SóProvas

Questões de DataMart

ID
74665
Banca
FCC
Órgão
TRT - 21ª Região (RN)
Ano
2003
Provas
Disciplina
Banco de Dados
Assuntos

Um banco de dados organizado em estruturas lógicas dimensionais cujas informações são voltadas para o processo decisório e para áreas específicas denomina-se

Alternativas
Comentários
  • Os data marts são construídos para responder prováveis perguntas de um tipo específico de um tipo de usuário. Por exemplo, um data mart financeiro poderia armazenar informações consolidadas dia a dia para um usuário gerencial e em periodiciades maiores (semana, mês, ano) para um usuário no nível da diretoria.
  • Palavra chave da pergunta da questão: "ÁREAS ESPECÍFICAS".Sem esse termo poderia ser o DW, DM..
  • Um data mart é um pequeno data warehouse que fornece suporte à decisão de um pequeno grupo de pessoas.
    As diferenças entre data mart e data warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido.
    Enquanto um data mart trata de um problema departamental ou local, um data warehouse envolve o esforço de toda a empresa para que o suporte à decisões atue em todos os níveis da organização.
    Os data marts atendem às necessidades de unidades específicas de negócios, ao invés das da corporação como um todo. Eles otimizam o fornecimento de informações de suporte à decisões e focam a gerência sumarizada e/ou dados exemplificativos ao invés do histórico de níveis atomizados.
    Os data marts têm o escopo mais limitado e são mais identificados com grupos de necessidades dos usuários, o que se traduz em esforço/equipe concentrados.

    fonte: http://www.infobras.com.br/portugues/produtos_conceito_datamart.asp

  •  c)data mart.

    Falou em dimensões, pensou data mart. date warehouse é o repositorio com tudo, data mart contém dados por tópico. Data mart é organisado por tema e tem mais detalhes do que data warehouse. Data mining significa tecnicas de coleta de info acerca dos clientes para melhorar ofertar productos enquanto business intelligence é um sistema de tomada de decisões estrategicas

     

  • Retificando o comentário anterior: o que faz pensar em Data Mart são as "áreas específicas".

  • falou em áreas específicas, falou em DM.

ID
147370
Banca
FCC
Órgão
SEFAZ-SP
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

Se uma empresa de grande porte, com alto volume de transações e informações, resolver iniciar um projeto usando o conceito de Data Mart (DM) em vez de Data Warehouse (DW), independentemente disso ser ou não a melhor opção, os fatores que a levam a tal decisão podem ser justificados por:

I. Possibilidade de extrair e preparar os dados diretamente de fontes de interesse específicas, fornecendo acesso mais rápido pela não necessidade de sincronia com dados de outras fontes.
II. Menor risco quanto ao sucesso do projeto.
III. Necessidade imediata de informações organizacionais integradas.

Está correto o que consta em

Alternativas
Comentários
  • I. Possibilidade de extrair e preparar os dados diretamente de fontes de interesse específicas, fornecendo acesso mais rápido pela não necessidade de sincronia com dados de outras fontes.  - Quando falamos de fontes específicas de interesse não tratamos de data warehouses(DW), pois estes são genéricos e abrangem a organização como um todo e não uma entidade específica de acordo com seu interesse.   II. Menor risco quanto ao sucesso do projeto.   - Os data marts(DM) em si são uma solução menos onerosa que os DW, pois não precisa dar suporte para a organização como um todo, mas apenas um setor desta.   III. Necessidade imediata de informações organizacionais integradas. - Este conceito se aplica a DW, os DM não precisam tratar informações organizacionais integradas, mas apenas pequenas partes da organização.

     

  • A abordagem descrita no enunciado é a opção pela implementação bottom-up, ou seja, da criação inicial de datamarts independentes para então criar o datawarehouse. 

    I. Possibilidade de extrair e preparar os dados diretamente de fontes de interesse específicas (1), fornecendo acesso mais rápido pela não necessidade de sincronia com dados de outras fontes (2).

    (1) - Com a criação de datamarts setoriais a informação pode ser extraida diretamente desse datamarts.
    (2) - Com um datawarehouse toda a informação pessa pelo processo de ETL e é armazenada em um BD, portanto nesse caso de um datamart independente a informação não precisa ser tratada, ela pode ser obtida diretamente de um datamart.

    II. Menor risco quanto ao sucesso do projeto. 

    O projeto de implantação top-down que é a criação de um datawarehouse (antes dos datamarts) é um projeto longo que em média varia de 15 meses para mais exigindo alto grau de ivestimento e apoio politíco para o sucesso do projeto . Os resultado desse projeto não são inicialmente perceptiveis para o usuário como no caso da criação de um datamart em que o processo de criação é mais rápido.
    Com essas infromações pode-se presumir que o risco nessa abordagem é menor.

    III. Necessidade imediata de informações organizacionais integradas.
    Nessa abordagem as informações não estão integradas, elas são datamarts independentes que vão resultar em um datawarehouse integrado.
ID
150373
Banca
FCC
Órgão
TJ-PA
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

As principais distinções entre um data mart e um data warehouse são as de que um data mart é

Alternativas
Comentários

  •  Os Data Marts são construídos para responder prováveis perguntas de um tipo específico de usuário (especializado) e com o decorrer do tempo é necessário responder a outras perguntas (volátil).

  • Essa questão foi discutida aqui: http://br.groups.yahoo.com/group/timasters/message/15081

    A conclusão é que o Datamart é volátil pois o autor Date o considerou desta forma:

    "O Date realmente considera o Data mart é volátil
    Pg 603 " ...um data mart é especializado e volátil...". E ainda grifou para
    destacar."

    "Por especializado entende-se que o datamart (ferramenta OLTP) possui uma
    estrutura baseada em um ambiente, tema, situação, área, setor ou aplicação
    específica, enquanto o DW (ferramenta OLAP) se baseia em várias fontes de
    diversas aplicações, fontes e situações para facilitar um suporte a decisão
    gerencial.Por volátil, entende-se que os dados do datamart são alterados
    frequentemente, enquanto os do DW, por guardarem histórico, só são alterados
    quando uma carga foi feita de forma errada, mas não freqüentemente como em
    um data mart (que é baseado em aplicações)."
  • "Data Warehouse é um banco de dados orientado por assunto, integrado, não volátil e histórico, criado para suportar o processo de tomada de decisão."

  • Lembrando que segundo a corrente majoritaria os Data Mart`s não sao voláteis, assim como os dataware houses

ID
171730
Banca
CESPE / CEBRASPE
Órgão
Banco da Amazônia
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Os data warehouses são sistemas computacionais que armazenam
os dados corporativos de forma consolidada, disponibilizando
informações com maior eficiência, consistência e segurança para a
tomada de decisão dos gestores. Acerca dos data warehouses,
julgue os itens que se seguem.

Um data mart é uma reunião de vários data warehouses, a fim de fornecer visão mais ampla dos dados.

Alternativas
Comentários

  •  

    errado

    Data mart (repositório de dados) é sub-conjunto de dados de um Data warehouse (armazém de dados). Geralmente são dados referentes a um assunto em especial (ex: Vendas, Estoque, Controladoria) ou diferentes níveis de sumarização (ex: Vendas Anual, Vendas Mensal, Vendas 5 anos), que focalizam uma ou mais áreas específicas. Seus dados são obtidos do DW, desnormalizados e indexados para suportar intensa pesquisa. Data marts extraem e ajustam porções de DWs aos requisitos específicos de grupos/departamentos.

    As questões de planejamento, projeto e implementação são as mesmas encontradas em qualquer fase da implementação de um DW, pois uma parte dos especialistas argumenta que o DW é uma evolução natural de um Data mart que começou localizado e cresceu para atender um escopo maior. Essa visão tem defesa menos técnica e mais intuitiva do que sua contra-parte: o Data mart é criado a posteriori do DW, pois ele seria montado com dados extraídos do DW para atender especificamente um setor da organização..

    Numa visão comparativa dos dados, onde consideramos os requisitos escopo, integração, tempo, agregação, análise e dados voláteis, percebemos que a diferença está no escopo, pois enquanto o DW é feito para atender uma empresa como um todo, o data mart é criado para atender um sub-conjunto da empresa. Repare que atender um sub-conjunto da empresa pode significar reunir dados de outros setores, já que, na prática, raramente um único setor possui ou gera toda informação que precisa. Vem dessa observação a defesa da tese de que o Data mart é construído após o DW.

    Não se pode dizer que um Data warehouse é um conjunto de Data marts. Seria o mesmo que dizer que o armazém geral de um supermercado, onde todos os itens vão antes de seguir para as lojas, é o agrupamento de supermercados.

  • Exatamente o contrário

  • Gab: E

    Um data mart é uma reunião de vários data warehouses, a fim de fornecer visão mais ampla dos dados (E)

    .

    Um data warehouses é uma reunião de vários data marts, a fim de fornecer visão mais ampla dos dados. (C)

  • Cuidado com o comentário do Guilherme Oliveira. Mesmo com a correção que ele fez a sentença continua errada.
    Um Data Mart é um subconjunto de um Data Warehouse, fornecendo uma visão mais restrita e departamental dos dados.

  • Na verdade, um Data Mart é um subconjunto de um Data Warehouse, fornecendo uma visão mais restrita e departamental dos dados. De outro lado, não se pode dizer que um Data Warehouse é um conjunto de Data Marts – seria o mesmo que dizer que o depósito de um supermercado, onde todos os itens estão antes de seguirem para as lojas, é um agrupamento de supermercados.

    Gabarito: Errado

    Fonte: estratégia

  • ERRADO

    Pelo contrário.

    O Data Mart é um subconjunto do DW.

  • Gabarito: errado

    CESPE - 2012 - TJ-AC - Analista Judiciário - Análise de Sistemas

    Por meio de um data mart, que é um subconjunto do data warehouse, é possível criar uma visão personalizada dos dados. (CERTO)

ID
191818
Banca
CESGRANRIO
Órgão
ELETROBRAS
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Um data mart do departamento de vendas de uma grande empresa possui uma tabela fato com cinco métricas associadas a oito diferentes dimensões. O analista de TI está em dúvida sobre que modelagem utilizar. Considerando-se as opções snowflake e star schema, qual a desvantagem de se utilizar, nessa situação, a modelagem snowflake?

Alternativas
Comentários
  • Segue link com material muito interessante para quem se interessar

    http://projetos.inf.ufsc.br/arquivos_projetos/projeto_823/080702%20-%20TCC%20Miguel%20Nuno.pdf

    Bons estudos.
    •  b) Uma maior quantidade de joins entre as tabelas de dimensões e as tabelas de hierarquia associadas será realizada, ocasionando queda de desempenho no processo de agregação das métricas.
    Devido a Normalização ( Eliminação de redundâncias que causa diminuição no armazenamento dos dados do DW)  as consultas terão que combinar essas tabelas , de fatos e de hierarquia de dimensões, para construir o cubo de dados, de forma que essas junções vão inevitavelmente diminuir o desemprenho do DW.
     
  • É questionado qual desvantagem de usar a modelagem snowflake.  Uma delas seria: 
    "
    O Modelo Floco de Neve (Snow Flake) reduz o espaço de armazenamento dos dados dimensionais mas acrescenta várias tabelas ao modelo, deixando-o mais complexo e tornando mais difícil a navegação pelos softwares que utilizam o banco de dados.
    Um outro fator é que é necessário utilizar mais tabelas para executar uma consulta, então mais JOINS de instrução SQL são feitos, tornando o acesso aos dados mais lento do que no modelo estrela.
    "

  • a) A modelagem star schema não contempla a possibilidade de armazenamento de atributos para cada dimensão, minimizando a quantidade de memória utilizada.
    Errado. O modelo starschema eh o q mais consome espaço, pois é não normalizado(e ha muita informação redundante). O outro erro da questao eh q em cada dimensao ha atributos. Alias, essa afirmativa nem faz sentido, pois sabemos q cada dimensao se relaciona com um fato e isso so ja exige um atributo - o atributo chave.
    b)Uma maior quantidade de joins entre as tabelas de dimensões e as tabelas de hierarquia associadas será realizada, ocasionando queda de desempenho no processo de agregação das métricas.
    Correta. [1] afirma q o modelo starschema tem grande ganho de desempenho em relação ao snowflake, pois mesma q haja redundancia, ela fica compensada pelas reduções dos comandos joins, comando esse necessario no modelo snowflake, pelo fato de este estar normalizado - dividido em varias tabelas hierarquicamente relacionadas.
    c)As chaves estrangeiras, relativas às dimensões armazenadas na tabela fato, devem corresponder às hierarquias existentes nessas dimensões, ocasionando maior quantidade de registros na tabela fato.
    Errada. Na verdade, deve apontar para o nivel mais baixo da hierarquia. Imagine a dimensão tempo, com "dia, mes e ano". No starschema esta hierarquia estará em uma única tabela de dimensão, e fica como se a tabela de fatos estivesse ligada ao nível mais baixo da hierarquia, "dia".
    Já no snow flake, a hierarquia será representada por diferentes tabelas, mas a tabela "fatos" estará também ligada ao nível mais baixo, ou seja, "dia"(fatos terá como chave estrangeira a chave primária da tabela dia; dia terá como chave estrangeira a chave primária da tabela mês, e esta terá com chave estrangeira a chave primária da tabela de ano.
    d)Na modelagem snowflake, a manutenção dos dados dimensionais se torna mais dispendiosa, tendo em vista que as tabelas dimensionais não estão normalizadas.
    Pegue essa afirmativa e inverta-a totalmente e ela ficará correta. Nesse tipo de modelagem, a manutenção é mais barata, pois, segundo[1], o modelo snowflake eh o resultado da aplicacao da 3FN sobre as entidades dimensao, preservando a utilização dos  meios de armazenamento(como ele eh normalizado, evita a redundancia de valores textuais em uma tabela).
    e)Diferentemente da modelagem star schema, na modelagem snowflake, as chaves estrangeiras na tabela fato não apontam para o nível mais baixo (atômico) da hierarquia das dimensões associadas

    Errada. Como explicado na alternativa "C", o starschema não esta normalizado, ficando toda a hierarquia numa so tabela, resultando na "ligação direta" entre a tabela fatos e a dimensao da hierarquia mais baixa.

