SóProvas

Questões de OLAP (On-line Analytical Processing)

ID
43678
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2008
Provas
Disciplina
Banco de Dados
Assuntos

A seguir são feitas algumas afirmações a respeito de data warehouses e ferramentas OLAP.

I - Os usuários finais do data warehouse, em geral, não possuem acesso à Data Staging Area.

II - Drill in, drill out, roll over e roll on são típicas operações disponibilizadas pelas ferramentas de consultas OLAP para navegar pela hierarquia de uma dimensão.

III - As rotinas de ETL muitas vezes originam solicitações de mudanças e melhorias nos sistemas OLTP e outras fontes de dados que alimentam o data warehouse, pois têm o potencial de revelar inconsistências entre os diversos sistemas corporativos.

IV- Um data warehouse, em geral, deve ser projetado para fazer junções entre fatos e dimensões através de chaves naturais, evitando chaves substitutas (surrogate keys), pois estas apenas contribuiriam para aumentar o tamanho e a complexidade do esquema sem nenhum benefício para o usuário final.

Estão corretas APENAS as afirmações

Alternativas
Comentários
  • I - Staging Area é o local onde é realizado o processo de ETL (Extração, transformação e Carga), logo, normalmente o usuário não tem acesso.II - Operações: Drill up, Drill Down, Drill Across, Drill Throught, Slice, Cruzamento e Rotação.III - Umas das funções da ETL é remover inconsistência e criar uma nomenclatura comum. Ex: Em um BD usa M para masculino e em outro usa H. Após o processo de ETL só existirá um na Base de Dados AnalíticaIV - Junções por chaves naturais são lentas. O uso de Surrogates Keys aumenta a performance. Respota - I e III
  • I - Os usuários finais do data warehouse, em geral, não possuem acesso à Data Staging Area.


    Esse "em geral" quebrou minhas pernas, porque dá idéia de que em alguma situação específica os usuários possuem acesso, o que não é verdade.  Para mim deveria ser: NUNCA possuem acesso.

    =(

  • I - Usuário final ( Somos eu e vc) Não vamos ter acesso a Data Staging

    - DATA STAGING = Onde acontece a ETL

    - ETL = EXTRAÇÃO, TRANSFORMAÇÃO e CARGA. Ele tem como função a extração dos dados de diversas fontes, transformação dos dados conforme as regras do negócio e a carga dos mesmos dados em um DW.

    II - NÃO EXISTE drill in, rill in, drill out, roll over e roll on 

    Operações OLAP

    - DRILL UP/ROLL UP = Menor Detalhe, Maior Agregação = Maior granularidade, Sobe no detalhe

    - DRILL DOWN = Maior Detalhe, Menor Agregação = Menor Granularidade, Desce no detalhe

    - DRILL ACROSS = Pulo na MESMA DIMENSÃO, executa uma consulta envolvendo mais de uma tabela fato. Essa operação exige que os dois cubos tenham pelo menos uma das dimensões em comum

    - DRILL THROUGHT = Pulo para OUTRA DIMENSÃO, visa acessar as informações em um nível de detalhe que não está disponível no cubo de dados

    - DRILL WITHIN = Passagem de uma classificação para outra classificação diferente dentro da mesma dimensão.

    - PIVOT = Rotação, Visão alternativa, visão alternativa dos dados.

    - SLICE = Seleciona uma única dimensão de um cubo OLAP.

    - DICE = Extrai um SUBCUBO do cubo original extraindo uma operação de seleção em duas ou mais dimensões.

    III - Leia a I

    IV = Recomenda-se o USO de SURROGATE KEYS

    GABARITO B

ID
73813
Banca
FGV
Órgão
SEFAZ-RJ
Ano
2008
Provas
Disciplina
Banco de Dados
Assuntos

Business Intelligence (BI) refere-se ao processo para tomada de decisões em uma empresa, sendo de elevada importância a existência de um repositório próprio para os dados consolidados e já transformados em "informação real", que pode ser um Data Warehouse ou um Data Mart. Nesse contexto, duas aplicações são identificadas: a primeira, que sustenta o negócio por meio de ferramentas OLTP (On Line Transaction Processing), e a segunda, que analisa o negócio por meio de ferramentas OLAP (On Line Analytical Processing). Essas aplicações têm, como objetivos principais, respectivamente:

Alternativas
Comentários
  • oltp-> Os relatórios são gerados de acordo com o dia-a-dia ou seja controlam e transações diárias....olap-> Geram relatórios para alta administração ou seja identificam as tendências do mercado...
  • controle e registro de transações/identificação de tendências.

  • Vale a pena dá uma olhada:

    https://www.google.com/amp/s/ayltoninacio.com.br/blog/entenda-sobre-olap-oltp-e-cubos-analiticos/amp

ID
76840
Banca
CESGRANRIO
Órgão
BACEN
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Um órgão público deseja criar uma base de informações gerenciais sobre operações bancárias de empresas brasileiras. Para isso, um analista de BI (Business Intelligence) desse órgão apresenta as recomendações a seguir.

I - As ferramentas de ETL e OLAP deverão estar, necessariamente, instaladas na mesma máquina do banco de dados de origem.

II - O modelo snowflake exige o uso de chaves artificiais (surrogate keys) para as tabelas que necessitam de histórico.

III - A dimensão Tempo sempre pode ser carregada antecipadamente.

Está(ão) correta(s) APENAS a(s) recomendação(ões)

Alternativas
Comentários
  • A utlização do Surrogate Key, substituto da chave primária - geralmente por um valor numérico auto-incrementado -, é uma maneira de se melhorar a performance das consultas que serão feitas no DW, não se trata de uma exigência como foi colocada na questão.
  • Surrogate keys são chaves criadas internamente na aplicação, que não têm significado no mundo real.

    Abordagens para criação de surrogate keys:

  • II - O uso de surrogate keys podem prejudicar a normalização, portanto não são indicadas no modelo snowflake.

  • "A dimensão Tempo sempre pode ser carregada antecipadamente."

    Acertei, mas alguém pode me ajudar nessa parte????

  • O que são ferramentas ETL e OLap, me ajude com um exemplo simples sobre Snowflake e SurrogateKeys

  • I - As ferramentas de ETL e OLAP não precisam estar na mesma máquina que a origem dos dados está instalado. Aliás, é comum que haja essa separação, pois as ferramentas de BI podem ter requisitos diferentes das ferramentas dos sistemas transacionais. Além disso, o ETL é um processo custoso do ponto de vista de recursos computacionais (processador, memória...), o que pode prejudicar o desempenho dos sistemas transacionais se ficar tudo na mesma máquina. ERRADA

    II - Não existe tal requisito! ERRADA

    III - A dimensão tempo é a dimensão que contém as informações de datas, para que se possa avaliar os dados nas hierarquias como ano - trimestre - mês - dia, dentre outras possibilidades. Como essa dimensão só contém dados a respeito de datas, podemos carregá-la antes mesmo de conhecer os demais dados do modelo, pois é só carregarmos as datas do calendário e seus atributos. CERTA

ID
81613
Banca
FCC
Órgão
TRE-AM
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Em termos de arquitetura OLAP, suas ferramentas podem ser implementadas de diversas formas, classificadas em cinco tipos. Um deles é o ROLAP, que

Alternativas
Comentários
  • alternativa A: CORRETAalternativa B:ERRADA, sem comentáriosalternativa C: ERRADA. a pegadinha é "das outras ferramentas OLAP";alternativa D: ERRADA. o processamento OLAP ocorre na máquina SERVIDOR;alternativa E: ERRADA.fonte: http://www.ccuec.unicamp.br/revista/infotec/informacao/inf52.htmQuanto à localização dos dados a serem utilizados naanálise, atualmente existem duas abordagens:- um banco de dados multidimensional especializado,- um data warehouse implementado com a tecnologia de bancode dados relacional, mas otimizado para a tarefa de análise.Sistemas OLAP que implementam a primeira abordagem sãochamados de MOLAP (Multi-dimensional OLAP) e aqueles queimplementam a segunda são chamados ROLAP (Relational OLAP).MOLAP é uma classe de sistemas que permite a execução deanálises bastante sofisticadas usando como gerenciador dedados um banco de dados multidimensional. Em um banco dedados MOLAP, os dados são mantidos em arranjos e indexadosde maneira a prover um ótimo desempenho no acesso a qualquerelemento. A indexação, a antecipação da maneira como osdados serão acessados e o alto grau de agregação dos dadosfazem com que sistemas MOLAP tenham um excelente desempenho.Além de serem rápidos, outra grande vantagem desses sistemasé o rico e complexo conjunto de funções de análise queoferecem...Sistemas ROLAP fornecem análise multidimensional de dadosarmazenados em uma base de dados relacionalfonte: http://www.ccuec.unicamp.br/revista/infotec/informacao/inf52.htm
  • a) Ok.b) False. ROLAP = Relacional OLAP. Portanto o banco é relacional, não multidimensional. Ademais, BD relacional tem escalabilidade.c) False. Este item está cheio de subjetividade. "Desempenho superior de banco de dados relacional"? Depende do contexto. Mas o grande problema é falar que "as outras ferramentas OLAP" podem ser combinadas. Outras ferramentas OLAP são MOLAP, HOLAP, Desktop OLAP, WOLAP, etc. Nem todas as compátiveis entre si.d) False. ROLAP não entra no mérito de onde será processado. Desktop OLAP que fala que deve ser processado no cliente.e) False. Mesmo problema. ROLAP não entra neste mérito. Portanto posso ter ROLAP + WOLAP.

  •  Já a arquitetura ROLAP é uma simulação da tecnologia OLAP feita em banco de dados relacionais que, por utilizar a estrutura relacional, possui a vantagem de não restringir o volume de armazenamento de dados (CARVALHO, 2004).

  • A)ROLAP
    B)MOLAP
    C)HOLAP
    D)DOLAP
    E)WOLAP
  • Algumas informações adicionais para facilitar o entendimento da alternativa A:


    ROLAP (Relational On Line Analytical Processing)

    Vantagens:
    -Alta escalabilidade: usando a arquitetura ROLAP, não há nenhuma restrição na limitação da quantidade dados a serem analisados, cabendo essa limitação sendo do próprio banco de dados relacional utilizado;
    - Pode alavancar as funcionalidades inerentes do banco de dados relacional: Muitos bancos de dados relacionais já vêm com uma série de funcionalidades e a arquitetura ROLAP pode alavancar estas funcionalidades.

