis de dados que vão desde o mais sumarizado até o mais detalhado.
Quando você pensarem nessa operação, lembrem-se que Down = Para baixo. Dessa forma, você vai aumentar o nível de detalhes, descendo na hierarquia das dimensões e reduzindo a granularidade.

Question 170

Uma funcionalidade típica em um sistema de Data Warehouse permite a visualização dos dados em várias dimensões diferentes. Assinale a alternativa que apresenta a funcionalidade pré-programada que permite níveis diferentes de detalhe dos dados não revelados.

a) Roll-up
b) Drill-down
c) Pivô
d) Slice

Answer 170

b) Drill-down

A questão pede a alternativa que apresenta a funcionalidade pré-programada que permite níveis diferentes de detalhe dos dados não revelados. Logo, podemos inferir que se trata do Drill-Down, em que vamos descobrir detalhes em um nível menor de granularidade. Se a questão tivesse mencionado “níveis diferentes de sumarização dos dados não revelados” poderia ser Roll-Up.

Question 171

Em que tipo de funcionalidade das aplicações OLAP, os dados são visualizados com níveis crescentes de detalhamento?

Answer 171

Drill-down.

Question 172

PARA FIXAR

Exemplo de Drill Down: Note que o tempo estava marcado como QUARTER (quadrimestre) e aumentou seu detalhamento quando saiu de de quarter para meses que possui maior quantidade.

Question 173

A operação de Roll Up permite a navegação entre os níveis de dados que vão desde o mais _________ até o mais __________.

Answer 173

A operação de Roll Up permite a navegação entre os níveis de dados que vão desde o mais detalhado até o mais sumarizado.
Quando você pensarem nessa operação, lembrem-se que Up = Para cima. Dessa forma, você vai reduzir o nível de detalhes, subindo na hierarquia das dimensões e aumentando a granularidade

Question 174

Quando um usuário visualiza dados em um modelo OLAP e aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação, ele está usando a funcionalidade:

Answer 174

Roll-up.

Question 175

CERTO OU ERRADO:

Ao explorar um data warehouse por meio de uma ferramenta OLAP, o analista pode executar as operações de drill down e drill up, que, respectivamente, aumentam e reduzem o nível de granularidade dos dados.

Answer 175

ERRADO! A assertiva inverteu. Drill down diminui a diminui a granularidade e o drill up aumenta o nível de granularidade.

Question 176

PARA FIXAR

EXEMPLO DE ROLL UP (DRILL UP): Note que o tempo estava marcado como QUARTER (quadrimestre) e diminuiu seu detalhamento quando saiu de meses para quarter, sumarizando o tempo.

Question 177

A Operação Drill-Across permite ao usuário pular um nível _____________ dentro de uma mesma ________.

Answer 177

A Operação Drill-Across permite ao usuário pular um nível intermediário dentro de uma mesma dimensão.
ex: a dimensão é uma localização composta por bairro, cidade, estado e país, e o usuário pula de bairro para país

Question 178

Kimball utiliza outra definição totalmente diferente sobre operação Drill-Across que afirma que esta operação serve realizar consultas que envolvem:

Answer 178

mais de uma tabela fato.

Question 179

ATENÇÃO

Drill Through possui DUAS DEFINIÇÕES. As duas são do mesmo conceito mas é preciso ficar atento.

Question 180

A Operação Drill-Through permite atravessar de uma informação contida em uma ________ para uma informação contida em _____ ________.

Answer 180

A Operação Drill-Through permite atravessar de uma informação contida em uma dimensão para uma informação contida em outra dimensão.
Exemplo: sendo uma dimensão tempo e outra localização, seria atravessar de mês para cidade

Question 181

OLAP (Online Analytical Procesing), o conjunto de ferramentas que possibilita efetuar a exploração dos dados de um Data Warehouse, utiliza quatro tipos de operação para analisar dados. Uma dessas operações ocorre quando o usuário passa de uma informação contida em uma dimensão para outra dimensão. Trata-se da operação:

Answer 181

Drill Through.

Question 182

PARA FIXAR

Question 183

Outra definição de Drill Through afirma que essa operação permite que o usuário exiba, em _____ __ ________, os detalhes dos dados ___ ___________ a partir do modelo ________________.

Answer 183

Outra definição de Drill Through afirma que essa operação permite que o usuário exiba, em tempo de consulta, os detalhes dos dados não sumarizados a partir do modelo multidimensional.
Lembra que nós temos um cubo de dados no modelo multidimensional, certo? Pois é, esses cubos podem representar os dados em um nível de granularidade baixo ou alto, dependendo do nível de sumarização utilizado (Ex: visualizar dados por país ou por município). Agora imagine que você possui uma visualização no menor nível de granularidade do cubo, mas ainda precisa descer mais ainda o nível para buscar dados mais detalhados. Nesse caso, você pode utilizar a operação Drill Through. Por que? Porque ela permitirá que você capture dados na base de dados transacional (aquela que geralmente é relacional) que deu origem a esses dados sumarizados do cubo de dados. Logo, quando eu parto de um nível superior do modelo dimensional e vou até as tabelas do modelo transacional para acessar dados mais detalhados que foram a origem para os dados do cubo, eu estou utilizando o Drill Through.

Question 184

A Operação Slice permite ao usuário recuperar um ___________ de uma matriz ________________ fixando/selecionando o _____ de uma de suas _________.