    Fontes:
    [1] Bi2: Business Intelligence, Palestino, carlos, Ed. Elsevier.

  • Resumo dos esquemas para estudar

    O Modelo Floco de Neve (Snow Flake) reduz o espaço de armazenamento dos dados dimensionais mas acrescenta várias tabelas ao modelo, deixando-o mais complexo e tornando mais difícil a navegação pelos softwares que utilizam o banco de dados. Um outro fator é que é necessário utilizar mais tabelas para executar uma consulta, então mais JOINS de instrução SQL são feitos, tornando o acesso aos dados mais lento do que no modelo estrela.

     

    O Modelo em Estrela (Star Schema) é mais simples e mais fácil de navegação pelos softwares, porém desperdiça espaço devido à repetição das mesmas descrições ao longo de toda a tabela. Análises feitas mostram que o ganho de espaço normalizando este esquema resulta em um ganho menor que 1% do espaço total no banco de dados, e como os custos do espaço em banco de dados são reduzidos quando comparados com outros este problema não é considerado crítico ou muito relevante pelos arquitetos dos Data Warehouses. Assim sendo existem outros factores mais importantes para serem avaliados para redução do espaço em disco como a adição de agregados e alteração na granularidade dos dados, que o esquema em estrela consegue responder com muito sucesso.

ID
205480
Banca
FEPESE
Órgão
SEFAZ-SC
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Assinale a alternativa correta a respeito de Data Warehouse (DW) e modelagem multidimensional.

Alternativas
Comentários

  • a) Um esquema multidimensional, composto por fatos e dimensões, não pode ser modelado em um banco de dados relacional.

    ERRADO. Existem bancos ROLAP que implementam OLAP em bancos relacionais


    b) Uma dimensão definida em uma modelagem multidimensional deve estar associada a um único fato.

    "Uma dimensão é dita conformada quando pode ser compartilhada por duas ou mais tabelas de fatos"

    .http://periodicos.uem.br/ojs/index.php/ActaSciTechnol/article/viewFile/3099/2225


    c) Operações OLAP podem ser executadas tanto para fins analíticos quanto para fins de atualização de dados.

    ERRADO. OLAP são operações de consulta e análise.


    d) O volume de dados de um DW geralmente é superior ao volume de dados de um BD transacional.

    CORRETO.
    e) Um Data Mart é um componente de um DW que não possui dados históricos.

    DATAMART possui dados históricos, poderém voláteis.

  • Apenas para complementar a resposta do leoh leoh, que em si já está muito boa, temos uma explicação bem fácil e conceitual para a opção b):

    b) Uma dimensão definida em uma modelagem multidimensional deve estar associada a um único fato.

    Existe na modelagem multidimensional o conceito de Constelação de Fatos: "é um conjunto de tabelas de fatos que compartilham algumas tabelas de dimensão"[1]. Então, podemos afirmar que a opção b) é FALSA.

    [1] ELSMARI - NAVATHE, Sistema de Banco de Dados, 4ª edição, 2008.

  • Prezados,

    Quando tratamos de um DW , normalmente temos um volume de dados maior que o banco de dados transacional , visto que o DW é projetado para consultas e análises , que demandam mais dados, enquanto o sistema transacional é projetado para suportar o negócio com performance adequada.

    Portanto a alternativa correta é a letra D

ID
226315
Banca
CESGRANRIO
Órgão
EPE
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

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

Alternativas
Comentários
  • - granularidade: qto mais detalhe, menor o nivel de granularidade

  • Granulariedade pode ser FINA -> Maior detalhamento de dos dados (menor sumarização)

    Grossa -> Menor detalhamento (Maior sumarização)

    Bizu-> granularidade e o detalhamento são conceitos inversamente proporcionais.

    Fonte: Estratégia Concursos

  • Granularidade de dados

    - A granularidade refere-se ao nível de sumarização dos elementos e de detalhes disponíveis nos dados.

    - Quanto mais detalhe existir mais baixo será o nível de granularidade;

    - Quanto menos detalhes existir, mais alto será o nível de granularidade;

    Alternativa: E

  • aprendi com um colega aqui do QC e não me recordo mais de quem era, mas ele ensinou assim:

    pense que você tem um bolo e que quanto + GRANULADO jogar no bolo, - DETALHES do bolo você verá.

    e quanto - GRANULADO jogar no bolo, +DETALHES sobre ele, você poderá ver.

    kkkkkkk quando se fala de comida, não tem como não guardar :ddd

  • GAB: E

    Resposta bem intuitiva.

    Detalhamento = grãos

ID
321106
Banca
CESPE / CEBRASPE
Órgão
Correios
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de soluções de suporte a decisão, julgue os itens seguintes.

As ferramentas de software ETL (extract transform load) têm como função a extração de dados de diversos sistemas, a transformação desses dados de acordo com as regras de negócio e a carga dos dados em um data mart ou um DW.

Alternativas
Comentários
  • ETL, do inglês Extract Transform Load (Extração Transformação Carga), são ferramentas de software cuja função é a extração de dados de diversos sistemas, transformação desses dados conforme regras de negócios e por fim a carga dos dados em um Data Mart ou um Data Warehouse.

    O processo de Extração, Transformação e Carga (Extract, Transform, Load – ETL) é um processo que envolve:

    • Extração de dados de fontes externas
    • Transformação dos mesmos para atender às necessidades de negócios
    • Carga dos mesmos no Data Warehouse (DW)

    O ETL é importante, pois é a forma pela qual os dados são efetivamente carregados no DW.


  • Data mart (repositório de dados) é sub-conjunto de dados de um Data warehouse (armazém de dados). Geralmente são dados referentes a um assunto em especial (ex: Vendas, Estoque, Controladoria) ou diferentes níveis de sumarização (ex: Vendas Anual, Vendas Mensal, Vendas 5 anos), que focalizam uma ou mais áreas específicas.

  • Lembrando que o processo de ETL (Extract, Transform and Load) é o processo MAIS CRÍTICO e MAIS DEMORADO na construção de um Data Warehouse, pois consiste na extração dos dados de bases heterogêneas, na transformação e limpeza destes dados, e na carga dos dados na base do DW. Já vi questões afirmando que o DW é um processo mais demorado que o processo ETL , o que não é verdade.

  • (C)

    ETL, Essa sigla significa Extração, Transformação e Carga (em inglês Extract, Transform and Load) e trata da sistematização do tratamento e limpeza dos dados oriundos dos diversos sistemas organizacionais.

    CESPE / ETL

    ETL indica um processo de extração e transformação de dados em um data warehouse.(C)

ID
359746
Banca
CETAP
Órgão
DETRAN-RR
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Sobre Sistemas de Apoio à Decisão, leia os enunciados seguintes e marque a alternativa CORRETA:

I- O termo Business Inteligence (BI) nada mais é que uma série de conceitos e metodologias para auxiliar na tomada de decisões estratégicas nas empresas através principalmente de geração de relatórios gerenciais analíticos;

II- Um Data Warehouse é um banco de dados multidimensional grande, de escopo organizacional (ou seja, abrange toda a empresa) e reúne dados de todos os departamentos de forma a permitir a busca rápida de informações para auxiliar a tomada de decisões estratégicas;

III- Um Data Mart é um banco de dados multidimensional de escopo departamental, ou seja, abrange apenas um determinado departamento;

IV- Data Mining (Mineração de dados) é o termo usado para definir uma série de procedimentos, técnicas e ferramentas para recuperar e analisar dados de um Data Warehouse ou Data Mart;

V- Nos Sistemas de Apoio à Decisão é comum desnormalizar os dados para atingir uma melhor performance nos Data Mart e Data Warehouse.

Alternativas
Comentários

  • (I) Correto. São conceitos e metodologias, auxiliam na tomada de decisões estratégicas, ajudam a

    geração de relatórios gerenciais analíticos;

    (II) Correto. DW é realmente um banco de dados multidimensional, possui escopo organizacional e

    permite a busca rápida de informações para auxiliar a tomada de decisões estratégicas;

    (III) Correto. DM também é um banco de dados multidimensional, mas realmente possui um escopo

    departamental;

    (IV) Correto. Essa definição está tão genérica que eu acredito que ela poderia ser tanto para

    Mineração de Dados quanto para OLAP;

    (V) Correto. Desnormalizar é manter dados redundantes no banco de dados. Sistemas de Apoio à

    Decisão realmente desnormalizam dados para melhorar o desempenho de DW ou DM.

  • SAD - CETAP - TI

ID
400000
Banca
CESPE / CEBRASPE
Órgão
Correios
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de datawarehouse (DW) e datamining, julgue os próximos
itens.

Considere que, em uma organização que mantenha uma solução de DW, haja grande quantidade de dados para serem manipulados e que uma nova área criada dentro dessa organização necessite acessar parte dos dados desse DW.
Nessa situação, seria adequada a implementação de um datamart específico para essa nova área.

Alternativas
Comentários
  • O termo Datamart (literalmente, loja de dados) designa um subconjunto do datawarehouse que contém os dados do datawarehouse para um sector específico da empresa (departamento, direcção, serviço, gama de produto, etc.). Fala-se assim, por exemplo, de DataMart Marketing, DataMart Comercial,…

    Fonte: http://pt.kioskea.net/contents/entreprise/datawarehouse-datamart.php3

  • "Considere que, em uma organização que mantenha uma solução de DW, haja grande quantidade de dados para serem manipulados e que uma nova área criada dentro dessa organização necessite acessar parte dos dados desse DW. Nessa situação, seria adequada a implementação de um datamart específico para essa nova área."

    Precisa de um datamart novo só para acessar dados?

    Para mim o datamart era usado para sumarizar e integrar dados de uma nova área, não acessar dados de um dataware house já consolidado.

  • Eu não me conformo com essa questão. Para que uma nova área possa ACESSAR dados de um datawarehouse não é necessário ou adequado a criação de um datamart para essa área, é necessária PERMISSÃO de acessos aos dados. Compreendo que caso fosse decisão estratégica a coleta de dados dessa nova área então sim seria necessária a criação de um datamart específico para tratar dos assuntos dessa área. Mas, enfim, a banca manda a gente obedece... Só para manifestar minha indignação. 

  • CERTO

    Enquanto o Data Mart trata de um problema departamental ou local, um (Data Warehouse) envolve o esforço de toda a empresa para que o suporte a decisões atue em todos os níveis da organização. Sabendo-se as diferenças entre escopo e tamanho, o desenvolvimento de um (Data Warehouse) requer tempo, dados e investimentos gerenciais muito maiores que um (Data Mart).

    FONTE: QC

  • Gabarito: certo

    - outra questão:

    ## CESPE - 2012 - TJ-AC - Analista Judiciário - Análise de Sistemas

    Por meio de um data mart, que é um subconjunto do data warehouse, é possível criar uma visão personalizada dos dados. (CERTO)

  • CERTO

    Data Mart (DM): trata-se de um subconjunto de dados de um Data Warehouse.

ID
450025
Banca
FGV
Órgão
MEC
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

OLAP (On-line Analytical Processing) é a capacidade para manipular e analisar um largo volume de dados sob múltiplas perspectivas. É encontrado na teoria de bancos de dados utilizada para apoiar as empresas na análise de suas informações, visando transformar dados em informações capazes de dar suporte às decisões gerenciais de forma amigável, flexível ao usuário e em tempo hábil. Nesse contexto, analise as afirmativas a seguir:
I. No OLAP, as informações são armazenadas em cubos multidimensionais, que gravam valores quantitativos e medidas, permitindo visualização por meio de diversos ângulos. II. A arquitetura de ferramentas OLAP obedece a uma estrutura cliente/servidor multiusuário.
III. As ferramentas OLAP surgiram juntamente com os Sistemas de Apoio à Decisão para fazerem a consulta e análise dos dados contidos nos Data Warehouses e Data Marts.
Assinale:

Alternativas
Comentários
  • Corrigindo o comentário anterior:
    A questão está correta, mas não está bem escrita.
    O item I deveria mensionar que as ferramentas OLAP acessam dados amazenado em uma estrutura de cubo...


  • Discordo que a questão esteja errada. Contradizendo as propostas do colega acima:

    a) Uma arquitetura OLAP possui três componentes principais: um modelo de negócios para análises interativas, implementado numa linguagem gráfica que permita diversas visões e níveis de detalhes dos dados; um motor OLAP para processar consultas multidimensionais contra o dado-alvo; e um mecanismo para armazenar os dados a serem analisados.

    b) Os dados guardados em um Data Warehouse são colhidos de forma não-padronizada e sem nenhuma estratégia aparente, para poder interpretar os dados contidos lá, as ferramentas de Data Mining e OLAP são utilizadas, pois é com essas ferramentas é que são decididas o que os dados devem informar. Como o colega falou, as ferramentas de OLAP são de exploração, assim essas ferramentas são capazes de fazer com que um grande conjunto de informação gerar um conhecimento.
  • Pelo que vejo, a questão é verdadeira em todos os itens (letra "E"), pois o modelo multidimensional visa facilitar a compreensão do estruturamento dos dados armazenados tanto para desenvolvedores quanto para os usuários do sistema. Neste tipo de modelo existem quatro elementos: Fatos, dimesões, membros (atributos) e medidas (variáveis). Para facilitar o entendimento, o modelo multidimensional é representado pelo desenho de cubo. (Item I - Correto)

    A funcionalidade OLAP é caracterizada pela análise dinâmica multidimensional dos dados consolidados da corporação, dando suporte às atividades de análise. Não obstante, a funcionalidade OLAP é implementada em um modo cliente/servidor multi-usuário oferecendo rápidas respostas para a consulta, apesar do tamanho e complexidade do banco de dados. (Item II - Correto)

    Por fim, as informações contidas em Datawarehouse e Data Marts não são voláteis, isto é, não se alteram, salvo quando são derivadas de correções de dados previamente carregados. Assim, os dados estão disponívels somente para a leitura e não podem ser alterados. A ferramenta mais popular para a exploração dessas bases é a OLAP, porém muitas outras podem ser usadas. (Item III - Correto)
  • Em I descreve "No OLAP, as informações são armazenadas em cubos multidimensionais, que gravam valores quantitativos e medidas, permitindo visualização por meio de diversos ângulos.". Neste caso não seria "valores quantitativos ou medidas"? Valores quantitativos e medidas não são a mesma coisa? Quando eu li deu a impressão que eram entidades diferentes.