    Desvantagens:
    - Baixo desempenho: cada relatório ROLAP é basicamente uma consulta SQL (ou várias consultas SQL) no banco de dados relacional e uma consulta pode ser consumir muito tempo se houver uma grande quantidade de dados;
    - Limitado pelas funcionalidades SQL: ROLAP se baseia principalmente na geração instruções SQL para consultar a base de dados relacional, porém essas instruções não suprem todas as necessidades (por exemplo, é difícil de realizar cálculos complexos utilizando SQL). Portanto, usar ROLAP é se limitar ao que instruções SQL podem fazer.


    MOLAP (Multidimensional On Line Analytical Processing)

    Vantagens:
    - Alto Desempenho: Os cubos são construídos para uma rápida recuperação de dados;
    - Pode executar cálculos complexos: todos os cálculos são pré-gerados quando o cubo é criado e podem ser facilmente aplicados no momento da pesquisa de dados.

    Desvantagens:
    - Baixa escalabilidade: sua vantagem de conseguir alto desempenho com a pré-geração de todos os cálculos no momento da criação dos cubos, faz com que o MOLAP seja limitado a uma pouca quantidade de dados. Esta deficiência pode ser contornada pela inclusão apenas do resumo dos cálculos quando se construir o cubo;
    - Investimentos altos: este modelo exige enormes investimentos adicionais como cubo de tecnologia proprietária.
     

    Fonte: http://www.adonai.eti.br/wordpress/2011/03/arquitetura-olap/

  • a-

    ROLAP – Relational Online Analytical Processing: partindo do nome, nessa implementação, o servidor para manipular os dados utiliza um sistema gerenciador de banco de dados relacional: uma camada de interface entre o modelo relacional

    e o modelo multidimensional, transformando as requisições multidimensionais do usuário em rotinas de acesso às tabelas, que armazenam os dados. Sua vantagem é a eficiência no armazenamento de dados esparsos e o segredo está

    na modelagem dos dados.

ID
101890
Banca
CESPE / CEBRASPE
Órgão
TCU
Ano
2007
Provas
Disciplina
Banco de Dados
Assuntos

Nos sistemas de suporte a decisão (SSD), os dados são coletados
em data warehouses e a análise de dados pode ser realizada por
meio de processamento analítico online (OLAP) e datamining.
Julgue os itens seguintes, sobre SSD, OLAP e datamining.

O processamento OLAP é mais flexível do que aquele que ocorre no nível estruturado organizacional do data warehouse.

Alternativas
Comentários

  • É justamente o contrário:
    ROLAP
    Vant: Escalável. Desvant: LENTIDÃO
    *Multidimencionais - Cubo de dimensões Ex:. MOLAP
    Vant: Alta performance, faz calculos complexos. Desvant: CARO

  • O que ele quiz dizer com nível estruturado organizacional do data warehouse?
    A característica do OLAP é justamente a flexibilidade, por iss marquei certo, mas na vera talvez tivesse deixado em branco.

  • Parece que o CESPE pegou a questão desse trabalho da UFSC, ou ambos buscaram em uma fonte que não encontrei.

    "Algumas características do nível OLAP de dados são: 

    - Tamanho reduzido: Em comparação ao nível de dados estruturados organizacionalmente, há muito menos dados residindo em OLAP. 

    - Flexibilidade: O processamento OLAP é muito mais flexível do que  aquele que ocorre no nível estruturado organizacional do processamento do Data Warehouse. 

    - Histórico Limitado: O ambiente OLAP raramente contém tantos dados históricos no mesmo nível de detalhe quanto os mantidos no nível  estruturado organizacional do Data Warehouse. 

    - Personalização: O ambiente OLAP é personalizado por departamento  a fim de se adequar às necessidades especiais da função de negócios  que o detém e gerencia."

    Referência: https://repositorio.ufsc.br/bitstream/handle/123456789/83369/188542.pdf?sequence=1.

    Bons estudos!

  • Creio que quando a banca diz "do que aquele que ocorre no nível estruturado organizacional do data warehouse." esteja se referindo ao processo ETL, que é um processo mais complicado, complexo e menos flexível. Alguém poderia tirar essa dúvida?

  • Me parece que a expressão "nível estruturado organizacional do data warehouse" não faz muito sentido.

    Tenho impressão que a frase foi retirada de algum artigo em inglês, mal traduzido para o português. Para saber o que realmente quiseram dizer com isso, só tendo acesso ao original em inglês. O Sérgio postou abaixo a possível fonte consultada. Já vi alguns artigos acadêmicos, assim como traduções de livros técnicos, com problemas sérios de tradução.

    Concordaria se afirmassem que o processamento OLAP é mais flexível em relação ao processamento dos dados estruturados nos bancos de dados transacionais corporativos (e não do próprio Data Warehouse como disse a questão).

    Em todo caso, o gabarito da banca é "CERTO", do qual discordo.

  • nível estruturado organizacional do data warehouse, MENCIONOU O DATA MINING

    “OLAP é uma ferramenta de consulta em bases de dados analíticas, ele visa extrair informações por meio de queries e utilizando as operações sobre os cubos de dados, mas não aplicam algoritmos específicos neste processo. Data Mining é bem mais complexo que OLAP, ele busca padrões em grandes volumes de dados por meio de técnicas estatísticas e de algoritmos de inteligência artificial, por exemplo.”

    •Visão multidimensional

    •Relatórios flexíveis

    •Geralmente não permite modificação dos dados, só análise.

    Comum uso em ERP, CRM, Sistemas contábeis e Data Warehouses.

    FONTE: meu resumo.

ID
106114
Banca
FCC
Órgão
PGE-RJ
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

MOLAP é

Alternativas
Comentários
  • Ferramenta que dispara suas requisições diretamente ao servidor de Banco de Dados multidimensional. Após o envio da requisição o usuário continua manipulando os dados diretamente no servidor, tendo um ganho no desempenho.É derivação do Olap

  •  MOLAP usas estruturas de bancos de dados que são atributos genéricos otimizados, como período de tempo, localidade, produto ou código de conta. A
    forma como cada dimensão vai ser agregada é definida a priori por uma ou mais hierarquias. É um mecanismo usado para manipular a estrutura e os dados de um Data Warehouse

  • Falou em MOLAP -> Pode procurar por banco de dados multidimensional nas assertivas.

    Falou em ROLAP -> Pode procurar por banco de dados relacional nas assertivas

    Resposta E

  • MOLAP – Multidimensional Online Analytical Processing: nessa implementação para a multidimensionalidade, armazenam e executam operações diretamente sobre uma matriz de dados. Se os dados não forem esparsos, esses servidores são mais eficientes em armazenamento e recuperação do que os servidores ROLAP, uma vez que sua arquitetura é projetada especificamente para este fim.

  • - MOLAP: Na variação MOLAP, a ferramenta OLAP é aplicada diretamente no

    modelo multidimensional (daí o M, de multidimensional).

    - ROLAP: Na variação ROLAP, o sistema emula uma consulta OLAP em um

    conjunto de dados Relacional (daí o R, relacional).

    - HOLAP: Já na variação HOLAP, uma arquitetura híbrida é utilizada, trazendo

    o melhor dos mundos ROLAP e MOLAP.

    - DOLAP: Em relação a variação DOLAP, o que influencia é onde estão os cubos.

    No DOLAP, os cubos são criados e transferidos ao desktop do usuário (daí o D,

    de desktop).

    - WOLAP: No WOLAP, os dados do cubo são feitos via web (daí o W, de web)

    usando o navegador do usuário.

    Fonte: Prof. Wellerson Oliveira e Equipe Exponencial

ID
113641
Banca
FCC
Órgão
DPE-SP
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Um usuário pode pular um nível intermediário dentro de uma mesma dimensão por meio da operação OLAP do tipo

Alternativas
Comentários
  • ü  Roll-up ou Drill-up(agregação) – os dados são resumidos de forma crescente (Ex. dia, mês, ano).
    ü  Drill-down – os dados são resumidos de forma decrescente (Ex. ano, mês, dia).
    ü  Drill Across - ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para trimestre ou mês.
    ü  Drill Throught – ocorre quando o usuário para de uma dimensão para outra.   Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.
    ü  Pivot – rotação do cubo (hipercubo - é um cubo dentro do outro).
    ü  Slice-and-Dice (fatiar e cortar em cubos) – realizar a operação de projeção nas  dimensões.

    Que Deus nos Abençoe.
  • Dica:

    DTD
    - Significado: Dimensão Through Dimensão
    - Vai de uma dimensão para outra;
    - Lembrar: documento DTD para validar documentos XML.

    AMD
    - Significado: Across Mesma Dimensão
    - Pula de um item para outro na mesma dimensão;
    - Processador AMD.

  • DRILLACROSS: ocorre quando o usuário pula um nível intermediário dentro de umamesma dimensão. Por exemplo, a dimensão tempo é composta por ano, semestre,trimestre, mês e dia. A operação DrillAcross é executada quando o usuário passa de ano direto para trimestre ou mês.


  • As consultas no STAR SCHEMA de um data warehouse podem ser feitas em maior ou menor nível de detalhe. Assim uma consulta mais detalhada das informações denomina-se:


    ·        Drill-down (Baixo) - proporciona uma visão mais detalhada de um conjunto de dados, descendo na hierarquia de uma dimensão.


    - Desagregação de dados

    - mais detalhada, menor granularidade (generalização)

    (Ex.: anos - > mês -> dia).


    ·        Roll-up ou Drill-up - Agregação de dados ou sumarizados - menos detalhada, maior granularidade (generalização)

    (Ex.: dia -> mês -> ano).

    Obs.: Drill = grão


    ·        Pivoting ou (Rotation) – Utilizado para INVERTER as dimensões entre LINHAS e COLUNAS.

    Exemplo: Ao visualizar vendas por produto e por estado, aplicar o operador para visualizar as vendas por estado e por produto.


    ·        Drill-Across: ocorre quando o usuário pula um NÍVEL INTERMEDIÁRIO dentro de uma mesma dimensão. O usuário executa um Drill Across quando ele passar de ano direto para trimestre ou mês.



  • Pessoal!

    Dica

    Tradução de across -> "ENTRE"

    O usuário passa entre as informações, não precisa, necessariamente, detalhar todas elas.

    Eu decorei assim. Espero que ajude!