Answer 184

A Operação Slice permite ao usuário recuperar um subconjunto de uma matriz multidimensional fixando/selecionando o valor de uma de suas dimensões.
É como se fatiássemos um cubo fixando apenas uma dimensão (como uma fatia de bolo) –lembrando slice é fatiar, em inglês

Question 185

PARA FIXAR

SLICE: No exemplo
da imagem, nós fatiamos o cubo fixando apenas a dimensão Tempo como Q1, de forma que recuperamos um subconjunto de localização e veículos.

Question 186

A Operação Dice permite ao usuário recuperar um ____________ de uma matriz ________________ fixando/selecionando valores de ____ __ ___ _________.

Answer 186

A Operação Dice permite ao usuário recuperar um subconjunto de uma matriz multidimensional fixando/selecionando valores de mais de uma dimensão.
Dice é dado, em inglês – portanto é como se gerássemos um minicubo a partir de um cubo maior

Question 187

PARA FIXAR

EXEMPLO DICE: No exemplo da imagem, escolhemos as localizações: Delhi e Kolkata; os períodos: Q1 e Q2; e os veículos: Car e Bus. Muitas vezes, pode ocorrer uma mudança de perspectiva de visão nessa operação!

Question 188

QUESTÃO DE PROVA

Entre as ferramentas OLAP, duas operações são utilizadas para realizar navegação por meio de dados na visualização de um cubo. Uma é a operação que corta o cubo, mas mantém a mesma perspectiva de visualização de dados, enquanto outra representa a extração de um “subcubo” e muda a perspectiva de visão. Essas operações são denominadas, respectivamente:

a) dice e join
b) slice e dice
c) raster e slice
d) join e stream
e) stream e raster

Answer 188

b) slice e dice

Question 189

Slice em Dice trata-se da redução do ______ dos dados em análise, além da mudança de ordem das _________ e consequentemente da __________ de acordo com a qual os dados são ____________.

Answer 189

Slice em Dice trata-se da redução do escopo dos dados em análise, além da mudança de ordem das dimensões e consequentemente da orientação de acordo com a qual os dados são visualizados.

Question 190

A operação PIVOT permite ao usuário realizar uma alteração de uma __________ ou __________ ___________ para outra. Uma vez que gira a visão atual para obter uma nova visão da representação, é conhecida como _____________ ou _______.

Answer 190

A operação PIVOT permite ao usuário realizar uma alteração de uma hierarquia ou orientação dimensional para outra. Uma vez que gira a visão atual para obter uma nova visão da representação, é conhecida como pivoteamento ou rotação.
Ex: inverter as dimensões entre linhas e colunas

Question 191

PARA FIXAR

PIVOTE: No subcubo obtido após a operação de fatia (slice), é possível observar que a execução da operação de pivoteamento nos fornece uma nova visão da mesma fatia.

Question 192

QUESTÃO DE PROVA

Observe as seguintes figuras que ilustram uma operação OLAP em que a exibição dos dados foi modificada da Visão A para a Visão B.
Para alterar a perspectiva de análise dos dados da Visão A para a Visão B, deve-se executar qula operação OLAP?

Answer 192

PIVOT é a operação para alterar a perspectiva de uma visão para outra.

Question 193

Edgar Frank Codd definiu 12 regras fundamentais para um aplicativo do tipo cubo
multidimensional:

Answer 193

1) Dimensionalidade Genérica: Cada dimensão deve ser equivalente na sua estrutura e capacidade de operacionalidade.
2) Suporte a multiusuários: As ferramentas OLAP devem fornecer acesso simultâneo à recuperação e atualização, integridade e segurança.
3) Conceito de Visão Multidimensional: A visão multidimensional dos dados permite, uma manipulação simplificada e intuitiva dos dados, uma vez que inclui a ferramenta Slice and Dice.
4) Transparência: A aplicação do tipo cubo tem que ser apresentada de forma transparente para o utilizador final, porque ela é crucial para preservar a produtividade de informações de boa qualidade.
5) Acessibilidade: O utilizador final não deve ter nenhuma preocupação com a fonte de dados, devendo pelo contrário a aplicação OLAP aceder e disponibilizar, somente os dados necessários para a análise indicada.
6) Desempenho consistente de relatórios: O desempenho da ferramenta OLAP não deve ser afetado significativamente à medida que o número de dimensões é aumentado.
7) Arquitetura cliente/servidor: O servidor da ferramenta OLAP deve ter a capacidade de poder ser usado por vários utilizadores.
8) Tratamento dinâmico de matriz esparsa: A estrutura física servidores OLAP deve ter um tratamento ótimo para matriz esparsa. Considera-se matriz esparsa aquela em que nem todas as células na matriz contêm dados.
9) Operações de cruzamento dimensional irrestritas: Na análise de dados multidimensional, todas as dimensões são criadas e tratadas de igual modo.
10) Manipulação de dados intuitiva: Qualquer manipulação de dados inerente ao caminho de consolidação de dados deve ser realizada através de uma ação direta nas células do modelo analítico, e não devem exigir o uso de um menu ou navegação pela interface do utilizador.
11) Relatórios flexíveis: A função de gerar relatórios deve poder apresentar os dados a serem sintetizados ou as informações resultantes da animação do modelo de dados em todas as orientações possíveis.
12) Níveis de dimensões e agregações ilimitados: A recomendação é que uma ferramenta OLAP possa acomodar várias dimensões, num modelo analítico e agregações de factos ilimitados.