  • discordo do gabarito. Qual é a fonte que afirma que OLAP obedece a arquitetura multiusuário? Na grande maioria dos casos ela é construída para atender multiusuários, mas nada impede que ela seja projetada para monousuário...

    Se a questão afirmasse "II. A arquitetura de ferramentas OLAP obedece GERALMENTE a uma estrutura cliente/servidor multiusuário. " ai tudo bem...

  • I. Perfeito! A alternativa sintetiza alguns benefícios da arquitetura OLAP. As informações são armazenadas em estruturas multidimensionais, que possuem valores de agregação pré-calculados e permitem a navegação através de várias operações (drills, slice and dice, pivot), possibilitando a análise através de diferentes perspectivas. CERTA

    II. A arquitetura cliente-servidor é uma das regras de Codd para OLAP. O processamento deve se dar em um servidor (ou um agrupamento de servidores distribuídos), que tem maior poder de processamento. Os usuários acessam os dados através dos seus terminais, em um lado cliente da aplicação que os permite realizar as operações de navegação e análise. CERTA

    III. As ferramentas OLAP são sistemas de apoio a decisão. É um pouco estranho dizer que “surgiram juntamente com os SADs”, mas não dá pra considerar errado. 

    Sobre o final da assertiva, você tem que ter em mente que as tecnologias OLAP funcionam meio que “por cima” de um DW. Ou seja, o que se faz geralmente é implementar um DW ou data mart através das ferramentas OLAP. Dessa maneira, você tem um DW que pode ser navegado através dos drills, pivot e demais operações. CERTA

ID
813103
Banca
AOCP
Órgão
TCE-PA
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Um Data Mart é

Alternativas
Comentários

  • DATA MART:
    DEFINIÇÃO
    É um subconjunto do Data Warehouse, através dele é possível criar uma visão personalizada dos dados.
    É uma alternativa para os Data Warehouse, devido ao alto custo deles, já que seu uso fica restrito às grandes empresas. O Data Mart é uma versão de menor custo e escala, que é pequeno data Warehouse para ser usado por uma unidade estratégica de negócio ou por um departamento.
     É um pequeno DW. É uma coleção de Assuntos de uma Área, organizado para Apoio à Decisão. São as necessidades de Departamento.
    VANTAGENS DO DATA MART

    •   O custo é baixo
    •   O tempo necessário para sua implementação é considerado menor.
    •   Permite que uma unidade de negócio construa seus próprios sistemas de apoio à decisão, sem depender do departamento central de informática.

    DOIS TIPOS PRINCIPAIS DE DATA MARTS
    1.   Data Marts Replicados(Dependentes)
    2.   Data Mars Independentes

  • Gabarito: E

     

    Um Data Mart é um pequeno Data Warehouse, ou seja,um pequeno armazenamento de dados, que fornece suporte à decisão de um pequeno grupo de pessoas. A diferença entre Data Mart e um Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido.

ID
872698
Banca
CESPE / CEBRASPE
Órgão
TJ-AC
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

No que diz respeito a sistemas de suporte a decisão, julgue os itens subsequentes.


Por meio de um data mart, que é um subconjunto do data warehouse, é possível criar uma visão personalizada dos dados.

Alternativas
Comentários
  • No caso, uma visão personalizada de um departamento da empresa.

  • DATA MART:  - repositório de dados

                           -subconjunto da data warehouse

                           -dados referentes a assunto especial

                           - menos informações que data warehouse

                          

     

  • O Data Mart é considerado um pequeno Data Warehouse - ou um subconjunto/segmentação de um Data Warehouse - que contém dados de uma organização em geral restritos a uma unidade de negócio ou a um processo de negócio específico com a finalidade de dar suporte ao processo decisório da alta direção por meio da criação de uma visão personalizada dos dados. De acordo com Date, trata-se de um repositório especializado e volátil!

    Fonte: Prof. Diego Carvalho - Estratégia

  • Certo

    Para prover aos usuários um acesso rápido e ao mesmo tempo isolá-los dos dados que outros grupos de usuários necessitam, normalmente se usam datawarehouses menores, denominados datamarts. Os datamarts funcionam como interfaces entre os usuários finais e o datawarehouse corporativo, armazenando um subconjunto do datawarehouse e atualizando esses dados periodicamente (por exemplo, diária ou semanalmente). Em geral, o datawarehouse e os datamarts residem em diferentes servidores para melhorar o desempenho e a tolerância a falhas. Os usuários departamentais têm controle sobre os respectivos datamarts, ao passo que o datawarehouse é controlado pela equipe corporativa de sistemas de informação.

    Mannino, Michael V.. Projeto, Desenvolvimento de Aplicações e Administração de Banco de Dados (Página 557).

  • (C)

    Outra igual da CESPE/DATA MART que ajuda a responder:

    Ano: 2015 Banca: CESPE Órgão: DEPEN Prova:DEPEN

    Acerca de datawarehouse e datamining, julgue o item subsequente.

    Datamart é a denominação atribuída a um sistema de dataware que atende a áreas específicas de negócios de organizações e que representa um subconjunto lógico do datawarehouse.(C)

  • Galera, eu sei que não é o foco aqui e eu não quero tumultuar nos comentários, mas o Navathe faz uma comparação interessante entre visões (views) do modelo relacional com o datawarehouse:

    "[...] os data warehouses são diferentes das visões das seguintes maneiras:

    Os data warehouses existem como armazenamento persistente, em vez de serem materializados por demanda.

    Os data warehouses normalmente não são relacionais, mas sim multidimensionais. As visões de um banco de dados relacional são relacionais.

    Os data warehouses podem ser indexados para otimizar o desempenho. As visões não podem ser indexadas independentemente dos bancos de dados subjacentes.

    Os data warehouses caracteristicamente oferecem suporte específico de funcionalidade; as visões, não.

    Os data warehouses oferecem uma grande quantidade de dados integrados e normalmente temporais, em geral mais do que está contido em um banco de dados, enquanto as visões são uma síntese de um banco de dados."

  • GABARITO - CERTO

    https://www.astera.com/pt/type/blog/data-mart-vs-data-warehouse/

    Ótima explicação sobre a diferença entre DATAWAREHOUSE X DATA MART !!!

ID
933151
Banca
CESPE / CEBRASPE
Órgão
SERPRO
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de tecnologias utilizadas em redes de comunicação,julgue os itens de 67 a 78.

Os data marts possuem a mesma estrutura dos data warehouse, O que os diferencia é o tipo da rede em que cada um é utilizado.

Alternativas
Comentários

  • Gab. Errado.

     

    Data Mart: o Data Mart é uma estrutura similar ao do DW, porém com uma proporção menor de informações. Trata-se de um subconjunto de informações do DW que podem ser identificados por assuntos ou departamentos específicos. O conjunto de Data Marts em conformidade dentro da organização compõe o DW.

     

    Data Warehouse: essa é a estrutura propriamente dita de armazenamento das informações decisivas. Apenas os dados com valor para a gestão corporativa estarão reunidos no DW.

     

    Fonte: https://canaltech.com.br/business-intelligence/conhecendo-a-arquitetura-de-data-warehouse-19266/

     

  • Data marts são um tipo de DATA WAREHOUSE com menor abrangência.

    Um data warehouse agrega diversos data marts.

  • GABARITO ERRADO!

    .

    .

    ACRESCENTANDO:

    INMON: No top-down, os dados são armazenados e consultados no DW e posteriormente distribuídos entre os Data Marts. Tem objetivo de atender às necessidades da organização como um todo e não departamentos isolados. O top-down possui visão geral que vai do alto nível ao mais detalhado (ELIAS, 2014).

    A abordagem de Kimball é caracterizada como uma abordagem de baixo para cima ou bottom-up. No desenvolvimento bottom-up, os Data Marts compõe o DW por completo. O bottom-up vai do menor ao maior nível (ELIAS, 2014).

  • ERRADO

    Enquanto o Data Mart trata de um problema departamental ou local, um (Data Warehouse) envolve o esforço de toda a empresa para que o suporte a decisões atue em todos os níveis da organização. Sabendo-se as diferenças entre escopo e tamanho, o desenvolvimento de um (Data Warehouse) requer tempo, dados e investimentos gerenciais muito maiores que um (Data Mart).

    FONTE: QC

  • Gab: ERRADO

    Se fosse a mesma estrutura, teria o mesmo nome.

    DATA WAREHOUSE > DATA MART

  • Gabarito: errado

    Complementando:

    ## CESPE - 2012 - TJ-AC - Analista Judiciário - Análise de Sistemas

    Por meio de um data mart, que é um subconjunto do data warehouse, é possível criar uma visão personalizada dos dados. (CERTO)

    Data Warehouse= NÃO VOLÁTIL

    Data Marts = VOLÁTIL

  • DM: gaveta. DW: armário.

ID
943294
Banca
CESPE / CEBRASPE
Órgão
INPI
Ano
2013
Provas
Disciplina
Banco de Dados
Assuntos

Em relação a Data Warehouse, Data Mining e banco de dados distribuídos, julgue os itens subsequentes.

Um Data Mart pode ser considerado, na visão bottom-up, uma reunião de vários Data Mining, desde que estes sejam desenvolvidos em modelos multidimensionais (MDM).

Alternativas
Comentários
  • Um data mart é um pequeno data warehouse que fornece suporte à decisão de um pequeno grupo de pessoas.

    Fonte: http://www.infobras.com.br/portugues/produtos_conceito_datamart.asp
  • Um Data Mart Data Warehouse pode ser considerado, na visão bottom-up, uma reunião de vários Data Mining Data Marts, desde que estes sejam desenvolvidos em modelos multidimensionais (MDM).
  • Existem alguns tipos de implementação de DW como:
    1) bottom up: primeiro criam-se os data marts depois é criado o data warehouse
    2) top down: primeiro cria-se o dw depois são criados os data marts
    3) implementação combinada: dw e data marts são criados ao mesmo tempo.
  • Apenas corrigindo o colega acima, Data Mart não é um pequeno DataWarehouse e sim a separação da solução por departamentos ou visões.

    Existem alguns tipos de implementação de DW como:
    1) bottom up: primeiro criam-se os data marts depois é criado o data warehouse
    Esta forma é utilizada quando a empresa não está ciente dos ganhos que pode ter e prefere ver um resultado mais rapidamente e de forma mais econômica.
    2) top down: primeiro cria-se o dw depois são criados os data marts
    Esta é o oposto da acima, é uma implantação/implementação mais demorada, e com o objetivo mais amadurecido.
    3) implementação combinada: dw e data marts são criados ao mesmo tempo.

    Tempo de desenvolvimento de um Data Mart: 4 a 12 meses.
    Tempo de desenvolvimento de um DataWareHouse: 1 a 5 anos.

  • Para quem não entende os comentários sem o gabarito e não tem acesso a resposta.

    Gaba: ERRADO

     

    Data Warehouse contem varios Data Mart

  • GABARITO ERRADO!

    Data mart é um sub-conjunto de dados de um Data warehouse. Geralmente são dados referentes a um assunto em especial ou diferentes níveis de sumarização, que focalizam uma ou mais áreas específicas.

    Ex: Financeiro de uma empresa multinacional no Brasil; RH de uma empresa multinacional na França.

  • Bottom-up (Data Marts -> DW) :nessa abordagem o data mart é feito primeiro, seus dados são extraídos de banco de dados transacionais, e posteriormente os DW são feitos através dos DM

  • DATAWAREHOUSE = GÊNERO

    DATAMART = ESPÉCIE

    https://www.astera.com/pt/type/blog/data-mart-vs-data-warehouse/

ID
946345
Banca
CESPE / CEBRASPE
Órgão
SERPRO
Ano
2013
Provas
Disciplina
Banco de Dados
Assuntos

Com relação ao datawarehouse, julgue os itens subsequentes.

Os datamarts são criados a partir de sistemas transacionais, buscando informações relevantes para o público que irá utilizá-lo.

Alternativas
Comentários

  • Datamart é departamental. O DW é a junção do DM

  • Data mart (repositório de dados) é sub-conjunto de dados de um Data warehouse (armazém de dados). Geralmente são dados referentes a um assunto em especial (ex: Vendas, Estoque, Controladoria) ou diferentes níveis de sumarização (ex: Vendas Anual, Vendas Mensal, Vendas 5 anos), que focalizam uma ou mais áreas específicas. Seus dados são obtidos do DW, desnormalizados e indexados para suportar intensa pesquisa. Data marts extraem e ajustam porções de DWs aos requisitos específicos de grupos/departamentos.


    http://pt.wikipedia.org/wiki/Data_mart

  • Como no modelo do Inmon os datamarts são oriundos do DW, achei que a questão estivesse errada.

  • Datamarts podem ser oriundos tanto de DW quanto dos bancos relacionais da organização, por isso creio que a questão peque em restringir o conceito. Vai depender se a empresa vai utilizar a arquitetura bottom-up ou top-down.

  • a questão esta se referindo a abordagem Bottom-up e como não houve restrição alguma, a questão está correta.