ID
113644
Banca
FCC
Órgão
DPE-SP
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

A tecnologia OLAP feita em banco de dados relacionais que, por utilizar a estrutura relacional, possui a vantagem de não restringir o volume de armazenamento de dados é simulada pela arquitetura

Alternativas
Comentários
  • 1) OLAP,ou On-line Analytical Processing é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas. As aplicações OLAP são usadas pelos gestores em qualquer nível da organização para lhes permitir análises comparativas que facilitem a sua tomada de decisões diária. Classifica-se em DOLAP, ROLAP, MOLAP e HOLAP1.1) DOLAP = Desktop On Line Analytical Processing – DOLAP deriva-se de OLAP, são ferramentas que disparam uma consulta de uma estação cliente para o servidor, que por sua vez retorna enviando o macro-cubo de volta, para que possa ser analisado pelo usuário. Esse tipo de análise é utilizado para fornecer portabilidade aos dados. Ela emite uma consulta para o servidor e recebe as informações de volta para ser analisada na estação. Essa arquitetura oferece a vantagem de reduzir o tráfego na rede e melhora o desempenho de processamento do servidor, pois todo o trabalho de analise das informações e feita pela máquina cliente.1.2) MOLAP = Multidimensional On Line Analytical Processing - MOLAP deriva-se de OLAP, são ferramentas que disparam suas requisições diretamente ao servidor de Banco de Dados multidimensional. Após o envio da requisição o usuário continua manipulando os dados diretamente no servidor, tendo um ganho no desempenho.1.3) ROLAP= Relational On Line Analytical Processing - ROLAP deriva-se de OLAP, são ferramentas que disparam uma consulta para o servidor de banco de dados e processado lá mesmo.1.4) HOLAP =Hybrid On Line Analytical Processing - HOLAP deriva-se de OLAP, são ferramentas hibridas. É a combinação entre ROLAP e MOLAP, pegando o melhor de ambas as categorias a escalabilidade de ROLAP e o alto desempenho do MOLAP
  • A parte que diz "por utilizar a estrutura relacional" entrega a questão. R(elational)OLAP.
  • Resposta B)
    Feita em Banco de Dados Relacionais é ROLAP, aí a questão já estava concluida, mas se essa informação não estivesse na questão, vai mais uma aí:
    O ponto forte do ROLAP é a ESCALABILIDADE , ou seja,  não tem restrições de volume. 

    Bons Estudos
    Marcelo

  • R -> Relacional

    D -> Desktop

    M -> Multidimensional

    H -> Hybrid

    S -> Spartial

  • ROLAP- é uma simulação da tecnologia OLAP feita em banco de dados relacionais que, por utilizar a estrutura relacional, possui a vantagem de não restringir o volume de armazenamento de dados.

ID
121705
Banca
CESPE / CEBRASPE
Órgão
Banco da Amazônia
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Além das ferramentas para gerenciamento de banco de dados,
várias outras ferramentas de software atuam como front ends para
gerenciadores de bancos de dados, como geradores de relatórios,
geradores de consultas, geradores de formulários de entrada de
dados, ferramentas de modelagem e de dicionário de dados, de
engenharia reversa, de data warehousing, de benchmarking, de
auditoria, de recuperação de dados, entre outras. Considerando os
conceitos relacionados a essas ferramentas, julgue os itens
seguintes.

Os modelos de dados produzidos por ferramentas OLAP tendem a oferecer uma visão mais hierárquica e navegável de um banco de dados que os modelos de dados produzidos por ferramentas CASE relacional.

Alternativas
Comentários
  • Ferramentas de OLAP são aplicações que permitem uma visão dos dados por meio de perspectivas múltiplas, ajudando aos usuários a tomar decisões através da utilização de uma série de operações básicas que permitem a navegação pelas dimensões do hipercubo de dados definidos no Data Warehouse. 

  • GABARITO CORRETO!

    .

    .

    OLAP permite uma visão conceitual multidimensional dos dados e possui três componentes principais em sua arquitetura: um modelo de negócios, um motor para processar consultas multidimensionais e um mecanismo para armazenar os dados.

    OLTP: os usuários têm permissão para leitura, inserção, modificação e exclusão dos dados armazenados.

    OLAP: podem analisá-los sob diversos ângulos.

  • OLAP

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

    Professor Diego Carvalho

  • Complementando:

    As ferramentas OLAP estão ligadas ao conceito de BI, análise do negócio.

    • ROLAP → relacional → ideal para DW
    • MOLAP → multidimensional → ideal para Data Mart.

ID
121708
Banca
CESPE / CEBRASPE
Órgão
Banco da Amazônia
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Além das ferramentas para gerenciamento de banco de dados,
várias outras ferramentas de software atuam como front ends para
gerenciadores de bancos de dados, como geradores de relatórios,
geradores de consultas, geradores de formulários de entrada de
dados, ferramentas de modelagem e de dicionário de dados, de
engenharia reversa, de data warehousing, de benchmarking, de
auditoria, de recuperação de dados, entre outras. Considerando os
conceitos relacionados a essas ferramentas, julgue os itens
seguintes.

Ferramentas do tipo ROLAP apresentam maior nível de multidimensionalidade e latência mais elevada no acesso aos dados que as do tipo MOLAP.

Alternativas
Comentários

  • É justamente o contrário:

    ROLAP
    Vant: Escalável. Desvant: LENTIDÃO
    *Multidimencionais - Cubo de dimensões Ex:. MOLAP
    Vant: Alta performance, faz calculos complexos. Desvant: CARO

  • Com ROLAP pode-se "simular"  multidimensionalidade através de seus relacionamentos.
    O modelo multidimensional é o MOLAP.
    Por isso está errado dizer que o ROLAP possui mais multidimensionalidade que o MOLAP.
    Quanto a latência está correto. O ROLAP é mais lento que o MOLAP, na maioria das vezes necessita acessar mais linhas que o MOLAP para chegar ao mesmo resultado.

  • MOLAP

    - Armazenamento dos dados em cubos dimensionais e em formato proprietário;
    - Execução de cálculos complexos;
    - Investimentos altos;
    - Alto desempenho;
    - Baixa escalabilidade.
    ROLAP
    - Pode alavancar as funcionalidades inerentes do BD relacional;
    - Limitado pelas funcionalidades SQL;
    - Baixo desempenho;
    - Alta escalabilidade.

  • Resumo básico:

    ROLAP (Relational OLAP)

    • OLAP supported on top of a relational database.

    MOLAP (Multi-Dimensional OLAP)

    • Use of special multi-dimensional data structures

    HOLAP: (Hybrid)

    • combination of previous two


  • A arquitetura OLAP possui 5 ferramentas que são classificadas em cinco tipos que são: 

    - ROLAP - RELACIONAL utiliza tecnologia de BD RELACIONAL para armazenar seus dados e suas consultas também são processadas pelo gerenciador de banco de dados relacional(escalabilidade, flexibilidade e padronização); é mais indicado para DATA WAREHOUSE pelo grande volume de dados

    - MOLAP – MULTIDIMENSIONAIS manipulando os dados diretamente no servidor, tendo ganho desempenho. É mais indicado para DATA MARTS dados são mais específicos (Cubo de dados)

    - HOLAP - HÍBRIDO é a combinação entre ROLAP (escalabilidade, flexibilidade e padronização) e MOLAP (desempenho); è (ROMA)

    - DOLAP - DESKTOP Permitem análises específicas em BD individuais instalados em computadores pessoais. 

    - WOLAP - Web disparam uma consulta via navegador Web para o servidor, que retorna um cubo olap para ser analisado pelo usuário;

    - SOLAP – Integração entre ferramenta que utiliza informações geográficas( como o GIS) e OLAP

  • ROLAP (Relational On Line Analytical Processing)

    MOLAP (Multidimensional On Line Analytical Processing)

  • MOLAP = BD MULTIDIMENSIONAL;

    ROLAP = BD RELACIONAL.

  • Ferramentas do tipo ROLAP apresentam MENOR nível de multidimensionalidade e latência mais elevada (Processamento é mais lento) no acesso aos dados que as do tipo MOLAP.

    Gabarito: ERRADO

ID
128500
Banca
FCC
Órgão
TRT - 15ª Região (SP)
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

No contexto OLAP:

I. As visões materializadas agregadas a partir de uma tabela de fatos podem ser identificadas exclusivamente pelo nível de agregação para cada dimensão.

II. Quando aplicada a configuração star schema as tabelas de fatos e as de dimensão são idênticas quanto à totalidade dos atributos que contêm e também quanto ao grau de granularidade.

III. O esquema snow flake é uma variação do star schema.

Está correto o que consta em

Alternativas
Comentários
  • B) CORRETAanálise das assertivas:III O Star Schema pode ser usado qualquer situação. O Snow Flake seria uma variação do Star Schema ligando fatos entre si para diminuir a repetição de informações nas tabelas dimensionais.Por exemplo: Uma relação entre Colaborador e seus Dependentes.Nesse caso, os Dependentes ficam armazenados em um snowflake apontado para o Colaborador.IIO conceito de Esquema Estrela (em inglês: Star Schema) foi criado pelo americano Dr. Ralph Kimball, ao propor uma visão para a modelagem de base de dados para sistemas de apoio a decisão. Sua principal característica é a presença de dados altamente redundantes, melhorando o desempenho.O Star schema ou esquema em estrela é uma metodologia de modelagem de dados utilizada no desenho de um Data Warehousing.Os dados são modelados em tabelas dimensionais ligadas a uma tabela de fatos. As tabelas dimensionais contém as características de um evento. A tabela de fatos armazena os fatos ocorridos e as chaves para as características correspondentes, nas tabelas dimensionais.Exemplo:FATO=VendasDIMENSOES: Produto, Loja, Tempo, Cliente.Desta forma, por definição, as tabelas de fatos e de dimensões NÃO SÃO idênticas quanto ao grau de granularidade (detalhamento). Por exemplo, vendas por "Produto" poderá ter diversos níveis de granularidade na dimensão "Tempo": "Vendas diárias", "Vendas Semanais", Vendas Mensais", etc.Estas mesmas vendas por produto, na dimensão "Produto", irá AGRUPAR o total de vendas de um determinado produto, sem levar em consideração o período de tempo.O nome foi adotado devido à semelhança do modelo como uma estrela. No “centro” da estrela, existe aquilo a que se chamou tabela de fatos, rodeada por tabelas auxiliares, chamadas de dimensões. A tabela de fato liga-se às demais dimensões por múltiplas junções e as tabelas de dimensões ligam-se com apenas uma junção à tabela de fatos.Desta forma a consulta ocorre inicialmente nas tabelas de dimensão e depois nas tabelas de fatos, assegurando a precisão dos dados por meio de uma estrutura de chaves onde não é preciso percorrer todas as tabelas, garantindo um acesso mais eficiente de com melhor desempenho.
  • Afirmativa I (CORRETA) - Primeiramente é necessário entender o conceito de fato e dimensão. 
    Fato é uma coleção de itens de dados compostos de dados de medidas e de contexto. O fato reflete a evolução dos negócios do dia-a-dia e é representado por valores numéricos. É implementado em tabelas denominadas tabelas de fato (fact tables). 
    Dimensões são os elementos que participam de um fato, ou seja, é a partir delas que formam a tabela de fato.
    Assim sendo, as visões materializadas de uma tabela de fato é constituída das tabelas de dimensão.
     