  • houve restriçao, a questao disse q é assim feito, errado, é uma das formas

  • gabarito: correto

    Abordagem de Kimball:

    • Bottom-up (Data Marts -> DW)

    como nessa abordagem o data mart é feito primeiro, seus dados são extraídos de banco de dados transacionais, e posteriormente os DW são feitos através dos DM. Logo, questão correta.

    Abordagem de Inmon:

    • Top-down (DW -> DM)

    nessa abordagem é feito primeiro o DW depois o DM,

  • Abordagem de Kimball:

    • Bottom-up (Data Marts -> DW)

    como nessa abordagem o data mart é feito primeiro, seus dados são extraídos de banco de dados transacionais, e posteriormente os DW são feitos através dos DM. Logo, questão correta.

    Abordagem de Inmon:

    • Top-down (DW -> DM)

    nessa abordagem é feito primeiro o DW depois o DM,

ID
1045684
Banca
CESPE / CEBRASPE
Órgão
SERPRO
Ano
2013
Provas
Disciplina
Banco de Dados
Assuntos

Julgue os itens seguintes, referentes a computação em GRID, computação em cluster, computação em nuvem e especificação de metadados e web services.

Os serviços embasados em colheita automática de metadado (harvesting) são assíncronos e menos sofisticados que os providos pelas federações, sendo a sobrecarga sobre os participantes consideravelmente menor.

Alternativas
Comentários

  • Alguém sabe explicar o que são essas federações?

  • Arms et al. (2002) identificam três níveis de interoperabilidade: federação (sistemas cooperativos nos quais componentes individuais são projetados ou operados de forma autônoma), harvesting (coleta automática de metadados) e gathering (agregação automática de informação). Cada nível tem diferentes procedimentos de operação, padrões e protocolos.

    ...

    O Modelo Harvesting, que emprega o conceito de metadata harvesting, coleta automática de metadados, tem origem nas dificuldades encontradas na criação de grandes federações. Esse conceito estabelece que os participantes concordem em somar esforços que permitam compartilhar serviços básicos, sem a obrigação de adotar um conjunto completo de acordos (ARMS et al., 2002). O metadata harvesting foi estabelecido pelo protocolo OAIPMH. Os serviços baseados em harvesting são assíncronos e muito mais simples de operar (SAYÃO; MARCONDES, 2008).

    Abaixo uma explanação sobre os outros 2 níveis:

    O termo federação, apesar de expressar um nível específico de interoperabilidade, tem sido muito frequentemente usado para indicar genericamente a integração e a interoperabilidade entre repositórios digitais em diferentes níveis, operando simultaneamente, principalmente por autores mais próximos da área de TI (SAYÃO; MARCONDES, 2008).

    No Modelo Gathering, mesmo que a cooperação formal entre as organizações não seja possível, a base do modelo de interoperabilidade é ainda viável, por meio da coleta de informações abertamente acessíveis usando os motores de busca na Web (ARMS et al., 2002).

ID
1208215
Banca
CESPE / CEBRASPE
Órgão
TJ-SE
Ano
2014
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a sistemas de suporte à decisão, julgue os seguintes itens.

Assim como o DataMining, os DataMarts são voltados para a obtenção de informações estratégicas de maneira automática, ou seja, com o mínimo de intervenção humana a partir da análise de dados oriundos de DataWarehouses.

Alternativas
Comentários

  • Data Mining
    A mineração de dados consiste em usar o computador para vasculhar imensos bancos de dados em busca de tendências que passam despercebidas aos olhos humanos. Como o Data WhereHouse possui bases de dados bem organizadas e consolidadas, as ferramentas de Data Mining ganharam grande importância e utilidade. Essa técnica, orientada para a mineração dos dados, oferece uma poderosa alternativa para as organizações descobrirem novas oportunidades e, acima de tudo, para traçarem novas estratégias para o futuro.
    O propósito da análise de dados é descobrir previamente características dos dados, sejam essas características relacionamentos, dependências ou tendências desconhecidas. 
    Tais descobertas tornam-se parte da estrutura informacional em que decisões são formadas. Uma ferramenta típica de análise de dados ajuda os usuários finais na definição do problema, na seleção de dados e a iniciar uma apropriada análise para geração da informação.Data Mart
    Os primeiros projetos sobre Data Warehouse (DW) referiam-se a uma arquitetura centralizada. Embora fosse interessante fornecer uniformidade, controle e maior segurança, a implementação desta abordagem não é uma tarefa fácil. Requer uma metodologia rigorosa e uma completa compreensão dos negócios da empresa. Esta abordagem pode ser longa e dispendiosa e por isto sua implementação exige um planejamento bem detalhado. Com o aparecimento de data mart ou warehouse departamental, a abordagem descentralizada passou a ser uma das opções de arquitetura data warehouse. Os data marts podem surgir de duas maneiras. A primeira é top-down e a outra é a botton-up.
    Top-down: é quando a empresa cria um DW e depois parte para a segmentação, ou seja, divide o DW em áreas menores gerando assim pequenos bancos orientados por assuntos departamentalizados. 
    Botton-up: é quando a situação é inversa. A empresa por desconhecer a tecnologia, prefere primeiro criar um banco 
    de dados para somente uma área. Com isso os custos são bem inferiores de um projeto de DW completo. 
    A partir da visualização dos primeiros resultados parte para outra área e assim sucessivamente até resultar num Data Warehouse. 
    A tecnologia usada tanto no DW como no Data Mart é a mesma, as variações que ocorrem são mínimas, sendo em volume de dados e na complexidade de carga. A principal diferença é a de que os Data Marts são voltados somente para uma determinada área, já o DW é voltado para os assuntos da empresa toda. Fonte: http://www.totall.com.br/bi/artigos.asp?sessao=148

  • Data Mart é um banco de dados departamental que subsidiará a formação de um DW corporativo

  • A questão apresenta vários erros. 

    1- os DataMarts são departamentais, não poderiam, isoladamente, prover subsídios para decisões estratégicas; 2- o processo de KDD (Knowledge Discovery in Database), existente em DataMining possui 6 fases:

     1. Seleção de dados. 

    � 2. Limpeza de dados.

    � 3. Enriquecimento.

    � 4. Transformação.

    � 5. Mineração.

    � 6. Análise, assimilação, interpretação, avaliação, divulgação e exposição das informações.

    Certamente, várias dessas etapas envolvem atividades humanas de análise, que não podem ser conseguidas de forma automatizada em sua plenitude!

    Espero ter ajudado!

  • Atenção, não confundir com o conceito de "staging area" que é realizado fora do acesso dos usuários.

  • Os Data Marts sao um tipo de Data Warehouse porem com menor abrangencia, ou seja, aplicados sobre um escopo menor(departamental).

  • Data mart (repositório de dados) é sub-conjunto de dados de um Data warehouse (armazém de dados). Geralmente são dados referentes a um assunto em especial (ex: Vendas, Estoque, Controladoria) ou diferentes níveis de sumarização (ex: Vendas Anual, Vendas Mensal, Vendas 5 anos)

     

  • Para quem não entende os comentários sem o gabarito e não tem acesso a resposta.

    Gaba: ERRADO

  • Está faltando objetividade e sobrando "falação" nos comentários. Acredito que a questão esteja estruturada noutra questão, o DataMining aceita maior intervenção humana no process de construção da informação, (vasculhando e buscando dados) do que os DW ou DM, que fazem isso de forma mais automática!

  • Nenhum desses três conceitos é automático. A mineração de dados abarca o aprendizado de máquina, então há um certo grau de inteligência artificial aplicada, mas isso não quer dizer de forma alguma que a intervenção humana fica em segundo plano. Segundo Laudon & Laudon, inclusive, essa é uma das falácias da mineração de dados: dizer que ela ocorre sem a intervenção humana. Além disso, temos que o Data Mart é apenas um subconjunto do Data Warehouse, então temos algumas confusões conceituais que invalidam a assertiva.

  • DataMarts são pedaços dentro do DW, ou seja, já são as informações armazenadas 

    DataMining sim é voltado para obtenção de informações

    Gab.: Errado

  • De maneira, rápida e objetiva:

    Data Mining → Coleta de informações

    Data Mart → Subdivisões do DataWarehouse

  • A mineração de dados abarca o aprendizado de máquina, então há um certo grau de inteligência artificial aplicada, mas isso não quer dizer que a intervenção humana fica em segundo plano. Além disso, o Data Mart é apenas um subconjunto do Data Warehouse.

  • Mineração de dados --> semiautomática (ainda necessita da intervenção humana)

  • comparou dois conceitos que não tem nada a ver

  • Arthur Mendonça | Direção Concursos

    Nenhum desses três conceitos é automático. A mineração de dados abarca o aprendizado de máquina, então há um certo grau de inteligência artificial aplicada, mas isso não quer dizer de forma alguma que a intervenção humana fica em segundo plano. Segundo Laudon & Laudon, inclusive, essa é uma das falácias da mineração de dados: dizer que ela ocorre sem a intervenção humana. Além disso, temos que o Data Mart é apenas um subconjunto do Data Warehouse, então temos algumas confusões conceituais que invalidam a assertiva.

  • Se fosse automática, como ele saberia quais dados são importantes??

  • Erro 1: É dizer que o processo de mineração é autônomo, precisando de pouca ou nenhuma supervisão.

    O processo de mineração não é completamente automático. Apesar de haver o emprego de técnicas de inteligência artificial, a supervisão e ação humana é necessária durante todo o processo.

    Erro 2: É comparar Data mining com DataMarts.

    Data Mart é apenas um subconjunto do Data Warehouse.

  • Com relação a sistemas de suporte à decisão, julgue os seguintes itens.

    Assim como o DataMining, os DataMarts são voltados para a obtenção de informações estratégicas de maneira automática, ou seja, com o mínimo de intervenção humana a partir da análise de dados oriundos de DataWarehouses.

    se tem intervenção não são automáticos; e outra, data mining não é inexoravelmente usado em um DW, embora seja um costume.

    AVANTE

  • Q81745 - O data mining é um processo automático de descoberta de padrões, de conhecimento em bases de dados, que utiliza, entre outros, árvores de decisão e métodos bayesianos como técnicas para classificação de dados = C.

  • O processo de mineração de dados é:

    • INTERATIVO: homem e máquina

    e

    • ITERATIVO: processo repetitivo até que se encontre algo útil

  • Os DataMarts não são voltados para a obtenção de informações estratégicas. Eles, na verdade, são subconjuntos de um Armazém de Dados – Data Warehouse sendo um repositório de dados para assuntos específicos.

ID
1215154
Banca
CESPE / CEBRASPE
Órgão
TJ-SE
Ano
2014
Provas
Disciplina
Banco de Dados
Assuntos

Julgue os itens a seguir, acerca de modelagem multidimensional, DataWarehouse e DataMarts.

Em corporações que possuem diversos departamentos, a implementação de DataMarts facilita a disseminação das informações por todos os departamentos

Alternativas
Comentários

  • acho que a parte é errada é afirmar que datamart seria para todos os departamentos. DataMArt é específico de um departamento. DW seria o correto

     

     

     

    Ano: 2014Banca: FUNCABÓrgão: MDAProva: Analista de Bussiness Inteligence

    No que diz respeito ao Data Warehouse, uma arquitetura é a preferida dos fornecedores de software para consulta de informações do DW, pois é isolada e implica em Data Marts stand alone controlados por um grupo de usuários e que atende somente às suas necessidades específicas e departamentais, sem foco corporativo nenhum. Os dados, por exemplo, são extraídos dos sistemas operacionais pela geração interna do departamento, com auxílio da área ou departamento deTI. 

    Como é denominada a arquitetura descrita?
      a) Global
      b) Integrada
      c) Centralizada
      d) De Data Marts integrados
      e) De Data Mart independente

  • Raphael, acho que a sua resposta está correta.


    Numa visão comparativa dos dados, onde consideramos os requisitos escopo, integração, tempo, agregação, análise e dados voláteis, percebemos que a diferença está no escopo, pois enquanto o DW é feito para atender uma empresa como um todo, o data mart é criado para atender um sub-conjunto da empresa. Repare que atender um sub-conjunto da empresa pode significar reunir dados de outros setores, já que, na prática, raramente um único setor possui ou gera toda informação que precisa. Vem dessa observação a defesa da tese de que o Data mart é construído após o DW.

    fonte: http://pt.wikipedia.org/wiki/Data_mart


    Bons estudos.

  • Um datamart não é idealizado para disseminação das informações por todos os departamentos, o objetivo dele é muito diferente disse.
    Um datamart é construído com o objetivo de concentrar informações sobre uma área específica, seja uma cidade, seja uma seção, mas para que essas informações sejam usadas para objetivos maiores na empresa, para a concentração de informações com outros datamarts, tudo convergindo para um datawarehouse e assim podendo auxiliar nas decisões da alta gerência da empresa.

  • ERRADO.

    Segundo Navathe(2011,p.722),"Data marts em geral são voltados para um subconjunto da organização, como um departamento, e possuem um foco mais estreito."


    **Como a questão menciona diversos departamentos, o ideal seria  um Data Warehouse em nível empresarial.


    Bibliografia:

    SISTEMAS DE BANCO DE DADOS-NAVATHE-6 EDIÇÃO 2011.



  • A pergunta que faço é a seguinte:

    Data Mart são DW departamentais, ou seja, uma parte de um DW. Se é uma parte do DW então de certa forma vai contribuir para a disseminação das informações por todos os departamentos. Tudo bem que um Data Marte não se comunica com outro Data Marte, porem pode ser fruto da mesma base de dados, do mesmo DW, com isso com essa visão essa questão mereceria um recurso!! É clara a intenção do examinador com essa pergunta, porem não concordo que nesse contexto seja uma verdade absoluta!

  • Errado

    Datamart = Departamentalizado.

  • Fonte: vozes na minha cabeça

  • Em corporações que possuem diversos departamentos, a implementação de Data Warehouse em nível empresarial facilita a disseminação das informações por todos os departamentos

  • - Um DATA WAREHOUSE é um BANCO DE DADOS MULTIDIMENSIONAL GRANDE, de escopo organizacional (ou seja, abrange toda a empresa) e reúne DADOS DE TODOS OS DEPARTAMENTOS de forma a permitir a BUSCA RÁPIDA de informações para AUXILIAR a TOMADA DE DECISOES ESTRATÉGICAS;

    - Um DATA MART é um BANCO DE DADOS MULTIDIMENSIONAL DE ESCOPO DEPARTAMENTAL, ou seja, abrange APENAS UM DETERMINADO DEPARTAMENTO; 

  • ERRADO

    Enquanto o Data Mart trata de um problema departamental ou local, um (Data Warehouse) envolve o esforço de toda a empresa para que o suporte a decisões atue em todos os níveis da organização. Sabendo-se as diferenças entre escopo e tamanho, o desenvolvimento de um (Data Warehouse) requer tempo, dados e investimentos gerenciais muito maiores que um (Data Mart).

ID
1330357
Banca
Quadrix
Órgão
DATAPREV
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

A fim de melhorar o processo de tomada de decisão a partir de dados correntes e históricos da empresa, uma porção resumida e descentralizada dos dados pode ser armazenada em um ____________ . Essa base menor é destinada a uma área específica de negócio e contém dados altamente focalizados.

A alternativa que preenche corretamente a lacuna é:

Alternativas
Comentários

  • Data mart (repositório de dados) é sub-conjunto de dados de um Data warehouse (armazém de dados). Geralmente são dados referentes a um assunto em especial (ex: Vendas, Estoque, Controladoria) ou diferentes níveis de sumarização (ex: Vendas Anual, Vendas Mensal, Vendas 5 anos), que focalizam uma ou mais áreas específicas.

  • Data Mart é um subconjunto de dados do Data Warehouse.

    Data warehouse é um grande conjunto de dados, englobando vários data mart. É conhecido como um armazém de dados, essencial para o BI.

ID
1330453
Banca
Quadrix
Órgão
DATAPREV
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

A seleção de uma arquitetura determinará ou será determinada pelo local onde o Data Warehouse ou Data Mart estará residindo. Sobre os tipos de arquitetura, analise as afirmativas que seguem.

I.Um Data Warehouse com arquitetura global deve ser fisicamente centralizado na empresa.

II. A arquitetura independente implica em Data Marts stand alone controlados por um grupo específico de usuários e que atende somente às suas necessidades específicas e departamentais, sem foco corporativo.

III.A arquitetura de Data Marts integrados é basicamente uma distribuição de implementação. Apesar de os Data Marts serem implementados separadamente por grupos de trabalho ou departamentos, eles são integrados ou interconectados, provendo uma visão corporativa maior dos dados e informações.

Está correto o que se afirma em:

Alternativas
Comentários

  • Fonte: http://guidogabriell.blogspot.com.br/2012/04/arquiteturas-de-data-warehouse.html

  • Tipos de arquiteturas:

    1- Global - 
    Informação de toda empresa. TI é a responsável pela administração do DM.  
    Pode ser:Centralizado: uma única instalação física e Distribuído: várias instalações físicas 

    I.Um Data Warehouse com arquitetura global DEVE ser fisicamente centralizado na empresa. (ERRADO)


    2 - Independente - 
    Mais vendidos pelas fábricas de software Mais fácil, rápido de implementação Informação departamental e não corporativa Cada departamento fornece os recursos necessários para a implementação do seu DM TI auxilia a implementação, mas não é responsável 

    II. A arquitetura independente implica em Data Marts stand alone controlados por um grupo específico de usuários e que atende somente às suas necessidades específicas e departamentais, sem foco corporativo. (CORRETO)

    3 - Integrado - 
    Cada departamento tem seu DM Os DMs são integrados, conectados TI é a responsável pela administração, implementação e integração dos vários DMs

    III.A arquitetura de Data Marts integrados é basicamente uma distribuição de implementação. Apesar de os Data Marts serem implementados separadamente por grupos de trabalho ou departamentos, eles são integrados ou interconectados, provendo uma visão corporativa maior dos dados e informações.(CORRETO)

    Fonte: http://guidogabriell.blogspot.com.br/2012/04/arquiteturas-de-data-warehouse.html

ID
1337215
Banca
CESPE / CEBRASPE
Órgão
ANATEL
Ano
2014
Provas
Disciplina
Banco de Dados
Assuntos

Julgue o item seguinte, com relação à disponibilização de informações de apoio a decisões estratégicas e gerenciais.

Um grande repositório de dados não organizados pode ser definido como um Data Warehouse. Por outro lado, Data Mart é uma porção desses dados representados em outra base de dados e disponíveis para acesso a um grupo específico de usuários.

Alternativas
Comentários

  • Acredito que o gabarito deveria ser certo.

    1) DW não são organizados, caso contrário seriam um banco de dados.

    2) Data Mart (DM) é um subconjunto do Datawarehouse ( DW) podendo ser definido com uma porção.

    3) DM é destinado a um grupo específico de usuários não disseminando as informações.

    Gaba: CERTO.

  • QUESTÃO ANULADA

     

    Originalmente, esta questão estava correta. A banca justificou a anulação com "A redação prejudicou o julgamento objetivo do item. Por esse motivo, opta-se por sua anulação. "

     

    Vejamos por partes:

     

    Um grande repositório de dados não organizados pode ser definido como um Data Warehouse.

     

    Esta afirmação não é imediatamente incorreta, mas também não é de todo correta. De fato, grandes repositórios de dados desnormalizados são características de um DW. Porém, há outras características igualmente importantes, como a temporalidade ou a perenidade dos dados. Outro ponto de dúvida talvez seja "não organizados", que não necessariamente é sinônimo de "desnormalizados".

     

    Por outro lado, Data Mart é uma porção desses dados representados em outra base de dados e disponíveis para acesso a um grupo específico de usuários.

     

    Há autores que classificam um DM como uma visão de um DW, específica para determinado público, replicada em uma base de dados diferente para fins de desempenho.

ID
1362112
Banca
Quadrix
Órgão
DATAPREV
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Leia as seguintes afirmações sobre data mart:

I. Personalizar a arquitetura de data warehouse para diferentes grupos dentro da organização.
II. Transportar os dados do data warehouse para bancos de dados independentes, projetados para áreas de negócio ou projetos específicos.
III. Pesquisar automaticamente grandes arquivos de dados para identificar padrões e tendências que vão além da simples análise.

Está correto o que consta em:

Alternativas
Comentários

  •  Data Mart é um pequeno data warehouse, abrangendo uma determinada área de assunto e oferecendo informações mais detalhadas sobre o mercado (ou departamento) em questão. Um Data Mart pode ser criado de duas maneiras:                                                                               1) Capturando dados diretamente de sistemas transacionais, cada Data Mart buscando as informações relevantes para o seu mercado;       2) Capturando dados de todos os sistemas transacionais em um Data Warehouse central, que por sua vez alimenta todos os Data Marts.

    A primeira opção irá fornecer um Data Mart de forma mais rápida, porém sem levar em consideração o cruzamento de informações entre as demais áreas de assunto. A segunda opção tende a ser mais eficiente, porém demandará mais tempo para apresentar resultados.                      Resposta c)

  • III. Pesquisar automaticamente grandes arquivos de dados para identificar padrões e tendências que vão além da simples análise. Errado. Acredito que isso seja uma característica do data mining. 

ID
1576495
Banca
CESPE / CEBRASPE
Órgão
DEPEN
Ano
2015
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de datawarehouse e datamining, julgue o item subsequente.


Datamart é a denominação atribuída a um sistema de dataware que atende a áreas específicas de negócios de organizações e que representa um subconjunto lógico do datawarehouse.


Alternativas
Comentários

  • O termo Datamart (literalmente, loja de dados) designa um subconjunto do datawarehouse que contém os dados do datawarehouse para um sector específico da empresa (departamento, direcção, serviço, gama de produto, etc.). Fala-se assim, por exemplo, de DataMart Marketing, DataMart Comercial,…

    Fonte: http://pt.kioskea.net/contents/entreprise/datawarehouse-datamart.php3

  • dataware ????

  • Correta!

    Data mart (repositório de dados) é sub-conjunto de dados de um Data warehouse (armazém de dados). Geralmente são dados referentes a um assunto em especial (ex: Vendas, Estoque, Controladoria) ou diferentes níveis de sumarização (ex: Vendas Anual, Vendas Mensal, Vendas 5 anos)

    Data Warehouse, pode ser definido como um Banco de Dados especializado, o qual gerencia o fluxo de informações a partir dos bancos de dados corporativos e fontes de dados externas à empresa.

    Fontes:
    https://pt.wikipedia.org/wiki/Data_mart
    https://pt.wikipedia.org/wiki/Armaz%C3%A9m_de_dados

  • DATAMART - Um Data Mart pode ser considerado um “mini DataWarehouse”. Entretanto, ao invés de englobar uma empresa, um data mart envolverá apenas um determinado setor (Administração, Marketing, RH), possibilitando uma especialização maior por ocasião da extração do conhecimento.

  • Um data mart é uma subdivisão ou subconjunto de um data warehouse. Os data marts são como pequenas fatias de data warehouse, que armazenam subconjuntos de dados. Normalmente, o data mart é direcionado para uma linha de negócios ou equipe, sendo que a sua informação costuma pertencer a um único departamento.

  • CERTO!

    Além disso, o data mart utiliza modelagem multidimensional.

  • Certo

    Tipos de DW

    Data Warehouse Empresarial (EDW): é uma armazenagem de dados da organização de forma grande e abrangente.

    Armazenamento de Dados Operacionais (ODS): é usado para decisões de curto prazo envolvendo aplicações de missão crítica, para o médio e longo prazo as decisões devem estar associadas com o EDW.

    Data Mart (DM): é uma subdivisão ou subconjunto do EDW, ele é especializado e volátil(são alterados frequentemente), ou seja, tem escopo reduzido do projeto.

            Dependente: quando ele é criado diretamente a partir do armazém de dados.

            Independente: quando ele não é criado diretamente a partir do armazém de dados, e é destinado a uma unidade estratégica de negócios ou um departamento.

  • CERTO

    - Data mart é um sub-conjunto de dados de um Data warehouse >> repositório específico e volátil.

    - Geralmente são dados referentes a um assunto em especial ou diferentes níveis de sumarização, que focalizam uma ou mais áreas específicas.

    - Seus dados são obtidos do DW, desnormalizados e indexados para suportar intensa pesquisa. 

  • DataMart:

    • São subconjuntos de dados especializados conforme a necessidade que se apresentam;
    • São oriundos do DataWarehouse
ID
3305350
Banca
AOCP
Órgão
SUSIPE-PA
Ano
2018
Provas
Disciplina
Banco de Dados
Assuntos

No contexto de data warehouse, uma outra possibilidade de suporte aos dados é o data mart. Assinale a alternativa que apresenta uma definição de data mart.

Alternativas
Comentários

  • Data Mart é um subconjunto do Date Werehouse voltado a uma área específica de um organização como departamento ou setor. Levando esse entendimento para o cotidiano, é possível implantar um Data Mart para a área de vendas, outro para a área de estoque, e um outro para o departamento de fornecedores de um dado negócio. Isso são exemplos para entendimento de uma aplicação prática, tá?

    Veja que com esse conceito você pode ter dúvidas entre a opção C e E mas, dado que o DM tem sua aplicação e uma área específica, logo, não faz dá sentido algum escolhe-lo de forma aleatória, concorda?

    GABARITO: E

  • Sempre leiam todas as opções antes de marcar a letra C.

ID
3954973
Banca
CESPE / CEBRASPE
Órgão
TJ-AM
Ano
2019
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de data warehouse e data mining, julgue o item que se segue.


Chamados de data mart, os servidores de apresentação de data warehouse permitem consultas.

Alternativas
Comentários

  • Data Mart

    São depósitos de dados que atende a certas áreas específicas da empresa, também conhecido como Data Warehouse Departamental fornece suporte à decisão para um pequeno grupo de pessoas – como aos profissionais da área de marketing, ou de vendas, por exemplo. O tempo de desenvolvimento e implementação, assim como os investimentos necessários, também são bem menores, em comparação ao Data Warehouse.

    É preciso ter em mente que as diferenças entre Data Mart e Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido. Portanto, as definições dos problemas e os requisitos de dados são essencialmente os mesmos para ambos. 

    Enquanto o Data Mart trata de um problema departamental ou local, um (Data Warehouse) envolve o esforço de toda a empresa para que o suporte a decisões atue em todos os níveis da organização. Sabendo-se as diferenças entre escopo e tamanho, o desenvolvimento de um (Data Warehouse) requer tempo, dados e investimentos gerenciais muito maiores que um (Data Mart).

  • Traduzido como Mercado de Dados, trata-se de um subconjunto de dados de um Data Warehouse. Geralmente são dados referentes a um assunto em especial (Ex: Vendas, Estoque, Controladoria, entre outros) ou diferentes níveis de sumarização (Ex: Vendas Anual, Vendas Semestral, Vendas Mensal, entre outros), que focalizam uma ou mais áreas específicas. Seus dados são obtidos do DW – indexados para suportar intensas pesquisas. 

  • Data mart (repositório de dados) é subconjunto de dados de um Data warehouse (ou DW, armazém de dados).

    Um data warehouse é um tipo de sistema de  projetado para ativar e fornecer suporte às atividades de business intelligence (BI), especialmente a análise avançada.

    Os data warehouses destinam-se exclusivamente a realizar consultas e análises avançadas e geralmente contêm grandes quantidades de dados históricos. Os dados em um data warehouse geralmente são derivados de uma ampla variedade de fontes, como arquivos de log de aplicativos e aplicativos de transações.

    GABARITO: CORRETO.

    Fonte: Oracle.com

  • Data mart = (repositório de dados) é sub-conjunto de dados de um Data warehouse (ou DW, armazém de dados).

    Gabarito Certo.