    Afirmativa II (ERRADA) - É necessário entender o conceito de star schema que é um modelo de metadado (esquema) do cubo multidimensional, onde a tabela dominante (tabela de fato), que fica no centro de tudo, se relaciona com as outras tabelas (de dimensão), que ficam nas extremidades da tabela de fato, formando uma espécie de "estrela".
    No modelo star schema, nem sempre as tabelas de fato e de dimensão são idênticas porque pode haver tabelas com quantidade de atributos diferentes.
     
    Afirmativa III (CORRETA) - É necessário também entender o conceito de snow flake que é um modelo de esquema que é normalizado (normalização de banco de dados) a partir do modelo star schema. Ou seja, o modelo snow flake é uma variante do modela star schema como afirma na questão.

  • OLAP, “Online Analytical Processing”, analisa grandes volumes de informações nas mais diversas perspectivas dentro de um Data Warehouse (DW). O OLAP também faz referência às ferramentas analíticas utilizadas no BI para a visualização das informações gerenciais e dá suporte para as funções de análises do negócio organizacional.

ID
135520
Banca
CESPE / CEBRASPE
Órgão
EMBASA
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de sistemas de apoio à decisão, julgue os itens que se
seguem.

Denomina-se OLAP (on-line analytical processing) o processo de busca e coleta, organização e análise, compartilhamento e monitoramento de informações que oferecem suporte à gestão de negócios.

Alternativas
Comentários

  • por favor, alguem poderia comentar por que esta eh uma afirmativa errada? fiquei confusa =/

  • O que foi descrito nessa questão define Business Intelligence.

    OLAP transforma os dados de um data warehouse em estruturas multidimensionais com valores pré-caculados para consultas frequentes, suporta vários tipos de análises de dados e fornece respostas rápidas para consultas complexas.

  • Errrado, esse é o conceito de Business Intelligence (BI).

    Business Intelligence (BI): analisa e desenvolve percepções e entendimentos capazes de incrementar e tornar mais fundamentada as tomadas de decisões, refere-se ao processo de coleta, organização, análise, compartilhamento e monitoramento de informações que oferecem suporte a gestão de negócios, independente do porte da empresa, são aplicativos criados para as empresas, e utilizando a WEB, pode-se centralizar dados, sobre seus produtos,entre clientes e fornecedores, etc.

    Fonte: Revista Científica Brasileira (Brazilian Scientific Journal)  São Paulo, SP – Brasil, 2008

    OLAP: É um software cuja tecnologia de construção permite aos analistas de negócios, gerentes e executivos analisar e visualizar dados corporativos de forma rápida, consistente e principalmente interativa. A funcionalidade OLAP é inicialmente caracterizada pela análise dinâmica e multidimensional dos dados consolidados de uma organização permitindo que as atividades do usuário final sejam tanto analíticas quanto navegacionais.

    Fonte: iTMasters, http://imasters.uol.com.br/artigo/1498/gerencia/ferramentas_olap/

  • Uma questão mais recente explica melhor qual a definição de OLAP

    Ano: 2014 | Banca: CESPE | Órgão: MEC | Prova: Especialista em Processos de Negócios

    O termo OLAP (online analytic processing) é utilizado para descrever o processamento de um grande volume de dados históricos por meio de uma abordagem dimensional, que, por sua vez, facilita a combinação desses dados para análise e tomada de decisão.

    Gabarito: CORRETA


  • GABARITO ERRADO!

    .

    .

    CESPE - 2018 - CGM/PB

    Business intelligence pode ser definido como um processo inteligente de coleta, organização, análise, compartilhamento e monitoração de dados que, depois de processados, geram informações para o suporte e para a tomada de decisões no ambiente de negócios.

    CORRETO!

ID
147367
Banca
FCC
Órgão
SEFAZ-SP
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

As variáveis dimensionais aplicadas em um MOLAP estão frequentemente relacionadas em hierarquias, que determinam meios para agregar dados das células a elas associados. Nesse contexto, os operadores do processador que permitem percorrer (para acesso e não para criação) as hierarquias do nível de agregação mais baixo para o mais alto executam a função

Alternativas
Comentários

  • É mais comum encontrar esse termo em questão como "roll up" em vez de "drill up". Porém, a FCC considerou. Devemos então, entendê-los como sinônimos.

    Trata-se da operação OLAP de AGREGAÇÃO.

  • Não seria Roll-UP?

  • Maior agregação = Menor detalhamento

    Gabarito: Letra E

  • SNOWFLAKE SCHEMA (Esquema de flocos de neve)

    - Recomenda a normalização das tabelas dimensão.

    - Possui dimensões normalizadas;

    - É mais lento devido a normalização.

    - É o resultado da decomposição de uma ou mais dimensões que possuem hierarquias entre seus membros.

    roll back - não existe

    Drill-down: é o fato de sairmos de um nível mais alto da hierarquia e buscarmos informações mais detalhadas em níveis menores. Aumenta o nível de detalhe da informação, diminuindo o nível de granularidade. 

    ROLAP: Lê os dados de detalhe (fatos) diretamente de fonte de dados relacional. 

    Drill-up ou Roll-up: e o fato de sairmos de um nível mais baixo da hierarquia e buscarmos informações menos detalhadas em níveis superiores. Aumenta o nível de granularidade, diminuindo o nível de detalhamento da Informação. 

    Alternativa: E

  • Roll-Up: oposto do operador drill-down, resume informações, diminuindo o nível de detalhes.

ID
150988
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2008
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de sistemas de informações gerenciais, são feitas as afirmativas a seguir.

I - Uma das diferenças entre bancos de dados relacionais e multidimensionais diz respeito ao compromisso entre performance e escalabilidade: bancos de dados relacionais proporcionam consultas mais rápidas, enquanto bancos de dados multidimensionais lidam melhor com grandes quantidades de informações armazenadas.

II - ROLAP se refere a um tipo de solução OLAP que utiliza um bancos de dados relacional.

III - Quando um projeto inicia por datamarts departamentais especializados que mais tarde se consolidam em um data warehouse institucional, existe uma chance maior de surgirem problemas de inconsistência de metadados do que quando um data warehouse institucional dá origem a datamarts departamentais.

IV - Para melhoria de performance, as tabelas em data warehouses, em geral, estão nas formas normais mais altas (considerando que 5 FN é mais alta que 1 FN).

Estão corretas APENAS as afirmativas

Alternativas
Comentários

  •  I - Uma das diferenças entre bancos de dados relacionais e multidimensionais diz respeito ao compromisso entre performance e escalabilidade: bancos de dados relacionais proporcionam consultas mais rápidas, enquanto bancos de dados multidimensionais lidam melhor com grandes quantidades de informações armazenadas. 
    - A principal diferença entre os dois está na sua representação, sendo que os relacionais possuem tuplas representadas por linhas e colunas enquanto os multidimensionais possuem linhas, colunas e dimensões(no caso do tridimensional). As consultas aos bancos multidimensionais são também mais rápidas que comparada aos relacionais, tendo em vista a normalização como gargalo.

    II - ROLAP se refere a um tipo de solução OLAP que utiliza um bancos de dados relacional. 
    - Correta a comparação.
     
    III - Quando um projeto inicia por datamarts departamentais especializados que mais tarde se consolidam em um data warehouse institucional, existe uma chance maior de surgirem problemas de inconsistência de metadados do que quando um data warehouse institucional dá origem a datamarts departamentais. 
    - a junção de data marts(DM) para formarem um data warehouse(DW) pode ter problema entre os padrões adotados em cada DM, enquanto que um padrão estabelecido em um DW poderia ser continuado caso vários DM fossem formados a partir dele. Então a afirmação está correta.
     
    IV - Para melhoria de performance, as tabelas em data warehouses, em geral, estão nas formas normais mais altas (considerando que 5 FN é mais alta que 1 FN). 
    - Um DW perde com os níveis de normalização, então sua melhoria é inversamente proporcional à normalização.

  •   I - Uma das técnicas para armazenamento de dados dimensionais é a organização de tabelas, segundo o Esquema Estrela. Em bases de dados, que atendem a esse esquema, podem-se encontrar tabelas que não atendam à Terceira Forma Normal.

    - Correto

    II - Bases de dados de apoio à tomada de decisão armazenam grande quantidade de dados. Por isso, não é recomendável a criação de índices em tais bases de dados.
    - A criação de índices seria uma melhoria dada a quantidade muito grande de dados

    III - Em gerenciadores de bancos de dados multidimensionais podem ser encontrados operadores que permitem percorrer hierarquias existentes. Dentre tais operadores estão o de Drill Down e o de Drill Up.
    - Correto, Drill Up também é conhecido como Roll Up

    IV - O procedimento de Extração, Transformação e Carga (também conhecido por ETL) é um dos processos realizados em ambientes de depósitos de dados (data warehouse). Nesse contexto, a Extração se refere à tarefa de retirada de dados do data warehouse (visando a reduzir os dados antigos); a Transformação se refere ao processo de compactação de dados, e a Carga se refere à tarefa de inclusão de novos dados no data warehouse.
    - O conceito de ETL está associado a criação de um data warehouse. A extração é feita em diversas bases, logo após a transformação irá padronizar os dados que por último serão carregados no data warehouse.

    V - Uma das características de bases de dados de apoio à tomada de decisão é a necessidade de armazenarem dados que refletem sempre a situação atual do assunto que representam. Nesse tipo de base de dados, quaisquer informações que não sejam atuais podem ser descartadas, pois não auxiliam em uma boa tomada de decisão.
    - Bases de dados que estão relacionada a tomada de decisão estão diretamente relacionadas com dados históricos e não com dados extremamente atuais, pois para uma boa tomada de decisão é preciso principalmente de dados que mostrem como a organização se comportou durante um determinado tempo.

  •  Manoel, o começo da primeira afirmação não está errado. Uma das diferenças entre bancos de dados relacionais e multidimensionais DE FATO diz respeito ao compromisso entre performance e escalabilidade. Veja que a afirmação não diz que é a principal diferença, e sim que é uma das diferenças (e é uma das mais importantes).

    O erro da afirmação está em ter trocado a atribuição. Ela afirma que BDs relacionais possuem melhor performance, enquanto que os multidimensionais são mais escaláveis.