    Fonte: wikipédia

  • Gabarito: certo

    Data Marts: subconjuntos de um DW, repositório específico e volátil.

    (CESPE / CEBRASPE - 2012 ) Por meio de um data mart, que é um subconjunto do data warehouse, é possível criar uma visão personalizada dos dados. (CERTO)

    (CESPE / CEBRASPE - 2011 ) Considere que, em uma organização que mantenha uma solução de DW, haja grande quantidade de dados para serem manipulados e que uma nova área criada dentro dessa organização necessite acessar parte dos dados desse DW. Nessa situação, seria adequada a implementação de um datamart específico para essa nova área. (CERTO)

    Editado : 22/07/2021

    Até então havia colocado o D.M como volátil, mas nessa questão o CESPE o trouxe como NÃO VOLÁTIL.

    QUESTÃO CESPE QUE DIZ QUE O DATA MARTS É NÃO VOLÁTIL :

    (CESPE/2021/TCE-RJ)Enquanto os depósitos de dados e seus subconjuntos data marts são bancos estáticos, ou seja, não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório, os bancos de dados típicos mudam constantemente, sendo dinâmicos por natureza.(CERTO)

  • Gabarito: CERTO

    Data Mart: É um pequeno data warehouse, abrangendo uma determinada área de assunto e oferecendo informações mais detalhadas sobre o mercado (ou departamento) em questão.

    Um Data Mart pode ser criado de duas maneiras:

    1.Capturando dados diretamente de sistemas transacionais, cada Data Mart buscando as informações relevantes para o seu mercado;

    2.Capturando dados de todos os sistemas transacionais em um Data Warehouse central, que por sua vez alimenta todos os Data Marts.

  • Data Warehouse - Voltado para empresas para melhor tomada de decisões estratégicas - Armazena dados estruturados - Tabelas, e-mail, documentos e arquivos

    Data Lake - É projetado para armazenar dados de diversas fontes e formatos, não havendo a necessidade da definição de um esquema de dados para inserir novos itens - Armazena dados estruturados ou não estruturados - Tabelas, documentos, vídeos, arquivos, imagens.

    Data Mart - Voltado por assunto, área ou algo mais especifico

  • A principal ideia do Data Warehouse é construir um depósito no qual será mantida a memória histórica dos dados, possibilitando a utilização dos mesmos para consulta e análise estratégica para a tomada de decisão!

    Data Mart é um banco de dados multidimensional de escopo departamental (ou seja, abrange apenas um determinado departamento). Trata-se de “um subconjunto lógico do Data Warehouse, geralmente visto como um data warehouse setorial” (Kimball).

    As diferenças entre o Data Mart e o Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido.

    Data Mining (ou Mineração de dados) define uma série de procedimentos, técnicas e ferramentas para recuperar e analisar dados de um Data Warehouse ou Data Mart à procura de padrões e tendências a respeito dos dados armazenados.

    Fonte: Apostila do Gran

  • Data Marts:

    "Subconjuntos" do DataWare.

    Responde prováveis perguntas de um tipo específico de usuário.

    Composto por um ou mais cubos de dados.

  • Certo

    Tipos de DW

    Data Warehouse Empresarial (EDW): é uma armazenagem de dados da organização de forma grande e abrangente

    Armazenamento de Dados Operacionais (ODS): é usado para decisões de curto prazo envolvendo aplicações de missão crítica, para o médio e longo prazo as decisões devem estar associadas com o EDW.

    Data Mart (DM): é uma subdivisão ou subconjunto do EDW, ele é especializadoe volátil(são alterados frequentemente), ou seja, tem escopo reduzido do projeto.

            Dependente: quando ele é criado diretamente a partir do armazém de dados.

            Independente: quando ele não é criado diretamente a partir do armazém de dados, e é destinado a uma unidade estratégica de negócios ou um departamento.

  • ele provavelmente tirou daqui

    https://www.devmedia.com.br/data-warehouse/12609

  • CERTO

    Data mart é sub-conjunto de dados de um Data warehouse. Geralmente são dados referentes a um assunto em especial ou diferentes níveis de sumarização, que focalizam uma ou mais áreas específicas. Seus dados são obtidos do DW, desnormalizados e indexados para suportar intensa pesquisa.

  • Chamados de data mart, os servidores de apresentação de data warehouse permitem consultas.

    CERTO

    --> DW como uma estrutura que será consultada e retroalimentada e que possui relação com o BD

    --> Mart: Lembrei do conceito de mercado como similar --> Várias consultas, visitas.

    "A disciplina é a maior tutora que o sonhador pode ter, pois ela transforma o sonho em realidade."

  • Data Mart

    Mercado de dados

    Assunto em Especial , diferentes níveis

    Dados obtidos através do Datawarehouse

    Pequeno DW

    Subconjunto do DW

    Usa esquema floco de neve 

  • Data Mart

    Mercado de dados

    Assunto em Especial , diferentes níveis

    Dados obtidos através do Datawarehouse

    Pequeno DW

    Subconjunto do DW

    Usa esquema floco de neve 

  • De onde veio essa terminologia "servidores de apresentação" para se referir a Data Mart?

  • Cheio de comentarios definindo um DATA MART, legal, bacana!!!

    mas nenhum que explique esse negócio de servidores de apresentação, que é justamente o ponto pra resolver a questão. Sem comentário de professor e sem comentário realmente útil de colegas... dificil

  • Tantas explicações genéricas, ninguém explicou minimamente o núcleo da questão.

  • Servidor de apresentação: Ambiente onde os dados são organizados e armazenados para consulta direta pelos usuários finais. Normalmente os dados estão disponíveis nestes servidores em bancos de dados relacionais, mas também podem estar armazenados em tecnologia OLAP (OnLine Analytical Processing ) já que muitos data marts trabalham apenas com dados no modelo dimensional.

    Data Mart: Subconjunto lógico do Data Warehouse, geralmente divididos por departamento ou visões necessárias para os usuários.

    fonte: https://www.devmedia.com.br/data-warehouse/12609

  • Data Mart(DM) É um subconjunto de dados de um DataWarehouse (DW), com informações de interesse particular para um determinado setor.

    Ex analógico: DW é uma grande empresa, já o DM são os setores que a formam (setor de informação, finanças, faturamento etc).

  • Todo mundo escreve um monte de coisa copiada da internet ... mas não respondem a questão

  • Ambiente onde os dados são organizados e armazenados para consulta direta pelos usuários finais. Normalmente os dados estão disponíveis nestes servidores em bancos de dados relacionais, mas também podem estar armazenados em tecnologia OLAP (OnLine Analytical Processing ) já que muitos data marts trabalham apenas com dados no modelo dimensional.

    Subconjunto lógico do Data Warehouse, geralmente divididos por departamento ou visões necessárias para os usuários.

  • CERTO.

    DATA WAREHOUSE

    A principal ideia do Data Warehouse é construir um depósito no qual será mantida a memória histórica dos dados, possibilitando a utilização dos mesmos para consulta e análise estratégica para a tomada de decisão!

    Os Data Warehouse são uma coleção de dados para realizar consulta.

    DATA MART

    É um banco de dados multidimensional de escopo departamental (ou seja, abrange apenas um determinado departamento). Trata-se de “um subconjunto lógico do Data Warehouse, geralmente visto como um data warehouse setorial” (Kimball).

     É um pequeno Data Warehouse, abrangendo uma determinada área de assunto e oferecendo informações mais detalhadas sobre o mercado (ou departamento) em questão.

    DIFERENÇAS

    As diferenças entre o Data Mart e o Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido.

    DATA MNING (ou Mineração de dados)

    Define uma série de Procedimentos, Técnicas e Ferramentas para Recuperar e Analisar dados de um Data Warehouse ou Data Mart à procura de Padrões e Tendências a respeito dos dados armazenados.

  • Já ta bom gnt, podem parar de definir Data Mart e Data Warehouse..

    Agora, se são conceitos diferentes, como podem os servidores de apresentação que permitem consultas serem chamados de Data Mart?

    Data mart: Subconjunto lógico do Data Warehouse, geralmente divididos por departamento ou visões necessárias para os usuários.

    Servidores de apresentação: Ambiente onde os dados são organizados e armazenados para consulta direta pelos usuários finais.

  • O Data Mart é considerado um pequeno Data Warehouse – ou um subconjunto/segmentação de um Data Warehouse – que contém dados de uma organização em geral restritos a uma unidade de negócio ou a um processo de negócio específico com a finalidade de dar suporte ao processo decisório da alta direção por meio da criação de uma visão personalizada dos dados.

  • Data Mart

    São depósitos de dados que atende a certas áreas específicas da empresa, também conhecido como Data Warehouse Departamental fornece suporte à decisão para um pequeno grupo de pessoas – como aos profissionais da área de marketing, ou de vendas, por exemplo. O tempo de desenvolvimento e implementação, assim como os investimentos necessários, também são bem menores, em comparação ao Data Warehouse.

    É preciso ter em mente que as diferenças entre Data Mart e Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido. Portanto, as definições dos problemas e os requisitos de dados são essencialmente os mesmos para ambos. 

    Enquanto o Data Mart trata de um problema departamental ou local, um (Data Warehouse) envolve o esforço de toda a empresa para que o suporte a decisões atue em todos os níveis da organização. Sabendo-se as diferenças entre escopo e tamanho, o desenvolvimento de um (Data Warehouse) requer tempo, dados e investimentos gerenciais muito maiores que um (Data Mart).

  • André Guilherme Mota tem razão demais. Povo enche o trem de comentários idênticos. Geral sabe a definição suas aí, mas a chave da questão é outra e ninguém falou nada.

  • COMO DECOREI!

    (obs: Não errei mais questões sobre tal assunto)

    Data Warehouse: Pense em um bolo napolitano, que cada fatia é um sabor.

    Data mart: Uma fatia de especifico sabor.

    #PartiuAMAZÔNIA

  • Essa galera do copia e cola é uma praga nos comentários.

    não tem uma explicação relevante sobre a questão fica quietinho e vai pra prox.

    NINGUEM PRECISA DE RESPOSTAS COPIADAS DA NET E COLADA AQUI

  • Fugindo um pouco dos copia e cola, o data warehouse é como se fosse um grande armário, enquanto os datamart são as suas gavetas. Quando você vai pegar uma roupa por exemplo você as tira das gavetas, com os dados no data warehouse acontece algo semelhante.

  • CERTO

    A questão utilizou ambos como sinônimos

    SERVIDOR DE APRESENTAÇÃO

    • Ambiente onde os dados são organizados e armazenados para consulta direta pelos usuários finais.(os dados estão disponíveis nestes servidores, geralmente dividido em "pequenas fatias" de dados - Data Mart)

    DATA MART

    • Subconjunto de dados do Data Warehouse, geralmente dividido em "pequenas fatias" que armazenam subconjuntos de dados.

  • Professores do QC só respondem questões simples... QUESTÕES SIMPLES EU TBM SEI RESPONDER, RAPAAAAAA...

  • Data Mart

    São depósitos de dados que atende a certas áreas específicas da empresa, também conhecido como Data Warehouse Departamental fornece suporte à decisão para um pequeno grupo de pessoas – como aos profissionais da área de marketing, ou de vendas, por exemplo. O tempo de desenvolvimento e implementação, assim como os investimentos necessários, também são bem menores, em comparação ao Data Warehouse.

    É preciso ter em mente que as diferenças entre Data Mart e Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido. Portanto, as definições dos problemas e os requisitos de dados são essencialmente os mesmos para ambos. 

    Enquanto o Data Mart trata de um problema departamental ou local, um (Data Warehouse) envolve o esforço de toda a empresa para que o suporte a decisões atue em todos os níveis da organização. Sabendo-se as diferenças entre escopo e tamanho, o desenvolvimento de um (Data Warehouse) requer tempo, dados e investimentos gerenciais muito maiores que um (Data Mart).

  • Sobre o termo "servidores de apresentação", segue um trecho do comentário da professora do TEC:

    O local onde os dados são armazenados e organizados, e que fornece acesso ao usuário final para realizar consultas é chamado de servidor de apresentação. Esses dados disponíveis nos servidores de apresentação, muitas das vezes são armazenados em ferramentas OLAP (ferramenta que permite ao usuário extrair informações de um data warehouse de forma customizada e interativa), onde os data marts podem ter acesso, pois eles trabalham com dados no modelo dimensional.

    Dessa forma, o Data Warehouse é responsável por prover suporte a decisões em todas as áreas da empresa, enquanto o Data Mart é dedicado a fornecer auxilio a pequenos grupos de profissionais da organização. Devido a isso, o Data Mart possui uma visão mais detalhada dos dados, onde ele fornece uma melhor apresentação dos dados para que o DW realize consultas com maior eficiência.

    Sendo assim, a resposta correta é a opção certo.

  • Vocês que comentam questões, com outras questões: thank you

  • como ninguém comentou isso ainda, vou dar minha contribuição: Data mart = (repositório de dados) é sub-conjunto de dados de um Data warehouse (ou DW, armazém de dados).

  • Servidor de Apresentação

    Ambiente onde os dados são organizados e armazenados para consulta direta pelos usuários finais. Normalmente os dados estão disponíveis nestes servidores em bancos de dados relacionais, mas também podem estar armazenados em tecnologia OLAP (OnLine Analytical Processing ) já que muitos data marts trabalham apenas com dados no modelo dimensional.

  • "Chamados de data mart, os servidores de apresentação de data warehouse permitem consultas."

    Segundo a “Devmedia” servidor de apresentação é um ambiente onde os dados são organizados e armazenados para consulta direta pelos usuários finais. E que esses dados podem ser armazenados em bancos de dados relacionais ou analíticos.

    Para os dados analíticos:

    Na abordagem de Inmon, onde a consulta é realizada nos Data Marts, os servidores de apresentação são os DM, aí estaria certa.

    Mas na abordagem de Kimball, onde a consulta é realizada diretamente no DW, os servidores de apresentação não são os DM. Não sou formado nessa área, mas pelo que estudei, essa questão deveria ser anulada por ter 2 respostas possíveis.