    O correto é o contrário:

    Relacional: escalabilidade; Multidimensional: performance.
  • I - Uma das diferenças entre bancos de dados relacionais e multidimensionais diz respeito ao compromisso entre performance e escalabilidade: bancos de dados relacionais proporcionam consultas mais rápidas, enquanto bancos de dados multidimensionais lidam melhor com grandes quantidades de informações armazenadas. 
    Errado. Banco de dados relacionais não proporciona consulta mais rápidas, uma vez que os dados são armazenados normalizados, o que apresenta maior necessidade de junções.

    IV - Para melhoria de performance, as tabelas em data warehouses, em geral, estão nas formas normais mais altas (considerando que 5 FN é mais alta que 1 FN).
    Errado. Ocorre justamente o contrário, para melhor performance dos data warehouse os dados são armazenados denormalizados.
  • I - Uma das diferenças entre bancos de dados relacionais e multidimensionais diz respeito ao compromisso entre performance e escalabilidade: bancos de dados relacionais proporcionam consultas mais rápidas, enquanto bancos de dados multidimensionais lidam melhor com grandes quantidades de informações armazenadas.
    Sim, uma das diferença entre banco de dados relacionais e muldimensional pode ser a performance e a escalabilidade.
    Banco de dados relacionais não proporciona consultas mais rápidas que os banco de dados multidimensionais, pois banco de dados relacionais são normalizados.
    Já a informação: banco de dados multidimensionais lidam melhor com grandes quantidades de informações armazenadas está correta.
  • Amigo, o gabarito diz que a III está correta e você diz que está errada. Não entendi?
ID
153538
Banca
FGV
Órgão
Senado Federal
Ano
2008
Provas
Disciplina
Banco de Dados
Assuntos

OLAP complementa o termo OLTP - Online Transaction Processing, encontrado na teoria de bancos de dados e é uma ferramenta de Business Intelligent utilizada para apoiar as empresas na análise de suas informações, visando ao objetivo final de transformar dados em informações capazes de dar suporte às decisões gerenciais de forma amigável e flexível ao usuário e em tempo hábil. No OLAP, as informações são armazenadas em cubos multidimensionais que gravam valores quantitativos e medidas, permitindo visualização por meio de diversos ângulos. Essas medidas são organizadas em categorias descritivas, chamadas de dimensões, e formam a estrutura do cubo. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de se criar um módulo que servisse para modificar a posição de uma informação e alterar linhas por colunas, de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que necessário. Convencionou-se denominar esse módulo de:

Alternativas
Comentários
  • Drill Across:  O Drill Across ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para semestre ou mês.

    Drill Down: O Drill Down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade.

    Drill Up: O Drill Up é o contrário do Drill Down, ele ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.

    Drill Throught: O Drill Throught ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.

    Slice And Dice: O Slice and Dice é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de criar um módulo que se convencionou de Slice and Dice para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

    Fonte:     http://www.coladaweb.com/informatica/olap
  • Isso que dá copiar e colar da internet, "um módulo que servisse para modificar a posição de uma informação e alterar linhas por colunas, de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que necessário" é exatamente a descrição da operação de PIVOT, que nem está entre as opções.

    Slice and Dice é você CORTAR um pedaço do cubo! 

    Essa questão TINHA que ser anulada... São muitas e muitas questões da FGV desse tipo, ninguém fica incomodado?

  • Concordo com o Flávio, essa descrição é de pivoteamento que não esta entre as respostas.

    Bons estudos!!

  • A operação descrita é o Pivoteamento!

    Deveria ser anulada.

  • Slice and Dice - Slice executa uma seleção sobre uma das dimensões do cubo (fatiar)

                           Dice define um "subcubo" através de uma seleção sobre duas ou mais dimensões (cortar)

     

     

    Pivot - Rotaciona os eixos de um determinado cubo

     

     

     

    O gabarito é item D, mas está errada. Como os colegas falaram anteriormente, a definição se refere a Pivot e NÃO Slice and Dice

     

    Aqui tem um artigo muito bom com imagens para melhor entendimento : http://www.itnerante.com.br/profiles/blogs/artigo-suporte-a-decis-o-02-sobre-as-opera-es-de-olap

     

     

  • Pessoal, pelo que tenho visto, fazendo questões da FGV, é que ela define assim

    operações

    • dice - gerar um sub-cubo do cubo
    • slice - fatiar uma parte do cubo
    • pivot - girar o cubo

    slice and dice é um conjunto de técnicas que incluem dice, slice, pivot, Drill, etc...

    estou pensando assim e acertando todas as questões....rsrsrs!

ID
154099
Banca
FCC
Órgão
MPE-RN
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Uma aplicação OLAP, com os dados armazenados no modelo relacional e também com suas consultas processadas pelo gerenciador relacional, deverá ter sua arquitetura elaborada com o método

Alternativas
Comentários

  • OLAP,ou On-line Analytical Processing é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas.

    As aplicações OLAP são usadas pelos gestores em qualquer nível da organização para lhes permitir análises comparativas que facilitem a sua tomada de decisões diárias.

    Classifica-se em DOLAP, ROLAP, MOLAP e HOLAP

    Desktop On Line Analytical Processing – DOLAP deriva-se de OLAP, são ferramentas que disparam uma consulta de uma estação cliente para o servidor, que por sua vez retorna enviando o macro-cubo de volta, para que possa ser analisado pelo usuário. Esse tipo de análise é utilizado para fornecer portabilidade aos dados. Ela emite uma consulta para o servidor e recebe as informações de volta para ser analisada na estação. Essa arquitetura oferece a vantagem de reduzir o tráfego na rede e melhora o desempenho de processamento do servidor, pois todo o trabalho de analise das informações e feita pela máquina cliente.

    Relational On Line Analytical Processing - ROLAP deriva-se de OLAP, são ferramentas que disparam uma consulta para o servidor de banco de dados e processado lá mesmo.

    Multidimensional On Line Analytical Processing - MOLAP deriva-se de OLAP, são ferramentas que disparam suas requisições diretamente ao servidor de Banco de Dados multidimensional. Após o envio da requisição o usuário continua manipulando os dados diretamente no servidor, tendo um ganho no desempenho.

    Hybrid On Line Analytical Processing - HOLAP deriva-se de OLAP, são ferramentas hibridas.

    É a combinação entre ROLAP e MOLAP, pegando o melhor de ambas as categorias a escalabilidade de ROLAP e o alto desempenho do MOLAP

     

  • OLAP é um conceito de interface com o usuário que proporciona a capacidade de ter idéias sobre os dados, permitindo analisá-los profundamente em diversos ângulos. As funções básicas do OLAP são:

    • Visualização multidimensional dos dados;

    • Exploração;

    • Rotação;

    • Vários modos de visualização.

    O OLAP e o Data Warehouse são destinados a trabalharem juntos, enquanto o DW armazena as informações de forma eficiente, o OLAP deve recuperá-las com a mesma eficiência, porém com muita rapidez. As duas tecnologias se complementam, ao ponto de que um Data Warehouse para ser bem sucedido, já na sua concepção, deve levar em consideração o que se deseja apresentar na interface OLAP.

    O OLAP é uma interface com o usuário e não uma forma de armazenamento de dados, porém se utiliza do armazenamento para poder apresentar as informações.

    Os métodos de armazenamento são:

    • ROLAP (OLAP Relacional):

    Os dados são armazenados de forma relacional.

    • MOLAP (OLAP Multidimensional):

    Os dados são armazenados de forma multidimensional.

    • HOLAP (OLAP Híbrido):

    Uma combinação dos métodos ROLAP e MOLAP.

    • DOLAP (OLAP Desktop):

    O conjunto de dados multidimensionais deve ser criado no servidor e transferido para o desktop. Permite portabilidade aos usuários OLAP que não possuem acesso direto ao servidor.

    Os métodos mais comuns de armazenamento de dados utilizados pelos sistemas OLAP são ROLAP e MOLAP, a única diferença entre eles é a tecnologia de banco de dados. O ROLAP usa a tecnologia RDBMS (Relational DataBase Management System), na qual os dados são armazenados em uma série de tabelas e colunas. Enquanto o MOLAP usa a tecnologia MDDB(MultiDimensional Database), onde os dados são armazenados em arrays multidimensionais.

    Os dois fornecem uma base sólida para análise e apresentam tanto vantagens quanto desvantagens. Para se escolher entre os dois métodos deve-se levar em consideração os requisitos e a abrangência do aplicativo a ser desenvolvido.

    ROLAP é mais indicado para DATA WAREHOUSE pelo grande volume de dados, a necessidade de um maior número de funções e diversas regras de negócio a serem aplicadas.

    MOLAP é mais indidado para DATA MARTS, onde os dados são mais específicos e o aplicativo será direcionado na análise com dimensionalidade limitada e pouco detalhamento das informações.

    Para se fazer uma comparação básica entre os dois métodos, as regras mais importantes são desempenho da consulta e desempenho do carregamento.

    http://www.devmedia.com.br/conceitos-basicos-sobre-olap/12523

  • ROLAP – Relational Online Analytical Processing: utiliza sistema gerenciador de banco de dados relacional. Durante a implementação, o servidor é constituído de uma camada de interface entre o modelo relacional e o modelo multidimensional, pois transformam as requisições multidimensionais do usuário em rotinas de acesso às tabelas, que armazenam os dados. Sua vantagem é a eficiência no armazenamento de dados esparsos e o segredo está na modelagem dos dados.

ID
154102
Banca
FCC
Órgão
MPE-RN
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

A arquitetura HOLAP (Hybrid On-Line Analytical Processing), para aproveitar as vantagens de alta performance e de escalabilidade, combina as tecnologias

Alternativas
Comentários

  •  O armazenamento HOLAP (OLAP Híbrido) é uma combinação dos tipos de armazenamento MOLAP e ROLAP.

  • http://msdn.microsoft.com/pt-br/library/ms174915.aspx

  • O modo de armazenamento HOLAP combina atributos de MOLAP e ROLAP. Como o MOLAP, o HOLAP faz com que as agregações da partição sejam armazenadas em uma estrutura multidimensional em uma instância SQL Server Analysis Services. O HOLAP não faz com que uma cópia dos dados fonte seja armazenada. Para consultas que só acessam dados resumidos nas agregações de uma partição, o HOLAP é o equivalente do MOLAP. As consultas que acessam dados fonte — por exemplo, se você quiser realizar uma busca detalhada em uma célula de cubo atômico para a qual não há dados de agregação — será necessário recuperar dados do banco de dados relacional e isso não será tão rápido quanto se os de origem estivessem armazenados na estrutura MOLAP. Com o modo de armazenamento HOLAP, os usuários geralmente experimentam diferenças substanciais nos tempos de consulta dependendo de se a consulta pode ser resolvida a partir das agregações de cache versus a partir dos próprios dados de origem.

    As partições armazenadas como HOLAP são menores que as partições MOLAP equivalentes, pois elas não contêm dados de origem e respondem mais rapidamente que as partições ROLAP para consultas envolvendo dados resumidos. O modo de armazenamento HOLAP é geralmente adequado a partições em cubos que requerem resposta rápida a consultas de resumos com base em uma grande quantidade de dados de origem. Entretanto, quando os usuários geram consultas que atingem os dados no nível folha, como ao calcular valores de média, o MOLAP geralmente é a melhor escolha.

  • Por eliminação, poderíamos eliminar as alternativas A,D e E. Pois a questão pede a formação da arquitetura HOLAP (que está "dentro" do OLAP), então não poderáimos marcar as alternativas que trazem tecnologias "abrangentes", como OLTP e a própria OLAP. Sobraria as aternativas B e C pra vocêchutar. hehheeh
  • Complementando algumas informações a respeito do trecho abaixo:

    "para aproveitar as vantagens de alta performance e de escalabilidade"


    Conforme Date (2004, p. 614), "[...] os produtos MOLAP oferecem computação mais rápida, mas admitem quantidades de dados menores que os produtos ROLAP (tornando-se menos eficientes à medida que a quantidade de dados aumenta), enquanto os produtos ROLAP oferecem recursos de escalabilidade, concorrência e gerenciamento mais amadurecidos que os produtos MOLAP."


    Fonte: INTRODUÇÃO A SISTEMAS DE BANCO DE DADOS
    AUTOR: C. J. DATE  
    8 EDIÇÃO

  • Letra B

     

    OLAP,ou On-line Analytical Processing é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas.

    As aplicações OLAP são usadas pelos gestores em qualquer nível da organização para lhes permitir análises comparativas que facilitem a sua tomada de decisões diárias.

     

    Classifica-se em DOLAP, ROLAP, MOLAP e HOLAP.

     

    Desktop On Line Analytical Processing – DOLAP deriva-se de OLAP, são ferramentas que disparam uma consulta de uma estação cliente para o servidor, que por sua vez retorna enviando o macro-cubo de volta, para que possa ser analisado pelo usuário. Esse tipo de análise é utilizado para fornecer portabilidade aos dados. Ela emite uma consulta para o servidor e recebe as informações de volta para ser analisada na estação. Essa arquitetura oferece a vantagem de reduzir o tráfego na rede e melhora o desempenho de processamento do servidor, pois todo o trabalho de analise das informações e feita pela máquina cliente.

     

    Relational On Line Analytical Processing - ROLAP deriva-se de OLAP, são ferramentas que disparam uma consulta para o servidor de banco de dados e processado lá mesmo.

     

    Multidimensional On Line Analytical Processing - MOLAP deriva-se de OLAP, são ferramentas que disparam suas requisições diretamente ao servidor de Banco de Dados multidimensional. Após o envio da requisição o usuário continua manipulando os dados diretamente no servidor, tendo um ganho no desempenho.

     

    Hybrid On Line Analytical Processing - HOLAP deriva-se de OLAP, são ferramentas hibridas. É a combinação entre ROLAP e MOLAP, pegando o melhor de ambas as categorias a escalabilidade de ROLAP e o alto desempenho do MOLAP

     

ID
157042
Banca
CESPE / CEBRASPE
Órgão
TRT - 5ª Região (BA)
Ano
2008
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a qualidade de software, bancos de dados e suas tecnologias, julgue os itens de 37 a 42.

A característica principal dos sistemas OLAP é permitir uma visão conceitual multidimensional dos dados de uma empresa. A visão multidimensional é muito mais útil para os analistas que a tradicional visão tabular utilizada nos sistemas de processamento de transação.

Alternativas
Comentários
  • Conceito copiado do site Macoratti (http://www.macoratti.net/dwh_dmn.htm)

    A característica principal dos sistemas OLAP é permitir uma visão conceitual multidimensional dos dados de uma empresa. A visão multidimensional é muito mais útil para os analistas do que a tradicional visão tabular utilizada nos sistemas de processamento de transação.

    confira o link.

  • Apesar de ter acertado a questão afirmar que a visão é melhor é mto subjetivo. Por exemplo pelo intendimento do usuário, as vezes dados tabulados sejam mais que suficientes. Minha opinião.

  • GABARITO CORRETO!

    .

    .

    OLAP permite uma visão conceitual multidimensional dos dados e possui três componentes principais em sua arquitetura: um modelo de negócios, um motor para processar consultas multidimensionais e um mecanismo para armazenar os dados.

  • OLAP “Online Analytical Processing”, analisar volumes nas mais diversas perspectivas dentro de um Data Warehouse (DW). O OLAP também faz referência às ferramentas analíticas utilizadas no BI para a visualização das informações gerenciais

ID
163000
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

São operações realizadas automaticamente por ferramentas OLAP

Alternativas
Comentários
  • Essa questão é complicada, mas segue um resumo (fonte:http://www.fij.br/portal/images/stories/revista_complexidade/2010/vol01_01/datawarehouse.pdf)
    • Drill up/down – Utilizado para aumentar ou reduzir o nível de detalhe da informação acessada.
    • Slicing – Utilizado para selecionar as dimensões a serem consideradas na consulta.
    • Dicing – Utilizado para limitar o conjunto de valores a ser mostrado, fixando-se algumas dimensões.
    • Pivoting – Utilizado para inverter as dimensões entre linhas e colunas.
    • Data Surfing – Executar uma mesma análise em outro conjunto de dados.
  • Drill up/down – Utilizado para aumentar ou reduzir o nível de detalhe da informação
    acessada. Exemplo: Vendas por país Vendas por UF

    Slicing – Utilizado para selecionar as dimensões a serem consideradas na consulta.
    Exemplo: Visualizar as vendas, separadas por país e por mês.

    Dicing – Utilizado para limitar o conjunto de valores a ser mostrado, fixando-se algumas dimensões.  Exemplo: Vendas no estado de Minas, de um determinado produto em um determinado ano.

    Pivoting – Utilizado para inverter as dimensões entre linhas e colunas.
    Exemplo: Ao visualizar vendas por produto e por estado, aplicar o operador para visualizar as vendas por estado e por produto.

    Data Surfing – Executar uma mesma análise em outro conjunto de dados.
    Exemplo: Ao visualizar as vendas no Brasil, aplicar o operador para realizar a mesma consulta na Inglaterra.

ID
163723
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Ferramentas de OLAP são aplicações que permitem uma visão dos dados por meio de perspectivas múltiplas, ajudando aos usuários a tomar decisões através da utilização de uma série de operações básicas que permitem a navegação pelas dimensões do hipercubo de dados definidos no Data Warehouse. Qual das seguintes descrições reflete corretamente uma propriedade das operações das ferramentas de OLAP?

Alternativas
Comentários
  • a) CERTO
    Imagine que estamos usando agregação de dia. Subimos para mes, ano. Se quisermos a partir dos dados sumarizados anualmente obter informações de uma década, basta usar funçoes agregadoras da própria linguagem SQL para obter estas informações

    b) ERRADO
    Se meu banco armazenou detalhes até o nível de dias, não tem como eu saber o que aconteceu hora a hora do meu ambiente. Só mesmo com uma bola de cristal :)

    c) ERRADO
    Drill across: ex.: pular da visão de ano para dia (sem passar por mês)

    d) ERRADO
    Drill Through:     Estou na dimensão de tempo e mudo para produto.

    e) ERRADO
    Acho que ele queria se referir à operação Slice and Dice. Somente Dice eu desconheco.
  • Slice é obter apenas uma dimensão do cubo. P.ex., a dimensão tempo.
    Dice é obter mais de uma dimensão. P. ex: tempo e geografia.

    Não vi erro na letra C. Drill across serve para eu pular as  colunas. Ou seja, para eu navegar entre as colunas, podendo ir de um atibuto de menor detalhe para um de maior detalhe sem passar pelis atributos intermediários.
  • Não confundir:
    Drill across - usuário pula um nível de granularidade dentro de uma mesma dimensão. (Ex: vai da visão de ano direto para visão de dia, sem passar pela visão de mês).
    Dril through - usuário pula de uma dimensão para outra. (Ex: Vai da visão de tempo para a de lugar).
  • Ser não há limite pelo grão máximo, qual seria então o limite superior ao grau da dimensão Região maior que Estado ou País????
    No meu entendimento a questão está errada. A letra D e a letra C se o termo 'visão' tivesse o mesmo sentido de uma dimensão estariam corretas.
  • Muito bom o comentário do colega Saia da Matrix!

    As explicações dos erros das letras B, C e D estão claras, imagino. Gostaria apenas de elucidar mais informações agregadoras sobre as letrar A e E.

    A) Está correta (não havia me atentado para o real motivo). Complementado o que disse o Matrix man do comentário: 
    "Imagine que estamos usando agregação de dia. Subimos para mes, ano. Se quisermos a partir dos dados sumarizados anualmente obter informações de uma década, basta usar funçoes agregadoras da própria linguagem SQL para obter estas informações." O pulo do gato é que as dimensões tempo e espaço são infinitas quanto a suas agregações, sempre podemos incluir mais um espaço (no Universo) e mais um tempo (ano->Década->Milênio->milhões de anos luz.

    E) Está errada (e havia a selecionado como correta). Amigos exitem as operações de Slice e Dice de forma separada.
     - Slice seleciona dados de uma única dimensão do cubo (por exemplo, tempo: podemos querer visualizar os dados relativos apenas ao mês de
    janeiro de 2010, o que corresponde a efetuar um slice na dimensão tempo    );
     - Dice extrai um subcubo do cubo original, executando uma operação de seleção de duas ou mais dimensões.
    Ou seja, tanto o slice como o dice são utilizados para selecionar dados das dimensões. Contudo, o primeiro seleciona dados de uma dimensão e o segundo selecionada dados de duas ou mais dimensões. Eles não permite eliminação de valores das dimensões, apenas seleções, o que torna a alternativa ERRADA. 

    Espero ter ajudado!

  • e vai ficar repetindo a agregação do nível anterior toda hora? agreguei de cidade até país que seria o grão máximo (por exemplo), aí vou agregar no universo sendo que não tenho dados de outros países e planetas? a A não faz sentido!

  • Roll-Up: oposto do operador drill-down, resume as informações, diminuindo o nível de detalhes.