  • ASSERTIVA CORRETA!

    Complementando;

    Data marts se diferenciam dos data warehouses por serem mais específicos e atenderem a problemas locais ou departamentais, que são mais voláteis, ao contrário dos data warehouses.

    Em termos de tamanho são menores tanto em tamanho como em escopo.

ID
4141048
Banca
COMPERVE
Órgão
UFRN
Ano
2016
Provas
Disciplina
Banco de Dados
Assuntos

São programas de bioinformática usados para alinhamento de sequências curtas de nucleotídeos, provenientes de sequenciadores de segunda geração:

Alternativas
Comentários

  • Alinhadores curtos são capazes de alinhar leituras contínuas. São: Bfast, BioScope, Bowtie, BWA, MAQ, Mosaik, SSAHA2, SOAP2,CLC bio...

    Alinhadores longos: BLAT, SSAHA2, BWA-SW, gsMapper

    Gabarito: D

ID
4141051
Banca
COMPERVE
Órgão
UFRN
Ano
2016
Provas
Disciplina
Banco de Dados
Assuntos

A respeito do alinhamento múltiplo de sequências, é correto afirmar:

Alternativas
ID
5040784
Banca
CESPE / CEBRASPE
Órgão
TCE-RJ
Ano
2021
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de bancos de dados relacionais e de modelagem dimensional, julgue o item subsequente.


A construção de um data mart antecede a criação de um data warehouse.

Alternativas
Comentários

  • Data mart é uma parte de um data warehouse. Primeiro cria-se um warehouse, uma parcela selecionada do data wareshouse é conhecida como data mart.

  • GABARITO: ERRADO

    O Data Mart (DM) é um subconjunto do DW.

    Um DW é um conjunto de DMs.

    (CESPE-DEPEN) Datamart é a denominação atribuída a um sistema de dataware que atende a áreas específicas de negócios de organizações e que representa um subconjunto lógico do datawarehouse. (C)

  • Gab: Errada

    Data mart é um sub-conjunto de dados de um Data warehouse. Geralmente são dados referentes a um assunto em especial ou diferentes níveis de sumarização, que focalizam uma ou mais áreas específicas.

    1. São depósitos de dados que atende a certas áreas específicas da empresa, também conhecido como Data Warehouse Departamental fornece suporte à decisão para um pequeno grupo de pessoas – como aos profissionais da área de marketing, ou de vendas, por exemplo. O tempo de desenvolvimento e implementação, assim como os investimentos necessários, também são bem menores, em comparação ao Data Warehouse.
    2. As diferenças entre Data Mart e Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido. Portanto, as definições dos problemas e os requisitos de dados são essencialmente os mesmos para ambos. 

    (Cespe/19)Chamados de data mart, os servidores de apresentação de data warehouse permitem consultas. Certo

    (Cespe)Um Data Mart pode ser considerado, na visão bottom-up, uma reunião de vários Data Mining, desde que estes sejam desenvolvidos em modelos multidimensionais (MDM)" Errado

  • Gabarito: E - Atentar para a divergência entre arquiteturas bottom-up e top-down

    Para Kimball, há uma abordagem bottom-up, em que primeiro são criados os data marts e, posteriormente, cria-se o data warehouse. DM > DW

    Para Inmon, há uma abordagem top-down, em que primeiro se cria o data warehouse e, a partir daí, são criados os data marts. DW > DM

    Apesar da divergência doutrinária, perceba que o momento de criação não é algo imperativo. Portanto, a banca erra ao afirmar que primeiro são criados os data marts. Acho que é isso :D

    Questão CESPE:

    "Um Data Mart pode ser considerado, na visão bottom-up, uma reunião de vários Data Mining, desde que estes sejam desenvolvidos em modelos multidimensionais (MDM)"

    gab: E

    Correção: Um (Data warehouse) pode ser considerado, na visão bottom-up, uma reunião de vários (Data Marts), desde que estes sejam desenvolvidos em modelos multidimensionais (MDM)

  • Gabarito: ERRADO

    Data Marts: subconjuntos de um DW, repositório específico e volátil.

    A principal ideia do Data Warehouse é construir um depósito no qual será mantida a memória histórica dos dados, possibilitando a utilização dos mesmos para consulta e análise estratégica para a tomada de decisão.

    OBS: As diferenças entre o Data Mart e o Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido.

  • ERRADO

    -Data mart é um sub-conjunto de dados de um Data warehouse.

    -Geralmente são dados referentes a um assunto em especial ou diferentes níveis de sumarização, que focalizam uma ou mais áreas específicas.

    -Seus dados são obtidos do DW, desnormalizados e indexados para suportar intensa pesquisa. 

  • Pode ser das duas formas, depende da maneira a qual você prefira iniciar o seu projeto de DW.

  • A construção de um data mart antecede a criação de um data warehouse.

    Não necessariamente, pois existe duas formas de construção de um DW.

  • Pode ser tanto antes como após, depende.

    Gab: E

  • Data Mart

    Mercado de dados

    SUBCONJUNTO de dados do DW

    Contém dados restritos a uma unidade de negócio

    Repositório especializado.

    Estratégia.

  • ERRADO

    as empresas podem usar vários data marts para diferentes departamentos e optar pela consolidação de data mart mesclando diferentes marts para construir um único data warehouse POSTERIORMENTE. Esta abordagem é chamada . Outro método, conhecido como , é projetar um data warehouse PRIMEIRO e depois criar vários data marts para departamentos específicos, conforme necessário.

    ENFIM... o data mart pode ser construido Antes ou depois do data warehouse

  • Inmon PROIBE criar Data Marts isolados, ou seja, antes do DW.

    Kimball PERMITE criar Data Marts antes dos DW..

    De qualquer maneira, nenhum dos dois OBRIGA a criação de Data Marts antes dos DW.

    Outro detalhe a se atentar é que o EDW (Inmon) é RELACIONAL, e Inmon só aconselha o uso de BD Multidimensional para Data Marts.

  • AS CESPE TÁ GOSTANDO MUITO DE INVERTER CONCEITOS ULTIMAMENTE.

    O DATAMART É UM SUBCONJUNTO DO DATA WAREHOUSE.

    GAB: ERRÔNEO

  • DEPENDE DA NOTAÇÃO QUE VOCÊ UTILIZAR.

  • A resposta deveria ser: depende. Qual autor é a referência?

  • O cara me joga um enunciado : A respeito de bancos de dados relacionais e de modelagem dimensional;

    Ai não me da qual autor ele quer.... é f0d@ em.

  • O BAGULHO COMEÇA A FICAR PIOR DEPOIS QUE QUE COMEÇAMOS A LER OS COMENTÁRIOS DAS QUESTÕES... PQP.. Isso é nossões de Informática?

  • Não, por causa do Inmon, que reverte a ordem que seria lógica , do armazenamento dos dados, deixando o DataMart como repositório após o DW.

  • Impossível responder a forma de CONSTRUÇÃO DO MODELO se ele não mencionar KIMBALL ou INMON.

    Kimball: DM para DW

    Inmon: DW para DM

    onde:

    DW: DATA WAREHOUSE

    DM: DATA MARTs

    GAB. Errado

  • Não existe regra pra a ordem. Na abordagem bottom-up ("de baixo pra cima") se cria os data marts primeiro, pra depois criar o datawarehouse, como uma junção dos data marts. Na abordagem top-down ("de cima pra baixo") se cria primeiro o datawarehouse, e posteriormente os data marts como subconjuntos do data warehouse.

    Acredito que o erro da questão foi ter generalizado e trazido a abordagem bottom-up como regra

  • Na hora de guardar a feira, é melhor ter primeiro um armário ou potes pra separar item por item?

  • Data Mart (DM):

    • mercado de dados
    • subconjunto de dados de um data warehouse
    • contém dados restritos a uma unidade de negócio
    • repositório especializado

  • DEPENDE

    INMON- TOP DOWN- Primeiro o data warehouse

    KINBALL- BOTTOM UP- Primeiro o dat mart

  • Gab. Errado

    Data marts são dados específicos de um data warehouse, como um determinado departamento da empresa. Alguns autores citam que o data warehouse é um conjunto de data marts.

    Fonte: Prof. Ricardo Beck

  • O data mart é uma parte do Warehouse. Uso como analogia a teoria dos conjuntos

  • Então o Cespe adota a teoria de INMON?????????

  • (CESPE-DEPEN) Datamart é a denominação atribuída a um sistema de dataware que atende a áreas específicas de negócios de organizações e que representa um subconjunto lógico do datawarehouse

    gabarito: certo

    (Cespe/19)Chamados de data mart, os servidores de apresentação de data warehouse permitem consultas.

    bagarito: certo  Um (Data warehouse) pode ser considerado, na visão bottom-up, uma reunião de vários (Data Marts), desde que estes sejam desenvolvidos em modelos multidimensionais (MDM)

    Data mart é um sub-conjunto de dados de um Data warehouse. Geralmente são dados referentes a um assunto em especial ou diferentes níveis de sumarização, que focalizam uma ou mais áreas específicas.

    1. São depósitos de dados que atende a certas áreas específicas da empresa, também conhecido como Data Warehouse Departamental fornece suporte à decisão para um pequeno grupo de pessoas – como aos profissionais da área de marketing, ou de vendas, por exemplo. O tempo de desenvolvimento e implementação, assim como os investimentos necessários, também são bem menores, em comparação ao Data Warehouse.
    2. As diferenças entre Data Mart e Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido. Portanto, as definições dos problemas e os requisitos de dados são essencialmente os mesmos para ambos.

    Data marts são um tipo de DATA WAREHOUSE com menor abrangência.

    Um data warehouse agrega diversos data marts.

    Data Mart (DM)

    • Dados agregados
    • Não possui necessariamente um histórico das informações
    • Esquema estrela (fatos e dimensões)
    • Pode ser reconstruído a partir dos dados existentes no DW
    • Pequeno volume de dados
    • Otimizado para consultas pontuais

    Data Warehouse (DW)

    • Dados integrados e organizados por assunto
    • Histórico de informações da empresa
    • Esquema estrela (fatos e dimensões)
    • Não-Volátil
    • Metadados
    • Grande volume de dados

    gab.: ERRADO.

  •  Datamart é a denominação atribuída a um sistema de dataware que atende a áreas específicas de negócios de organizações e que representa um subconjunto lógico do datawarehouse.

  • DATA MART ESTÁ DENTRO DO DATA WAREHOUSE

  • Errado

    Data Mart (repositório de dados) é subconjunto de dados de um  (ou DW, armazém de dados). Geralmente são dados referentes a um assunto em especifico.

  • Errado

    Data Mart (repositório de dados) é subconjunto de dados de um Data Warehouse (ou DW, armazém de dados). Geralmente são dados referentes a um assunto em especifico.

  • Galera, posso estar beeem enganado, mas ao analisar essa questão:

    TCE RJ -> Enquanto os depósitos de dados e seus subconjuntos data marts são bancos estáticos, ou seja, não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório, os bancos de dados típicos mudam constantemente, sendo dinâmicos por natureza.

    Gabarito: Certo

    Percebi que como padrão, a banca está tratando DM apenas como um subconjunto (parte menor de um todo), alocando todas as características de um DW a um DM.

    Com isso, esse examinador abençoado ao falar: "A construção de um data mart antecede a criação de um data warehouse." traz a tona a ideia de que primeiro se constrói o todo maior (DW) e, só assim, dividi-lo em subconjuntos (DM).

    Qualquer opinião diferente diz aí !

  • Sequência lógica

    Dados--------->ETL--------->Data Ware House ( Data marts )-------------> OLAP e Data Mining.

    ➢ ETL-> Extrai/Trata/Limpa

    ➢ DATA MART-> Mercado de Dados (banco de dados específicos),

     ➢ OLAP-> Processamento analítico em tempo real

    ➢ Minerar os Dados (Data Mining) 

  • apenas complementando:

    Data Warehouse - dados integrais, completos, um verdadeiro armazém de dados não voláteis

    Data Mart - dados especializados, específicos, separados em diferentes departamentos.

    Logo, é como se o Data Mart precisasse do grande armazém de dados (o Warehouse) para basear suas especialidades. Ou seja, o Data Mart é um processo posterior, e não anterior.

  • Gabarito: Errado

    Está invertido.

    Data Mart é uma coleção menor de dados. É um subconjunto de um armazém de dados (DW), geralmente constituído por uma única área temática. Pode ser dependente ou independente do DW. Seus dados são obtidos do DW, desnormalizados e indexados para suportar intensa pesquisa. São mais visuais do que um DW.

  • o data warehouse ( DW) é um armazém , que coleciona os dados já obtidos , como se fosse um porão de dados ( passados) para auxilar em todas as predições ou mineração de dados ( futuros). errado.

  • Não necessariamente! Depende da forma de implantação escolhida , Button-up ou Top-down.

  • Jesus, eu já vi questões com nego tentando explicar uma coisa e falando cag@d@, mas essa aqui está de parabéns. Aliás, o segundo comentário mais curtido em nada explica o erro da questão, só fez firula, como os outros 90%.

    E qual a justifica mais provável do gab ser E? Porque DEPENDE da abordagem (e da doutrina). É só isso. Parem de falar m....

  • GAB: E

    • DW: São maiores (guarda roupa)
    • DM: São subconjuntos específicos (gaveta) para suportar pesquisas sobre assuntos especificos

  • Está errada porque cravou, quando na verdade depende de seu modelo.

    No Bottom-Up (Baixo-Cima) começa pelo mais simples (DM) e depois faz-se o complexo (DW). É mais barato inicialmente e a implementação é mais simples.

    No Top-Down (Cima-Baixo) a lógica é inversa, primeiro o mais complexo e custoso, depois os mais simples. (DW->DM

  • Data Mart é um subconjunto de dados de um data warehouse, sendo dados que focalizam em uma area mais específica (estoque, vendas, caixa).