    Drill-Down: este operador navega a partir de dados, obtendo um maior nível de detalhamento, aproximando-se da granularidade mínima.

    Dice: slices consecutivos, gerando um subcubo. representa um conjunto de filtros, tais filtros

ID
163729
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Ferramentas de OLAP fornecem um método de visualização dos dados armazenados em um sistema de data warehouse, de forma a melhorar a velocidade de obtenção e a qualidade das informações usadas pelos executivos no processo de tomada de decisão. Existem vários tipos distintos de ferramentas de OLAP que possuem características próprias e situações em que são mais recomendadas. Com base nesses conceitos, tem-se que o

Alternativas
Comentários

  • a) OLTP(Online Transaction Processing) está relacionado a bancos de dados relacionais

    b) MOLAP não está relacionada a mobilidade

    c) Opção correta

    d) ROLAP está trata de bancos relacionais, porém não existe restrição quanto ao uso dos data warehouses

    e) Não tem muito a ver citar as chaves serem iguais entre a tabela de fatos e a dos sistemas transacionais

  • OLTP, ou On-Line Transaction Processing é utilizado para carregamento do Data Warehouse. Ele asiste às transações que ocorrem nas diversas atividades da empresa, absorvendo-as - extract - para depois transformar - transform - e carregar - load - no DW.             

    MOLAP é OLAP Multidimensional, onde a base de dados é multidimensional.

    ROLAP pode ser usada em DW.

    ROLAP é mais lento que MOLAP pois bancos de dados relacionais o são, principalmente quando há muitos join a serem feitos nas consultas. MOLAP usam cubos pré calculados, maximizando as consultas.

  • ROLAP – Relational Online Analytical Processing: sistema gerenciador de banco de dados relacional. camada de interface entre o modelo relacional e o modelo multidimensional, pois transformam as requisições multidimensionais

    do usuário em rotinas de acesso às tabelas, que armazenam os dados. Sua vantagem é a eficiência no armazenamento

    MOLAP – Multidimensional Online Analytical Processing: operações diretamente sobre uma matriz de dados. Se os dados não forem esparsos, esses servidores são mais eficientes em armazenamento e recuperação do que os servidores ROLAP

    HOLAP – Hybrid Online Analytical Processing: aplicações mobile. integração entre as duas abordagens vistas anteriormente. Os servidores HOLAP adotam uma forma de armazenamento em dois níveis, um para dados densos, que em matrizes e outro para dados esparsos, em tabelas. Ou seja, torna-se uma aplicação robusta integrando tanto matrizes quanto tabelas armazenando o modelo multidimensional, o que demanda um maior requisito de equipe para desenvolvê-lo.

    DOLAP – Desktop Online Analytical Processing: não se refere à implementação do armazenamento, mas à distribuição de dados. otimiza as consultas através do armazenamento no computador do usuário. haverá um servidor que armazena, mas o computador do usuário também receberá os dados. O conjunto de dados multidimensionais deve ser criado no servidor e uma cópia é transferida para o desktop. portabilidade aos usuários OLAP, que não possuem acesso direto ao servidor. o ambiente Desktop não pode ficar diferente do servidor OLAP.

ID
164581
Banca
FGV
Órgão
BADESC
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

OLTP - Online Transaction Processing é uma ferramenta de banco de dados e de Business Intelligent, utilizada para apoiar as empresas na análise de suas informações, com o objetivo final de transformar dados em informações capazes de dar suporte às decisões gerenciais de forma amigável e flexível ao usuário e em tempo hábil. No OLAP - Online Analytical Processing, as informações são armazenadas em cubos multidimensionais, que gravam valores quantitativos e medidas, permitindo visualização por meio de diversos ângulos. Estas medidas são organizadas em categorias descritivas, chamadas de dimensões e formam a estrutura do cubo. A respeito do OLAP, analise as afirmativas a seguir.

I. Drill Across: ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão.

II. Slice and Dice: é uma das principais características de uma ferramenta OLAP e serve para modificar a posição de uma informação, trocar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

III. Drill Up: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade, ou seja, quais os tipos de consultas que podem ser feitas no DW, influenciando diretamente na velocidade do acesso às informações e no volume de dados armazenados.

Assinale:

Alternativas
Comentários
  • Resposta CORRETA letra B 
    Drill Across: se refere às navegações realizadas nas tabelas de dimensão, onde as consultas passam de um nível para o outro sem passar pelos níveis intermediários.
    Drill Down: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade.
    Drill Up: é o contrário do Drill Down, ocorre quando o usuário aumenta a granularidade, diminuindo o nível de detalhamento da informação.
    Drill Through: ocorre quando se deseja uma informação em um nível de detalhe menor do que o apresentado pelas tabelas de fato. Ou seja, é a operação que busca a informação além do nível de granularidade existente na estrutura dimensional.
    Slice and Dice: serve para modificar a posição de uma informação de maneira a facilitar a compreensão dos usuários. Efetua uma filtragem dos dados para especializar as consultas.
  • Características da Análise OLAP

    Drill Across:  O Drill Across ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para semestre ou mês.

    Drill Down: O Drill Down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade.

    Drill Up: O Drill Up é o contrário do Drill Down, ele ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.

    Drill Throught: O Drill Throught ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.

    Slice And Dice: O Slice and Dice é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de criar um módulo que se convencionou de Slice and Dice para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

    FONTE:     http://www.coladaweb.com/informatica/olap
  • A respeito da II.

    Para se visualizar a análise multidimensional em cubo utiliza-se a técnica de slice e dice, ou 
    seja, fatiar e cortar o cubo separando partes de um cubo [INMOM, 1999]. O uso integrado dos 
    conceitos  slice  e  dice  permite  rotacionar  os  lados  de  um  cubo  de  dados  (dimensões)  em 
    qualquer  sentido,  possibilitando  a  combinação  de  quaisquer  dimensões  e  a  obtenção  de 
    informações correspondentes sobre vários enfoques. 
  • A questão II está completamente equivocada. A operação descrita não é "slice and dice", mas sim um "pivot".
  • Concordo com o Marcus, no meu entendimento somente o item I esta correto.

  • Incialmente concordei com o colega Marcos, porém fui atrás do texto da afirmação II e encontrei:

    Dlice and Dice: é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo (No OLAP, as informações são armazenadas em cubos multidimensionais, que gravam valores quantitativos e medidas, permitindo visualização através de diversos ângulos. Estas medidas são organizadas em categorias descritivas, chamadas de dimensões e formam, assim, a estrutura do cubo), surgiu a necessidade de criar um módulo, que se convencionou de Slice and Dice, para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, trocar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

    Vivendo e aprendendo....

    Fonte: https://www.devmedia.com.br/um-estudo-sobre-as-ferramentas-olap/6691

  • III. Drill Up: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade, ou seja, quais os tipos de consultas que podem ser feitas no DW, influenciando diretamente na velocidade do acesso às informações e no volume de dados armazenados.

    A meu ver o erro dessa alternativa reside em "ou seja, quais os tipos de consultas que podem ser feitas no DW", pois a operação "Drill Up" não tem o condão de restringir quais consultas são realizadas no DW.

ID
171331
Banca
FGV
Órgão
MEC
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de arquitetura OLAP, analise as afirmativas a seguir.

I. Sistemas OLAP são implementados para ambientes multiusuário, arquitetura cliente-servidor e oferece respostas rápidas e consistentes às consultas iterativas executadas pelos analistas, independente do tamanho e complexidade do banco de dados.

II. Permite uma visão conceitual multidimensional dos dados, muito mais útil do que a tradicional visão tabular utilizada nos sistemas de processamento de transação. Ela é mais natural, fácil e intuitiva, permitindo a visão em diferentes perspectivas.

III. Uma arquitetura OLAP possui dois componentes principais: um modelo de negócios para análises interativas, implementado numa linguagem gráfica que permita diversas visões e níveis de detalhes dos dados; e um mecanismo para armazenar os dados a serem analisados.

Assinale:

Alternativas
Comentários

  • III. Uma arquitetura OLAP possui dois componentes principais: um modelo de negócios para análises interativas, implementado numa linguagem gráfica que permita diversas visões e níveis de detalhes dos dados; e um mecanismo para armazenar os dados a serem analisados.

    O erro é o seguinte: A arquitetura OLAP possui 3 componentes principais: um modelo de negócios para analise interativas; um mecanismo para armazenamento dos dados e um motor para processar as consultas.

  • Questão passível de recurso.

    O desatento elaborador  esqueceu de informar no item II a "referência". Percebam: "Permite uma visão conceitual multidimensional dos dados, MUITO MAIS ÚTIL DO QUE A TRADICIONAL VISÃO TABULAR ...", ora, como assim muito mais últil que a visão tabular? Sem esta, não haveria aquela (sem contar toda a importância da visão tabular).  Caso tivesse incluído o "analista de negócio" no apontamento (conforme o local de onde o ctrl+c fora executado - vcs podem verificar no google), aí sim a afirmativa seria verdadeira.
  • Um lixo essa questão! tirada da Internet:

    http://www.macoratti.net/dwh_dmn.htm
  • Elaborada ãtráves da árdua tarefa Ctrl + C, Ctrl + V.

  • "A ferramenta OLAP não requer necessariamente o suporte para multiusuário, mas este requisito vem tomando importância nos últimos anos dentro do ambiente das organizações." http://www.abepro.org.br/biblioteca/ENEGEP2004_Enegep0902_1120.pdf

    Questão facilmente anulável...

  • I. O item pode ser considerado correto. Sistemas OLAP geralmente seguem a arquitetura cliente-servidor, segundo as regras de Codd, e também são implementados para vários usuários acessando simultaneamente. Ele também deve fornecer uma boa performance de consulta, mesmo que o conjunto de dados cresça e se torne mais complexo. CERTA

    II. A ideia do OLAP é trabalhar os dados em um formato multidimensional, com a construção de um hipercubo. Essa visão permite a análise e a navegação mais intuitiva do que o formato puramente tabular, com a possibilidade de se visualizar diversas perspectivas. CERTA

    III. As bancas costumam considerar que as tecnologias OLAP possuem três elementos principais:

    - Modelo de negócios (o modelo de dados que permite as análises)

    - Mecanismo de armazenamento de dados

    - Motor para o processamento de consultas

    Veja que faltou falar desse motor de processamento, e por isso o item foi considerado incorreto. Acho o item um pouco específico demais em sua cobrança, pois essa é uma divisão puramente conceitual. Ferramentas OLAP são softwares complexos, e, portanto, podem ser divididas em uma série de componentes distintos, a depender da visão do autor que está realizando essa divisão... 