  • essa prova a banca estava de sacanagem

    essa questão tinha que ser anulada e explicar pro FD#!@#!@#P do examinador um pouco sobre BI

  • Gabarito: errado

    (CESPE / CEBRASPE - 2012 ) Por meio de um data mart, que é um subconjunto do data warehouse, é possível criar uma visão personalizada dos dados. (CERTO)

    (CESPE / CEBRASPE - 2010 )Um data mart é uma reunião de vários data warehouses, a fim de fornecer visão mais ampla dos dados.(ERRADO)

    (CESPE / CEBRASPE - 2011 ) Considere que, em uma organização que mantenha uma solução de DW, haja grande quantidade de dados para serem manipulados e que uma nova área criada dentro dessa organização necessite acessar parte dos dados desse DW. Nessa situação, seria adequada a implementação de um datamart específico para essa nova área. (CERTO)

  • Trata-se de uma questão sobre bancos de dados.

    O comando da questão afirma que a construção de um data mart antecede a criação de um DW.

    A afirmação está errada. Data marts são bancos de dados modelados multidimensionalmente orientado a departamentos, por exemplo, marketing, financeiro, etc. Primeiramente deve-se criar o DW para depois criar um ou mais DM.


    Gabarito do Professor: ERRADO.

  • Num é possível um examinador não levar em consideração que existem duas abordagens KKKKKK isso não ser anulado é uma piada

ID
5040790
Banca
CESPE / CEBRASPE
Órgão
TCE-RJ
Ano
2021
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de bancos de dados relacionais e de modelagem dimensional, julgue o item subsequente.


Enquanto os depósitos de dados e seus subconjuntos data marts são bancos estáticos, ou seja, não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório, os bancos de dados típicos mudam constantemente, sendo dinâmicos por natureza.

Alternativas
Comentários

  • Gabarito: CERTO

    DATA WAREHOUSE: (armazéns de dados ou depósitos de dados, como chamado no item)

    CARACTERÍSTICA ESSENCIAIS: BIZU "HINO"

    Histórico ( variável ao longo do tempo)

    Integrado

    Não-volátil-  uma vez os dados armazenados, eles permanecem lá, não sendo alvo de atualizações e modificações frequentes.

    Orientado por assunto

    Já os bancos de dados típicos são os relacionais, que são os bancos de dados mais comuns nas organizações. Estes geralmente se destinam ao armazenamento e processamento de dados transacionais, ou seja, que são frequentemente acessados e modificados.

    Data Warehouse = não volátil

    Data Mart = Volátil (DE ACORDO COM O AUTOR DATE) Esse é o entendimento da banca!

  • Após o dado ser carregado para o DW, não pode mais ser alterado, apenas excluído (não-volátil).

    Isso acontece pois o DW é otimizado para recuperação de dados. Por outro lado, bancos de dados tradicionais são otimizados para transações.

  • Questão: "Enquanto os depósitos de dados e seus subconjuntos data marts são bancos estáticos, ou seja, não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório, os bancos de dados típicos mudam constantemente, sendo dinâmicos por natureza."

    Se um data mart é volátil (ao contrario do DW), então por que ele não pode sofrer mudanças depois de agrupados, formatados e armazenados em um repositório? Fiquei com dúvida nisso

  • Não entendi!

    Os dados que não se alteram... os dw/data mart podem ser alterados com a inserção de novos dados

    O processo de extração, transformação e carga, comumente referenciado como ETL (Extract-Transform-Load), é um processo usado na criação e na atualização de um Datawarehouse. CERTO

  • E o data marta é não volátil?

    • Gab. preliminar: c

    Gran cursos:

    Questão 100 – Enquanto os depósitos de dados e seus subconjuntos data marts são bancos estáticos, ou seja, não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório, os bancos de dados típicos mudam constantemente, sendo dinâmicos por natureza. GABARITO CESPE: CERTO (cabe recurso).

    Entendo que deveria ser ERRADA. Segundo INMON, um Data Warehouse é um conjunto de dados orientado para o assunto, integrado, não volátil, variante ao tempo, utilizado no apoio de decisões gerenciais. Em contra partida, um Data Mart é especializado e volátil, contém dados para apoio de uma área específica e os dados podem ser atualizados, ou serem criados novos dados para algum propósito.

  • Os data warehouses (armazéns de dados ou depósitos de dados, como chamado no item) são bases e dados que têm a característica da não volatilidade. Ou seja, uma vez os dados armazenados, eles permanecem lá, não sendo alvo de atualizações e modificações frequentes, até para que se mantenha uma visão histórica sobre as informações.

    Já os bancos de dados típicos são os relacionais, que são os bancos de dados mais comuns nas organizações. Estes geralmente se destinam ao armazenamento e processamento de dados transacionais, ou seja, que são frequentemente acessados e modificados.

    Fonte: Direção Concursos.

  • Date nos diz que um Data Mart (DM) é volátil: "...um data mart é especializado e volátil (...) Por especializado, entende-se que o datamart (ferramenta OLTP) possui uma estrutura baseada em um ambiente, tema, situação, área, setor ou aplicação específica, enquanto o DW (ferramenta OLAP) se baseia em várias fontes de diversas aplicações, fontes e situações para facilitar um suporte a decisão gerencial. Por volátil, entende-se que os dados do datamart são alterados frequentemente, enquanto os do DW, por guardarem histórico, só são alterados quando uma carga foi feita de forma errada, mas não freqüentemente como em um data mart (que é baseado em aplicações)."

    O Bill Inmon também se posiciona da mesma maneira. Agora, se têm outros que possuem entendimento oposto, a banca deveria especificar de que posicionamento está cobrando.

  • Não entendi o porque desse gabarito, pra mim a resposta seria "ERRADO", se alguém puder me esclarecer, segue embasamento:

    Por especializado entende-se que o data mart (ferramenta OLTP) possui uma estrutura baseada em um ambiente, tema, situação, área, setor ou aplicação específica, enquanto o DW (ferramenta OLAP) se baseia em várias fontes de diversas aplicações, fontes e situações para facilitar um suporte a decisão gerencial. Por volátil, entende-se que os dados do data mart são alterados frequentemente, enquanto os do DW, por guardarem histórico, só são alterados quando uma carga foi feita de forma errada, mas não frequentemente como em um data mart (que é baseado em aplicações).

  • A atualização não conta?

  • Acho que nesta questão confundiram com não volátil com estático para DM. Deveria estar errada.

  • Data Mart são subconjuntos de dados especializados conforme a necessidade a que se prestam, oriundos do DW. Portanto, a natureza dos dados de um DM é a mesma do DW de que provêm. A volatilidade de um Data Mart se refere ao agrupamento de dados que pode variar conforme seja requisitado, e não sobre a alteração dos dados em si.

  • Não entendi, é certo ou errado?

  • Se os Data Marts são SUBCONJUNTOS do DW com são voláteis?

    Acho que a vai ser ANULADA, precisaria mencionar o Autor KIMBALL ou INMON...

    Conforme Inmon é Não volatil. Errada

    Conforme o modelo de KIMBALL é volátil. Certa

  • Erraria essa questão fácil

  • Temos que lembrar que o fato dos Data Marts serem ou não voláteis é CONTROVERSO, e a Cespe adota a linha de que os Data Marts são subconjuntos dos Data Warehouses, sendo assim Não-Voláteis como os DW's.

    Questão CERTA

  • QUESTÃO PEGADINHAAAAAA!!!!

    A banca tenta te confundir,

    Os dados de um data Warehouse são não volátil e os dados do data marts são volátil.

    Na primeira parte da questão ela afirma que os dados do DATA MARTS são ESTÁTICOS (parado, imóvel, sem movimento, não volátil), porém, no decorrer da questão ela afirma que esses dados não sofrem mudanças DEPOIS de agrupados, formatados e armazenados.

    E isso está CERTO, até pq a empresa já USOU esses dados, já FORMATOU esses dados, já EXTRAIU o que tinha para extrair e só resta agora armazenar, e depois de armazenado os dados eles ficam de fato ESTÁTICO.

    Na parte final a questão já está falando de BANCO DE DADOS e não de DADOS especificamente e a parte de BANCO DE DADOS está correta também .

  • Pessoal,

    O único autor que diz que os Data Marts são voláteis é Date. Acredito que a banca, no caso, considerou a literatura majoritária para formular a questão. Complicado, mas não deixa de estar certo.

    Bons estudos.

  • Certo.

    Os dados em geral podem ser alterados, formatados e atualizados livremente, até que sejam armazenados no datawarehouse. A partir daí, não sofrerão mais atualizações e servirão somente para consulta futura e análises retrospectivas. Isso equivale a dizer que são bancos estáticos. Vejam que a questão fala "não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório". O mesmo vale para os data marts, que podem ser entendidos como as partes que compõem um datawarehouse, de setor em setor.

  • Questão corretíssima com riqueza de detalhes!

    Enquanto os depósitos de dados (DW) e seus subconjuntos data marts (DM) são bancos estáticos, ou seja, não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório, os bancos de dados típicos mudam constantemente, sendo dinâmicos por natureza.

    Só o Date que fala que é volátil (Estratégia Concursos), logo, o Cespe não só adotou a corrente majoritária, como definiu em que momento esses dados passam a ser estáticos, representando fielmente algumas das fases pelas quais esses dados brutos passam antes de serem consolidados.

    como adendo, releiam o comentário sensacional da Suelem Gonçalves

    AVANTE

  • DATA MARTS são ESTÁTICOS (parado, imóvel, sem movimento, não volátil), porém, no decorrer da questão ela afirma que esses dados não sofrem mudanças DEPOIS de agrupados, formatados e armazenados.

  • Galera, a questão da volatilidade do Data Mart não é um consenso na literatura. Pelo visto, o entendimento da banca é o de que não é volátil. Autores como Date (e corrente minoritária) entendem que é volátil. Portanto, guardem esse entendimento da banca pra embasar possíveis recursos.

  • Eu não sei de q corrente majoriátia vcs estão falando (foi mal...cheguei agora e tô + perdido q o Chicó do Alto da Compadecida(Tô rico, to pobre, tô rico, tô pobre, ou eleitor de Lu*la e Bolso*naro depois dessa decisão do stf: é lad*rão/não é...é geno*cida, não é...).

    Bem, não preciso falar do posicionamento de [1], pois está sendo amplamente usado como fontes nos comentários; pesquisei[2][3] e eles não se posicionam acerca dessa questão específica(abordam mais DW).

    Minha tendência é considerar essa questão como errada.

    Portanto, repito:

    DE QUE CORRENTE MAJORITÁRIA ESTÃO FALANDO???

    Eu capotaria de voadeira com recurso nessa!!! E se forem argumentar, prfvr, q me venham com um autor P*G*!!!

    E quanto aos q argumentam q vc deve seguir corrente do CESPE, não sei de q corrente estão falando. Pesquisei o banco de questoes do CESPE e não vi nada sobre esse aspecto especifico. Até posto o link da pesquisa:

    https://www.qconcursos.com/questoes-de-concursos/questoes?examining_board_ids%5B%5D=2&page=2&q=datamart

    AO GOSTO DO FREGUES!!!

    Fonte:

    [1] SBD, Date

    [2] E&N, SBD

    [3] A. Silberschatz, SBD

    [4] Austera apud [Ilmon, Kimball], https://www.astera.com/pt/type/blog/data-warehouse-concepts/

  • Na minha primeira resolução marquei com errado! Após o gabarito definitivo da banca Cebraspe, entende-se que o DATA MARTE e não Volátil

  • Bom, meu entendimento foi que a banca ao dizer: "não mais sofrem mudanças depois de agrupados, formatados e armazenados" colocou DM como parte integrante de um DW ( que é não- volátil), assim, com as mesmas características do todo maior. Também, penso que, dados após serem tratados, agrupados (em um DM, que seja) e armazenados no depósito, não há mais que se falar em modificar.

  • A respeito de bancos de dados relacionais e de modelagem dimensional: enquanto os depósitos de dados e seus subconjuntos data marts são bancos estáticos, ou seja, não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório, os bancos de dados típicos mudam constantemente, sendo dinâmicos por natureza.

  • Questão pegadinha, "data marts são bancos estáticos, ou seja, não mais sofrem mudanças depois de agrupados, formatados e armazenados seus dados em um repositório, os bancos de dados típicos mudam constantemente, sendo dinâmicos por natureza"

    ou seja, a banca disse que o DM ser estático e não sofrer mudança, DEPOISS de agrupados e lalala, é um caso atipico!! ao dizer "banco de dados tipicos, que mudam constantemente, sendo dinamico por natureza", afirma que DM é volátil

  • estático = não volátil

    uma vez salvos no banco, os dados permanecem sem alteração

    banco de dados típico: ex: Microsoft SQL Server, posso incluir, excluir, alterar dados tranquilamente, sendo dinâmico

  • muito comentário errado, datamart é especializado e volátil. Ser estático após o armazenamento dos dados não está ligado a sua volatilidade. Cuidado com comentários equivocados! quem tiver dúvida tem essa questão que ratifica a volatilidade e especialização  Q50122

  • Trata-se de uma questão sobre bancos de dados.

    O comando da questão afirma que os DW e DM são estáticos.

    A afirmação está correta, essa é uma das principais diferenças entre os bancos de dados transacionais e os DWs. Enquanto os bancos transacionais suportam o dia a dia do negócio, registrando o dia a dia das transações (e sendo fortemente dinâmicos), os DW focam em dar apoio a inteligência do negócio, trabalhando com dados agregados otimizados para consultas rápidas.


    Gabarito do Professor: CERTO.

  • Non-volatile means the previous data is not erased when new data is added to it. 

    Ou seja, não volátil quer dizer que o dado uma vez adicionado não é apagado quando novos dados são adicionados. Portanto, tanto datamart quanto DW são não voláteis a meu ver

  • data mart ora é, ora não é