    Enfim, não tenho visto essa divisão da questão sendo cobrada dessa maneira nos últimos anos, mas fique ligado e a conheça para não ser surpreendido!

    Gabarito: B

  • A I está errada por ter escrito iterativa

  •  Uma ferramenta OLAP nos permite manipular e analisar um largo volume de dados sob múltiplas perspectivas, acessando a informação de um Data Warehouse que armazena dados históricos para tomadas de decisão empresariais.

  • Gabarito LETRA B

  • Letra B.

    REspondendo com uma questão do Cespe

    Ano: 2013 Banca: CESPE / CEBRASPE Órgão: MPOG Prova: CESPE - 2013 - MPOG - Técnico de Nível Superior

    OLAP permite uma visão conceitual multidimensional dos dados e possui três componentes principais em sua arquitetura: um modelo de negócios, um motor para processar consultas multidimensionais e um mecanismo para armazenar os dados.

    Certo.

    https://www.qconcursos.com/questoes-de-concursos/questoes/ae809636-15

ID
171727
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.

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

Alternativas
Comentários

  •  A questão está correta.

    O drill usando uma ferramenta OLAP irá aumentar ou diminuir a dimensão, ou seja, se der um drill down iremos ter menos níveis e portanto se desce um nível, nível mais granular e o inverso para do drill up.

  • Colegas,

    esta resposta da banca está incorreta.

    Drill Down diminui granularidade. Drill Up aumenta granularidade.

  • Questão retirada da Wikipédia:

    Nas ferramentas de navegação OLAP, é possível navegar entre diferentes níveis de granularidades (detalhamento) de um cubo de dados. Através de um processo chamado Drill o usuário pode aumentar (Drill down[10]) ou diminuir (Drill up[11]) o nível de detalhamento dos dados. Por exemplo, se um relatório estiver consolidado por países, fazendo um Drill down[10], os dados passarão a ser apresentados por Estados, cidades, bairros e assim sucessivamente até o maior nível de detalhamento possível. O processo contrário, o Drill up[11], faz com que os dados sejam consolidados em níveis superiores de informação. 

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

    Mesmo retirando da Wiki o elaborador ainda inverteu o conceito de maior/menor granularidade. Haja paciência...

    Como o colega abaixo comentou o correto seria Roll-Up. Estou pensando em queimar meus livros e estudar pela Wiki :D

  • Discordo:

    Nível de Granularidade é DIFERENTE de Nível de Detalhamento. Isto não é a mesma coisa nunca!

    Eles possuem uma relação que é a seguinte: AUMENTA o nível de detalhamento DIMINUI o grão! (quer dizer....o grão fica cada vez menor, ou seja a informação fica cada vez mais esmiuçada).

    Acredito ainda que a questão está errada alguém pode explicar o motivo? esse texto da Wiki ai não explicou nada!

    Abraços

  • O gabarito está errado. A questão fala das operações Driil Down e Roll Up, também chamada de Drill Up, segundo o livro TECNOLOGIA E PROJETO DE DATA WAREHOUSE , 4 EDICAO, FELIPE NERY RODRIGUES MACHADO, na pag. 87, diz...

    O drill down ocorre quando o usuário aumenta o nível de DETALHE da informação, diminuindo o nível de granularidade.

    O drill up ou roll up é o contrário. Ele ocorre quando o usuário aumento o nível de granularidade, diminuindo o nível de detalhamento da informação.

  • Segundo INMON no livro Building the Data Warehouse, 3ª Ed, na pág. 43, "Granularity refers to the level of detail or summarization of the units of data in the data warehouse. The more detail there is, the lower the level of granularity. The less detail there is, the higher the level of granularity."

  • Também discordo do gabarito: 
    Diminui Granularidade = Aumenta Detalhe (Drill down)
    Aumenta Granularidade = Diminui Detalhe (Drill up)
  • Granularidadeé a extensão à qual um sistema é dividido em partes pequenas. Ela é a "extensão até a qual uma entidade grande é subdividida. Por exemplo, um quintal dividido em polegadas possui granularidade mais fina que um quintal dividido em pés."
    Fonte: http://pt.wikipedia.org/wiki/Granularidade

    Drill = grão
    Drill down = diminuir a espessura do grão = diminuir a granularidade = aumentar o nível de detalhamento.
    Drill up = aumentar a espessura do grão = aumentar a granularidade = diminuir o nível de detalhamento.

    Esse gabarito está ERRADO sim.
  • Certeza.  O elaborador bebeu gás!

    Drill down = aumentar o detalhe das informações = diminuir os grãos (Ex.: anos - > mês -> dia).

    Drill up (ou roll up) = diminuir o detalhe das informações = aumentar os grãos (Ex.: dia -> mês -> ano).
  • Mas será que essa é a jurisprudência do CESPE ou o gabarito ficou errado por falta de recursos bem feitos?

    Pois eu já vi outras questões do CESPE com o mesmo entendimento que essa.
  • *CESPE* TCU 2007
    Quanto ao nível de granularidade dos dados do data
    warehouse, é correto afirmar que quanto maior for o nível de
    detalhe, mais alto será o nível de granularidade dos dados e
    maior será a possibilidade de o sistema responder a qualquer
    consulta.

    Gabarito oficial: Errado

    ou seja, "quanto maior for o nível de detalhe, mais BAIXO será o nível de granularidade".
    drill down = aumentar o nível de detalhe = diminuir o nível de granularidade
    drill up = diminuir o nível de detalhe = aumentar o nível de granularidade
  • resolvi muitas questões de provas ultimamente e posso dizer: está virando uma palhaçada essas questões retiradas da wikipedia! 
    nem ligo pelo fato de copiarem literalmente (até porque muita coisa da wikipedia é retirada e/ou traduzida de livros), mas me incomoda que isso está sendo feito, aparentemente, sem qualquer análise/verificação!
    essa questão está absurdamente errada! foda
  • Alta granularidade significa muitos detalhes (mais grãos = grãos menores). Não confundir com alto nível (de abstração), que significa menos detalhes.

    "The more detail there is in the fact table, the higher its granularity and vice versa" Ver 0, 1, 2.
  • Pessoal,

    Se drill down aumenta o detalhamento, ou seja, o número de grãos então como pode diminuir grãos?

    Veja esse artigo que confirma o gabarito do examinador.
    http://www.crazyapple.com/2012/08/what-is-a-drill-down-report/

    Drill-down describes an increasing granularity in the management of data. E. g., one can zoom into an address.
    The process of zooming out (decreasing granularity) is called roll-up or drill-up.

    Drill Down: to look at or examine something in depth. Ex: to drill down through financial data -> aumentar granularidade
    Drill Up: viewing data in less detail; for example, viewing total sales as opposed to individual sales -> diminuir granularidade

    Não concordo que Drill Down significa grãos menores, mas apenas mais grãos. Veja o exemplo de um nível de sumário de um livro (necessita menos grãos, ou menos detalhamento) e um nível de detalhamento de um item do sumário (necessita mais grãos, ou mais páginas/detalhamento).
  • Vou tentar destrinchar isso com fontes com credibilidade, e por isso o comentário tá meio grande, pra que realmente não haja dúvidas:

    "A roll-up display moves up the hierarchy, grouping into larger units along a dimension (for example, summing weekly data by quarter or by year)."

    [...]

    A drill-down display provides the opposite capability, furnishing a finer-grained* view, perhaps disaggregating country sales by region and then regional sales by subregion and also breaking up products by styles.

    * "Fine granularity refers to small item sizes, whereas coarse granularity refers to large item sizes", pg 795

    Fonte: Navathe, Fundamentals of Database Systems, 6th Ed., Pg. 1072

    Tradução (simplificada):

    Roll Up (ou Drill Up) sobe na hierarquia, em unidades maiores. Exemplo: agrupando vendas semanais por ano.

    Drill-Down é o oposto (com grãos menores). Exemplo: vendas de um país quebradas em vendas por região.

    Outra versão mais completa, da Itnerante, também baseada no texto de Navathe:

    Roll-up: também conhecida como drill-up, aplica uma agregação sobre o cubo de dados. Ou ainda, aumentar o nível de granularidade dentro de uma dimensão, reduzindo o detalhamento da informação. É, basicamente, subir na hierarquia. A figura abaixo, retirada do livro Data Mining: Concepts and Techniques[1],  mostra o resultado da operação de roll-up aplicada no cubo central subindo na hierarquia de location. Basicamente, essa hierarquia é definida na seguinte ordem: street < city < province_or_state < country. Essa agregação mostra uma ascensão na hierarquia de location do nível de city para o nível de country.

    Drill-down: É o inverso da operação de roll-up. É uma forma de navegar de um dado com menor nível de detalhe para um dado com maior nível de detalhe. Essa operação pode ser realizada tanto descendo em uma hierarquia de uma dimensão quanto introduzindo dimensões adicionais. A figura abaixo exibe o resultado de uma operação de drill-down sobre o cubo central, basicamente, descendo sobre a hierarquia de tempo (day < month < quater < year). A operação desce do nível de semestre (quater) para mês (month).

    Fonte: http://www.itnerante.com.br/profiles/blogs/artigo-suporte-a-decis-o-02-sobre-as-opera-es-de-olap

    Conclusão:

    O gabarito está claramente errado. Deveria estar como errada.

    Drill down: diminui o grão, aumentando o nível de detalhe (já que o grão é menor) e diminuindo a granularidade.

    Drill Up (ou Roll Up): aumenta o grão, diminuindo o nível de detalhe (já que o grão é maior), aumentando a granularidade.

    Pra que não hajam mais dúvidas:

    Aumentar granularidade quer dizer aumentar o grão. Pra ilustrar, pense que você tem 1 Kg de feijão. Se a granularidade é maior, quer dizer que você tem grãos maiores, logo, tem menos grãos.

    Espero que não tenha ficado dúvidas. Se ficou, comente! :)

  • Avaliando as questoes e respostas, adotarei o seguinte criterio quanto a Granularidade, NIvel de Granularidade e Nivel de Detalhes:

    Granularidade Alta = Menos Detalhes = Baixo nivel de granuladirade ( o grao eh grande )

    Granularidade Baixa = Mais Detalhes = Alto nivel de granularidade ( o grao eh pequeno )

  • Depois de ouvir o professor do Itnerante explicando, de conferir seus slides e os principais canais que julgo concisos na internet, só consegui ter mais certeza que esse gabarito está equivocado, veja bem, a questão é de 2010 para técnico, creio que na época ninguém fez um recurso bem fundamentado e por isso não foi anulada, principalmente em concursos antigos, que não são federais, acontece.

    ---------------------------------------------------------------------------------------------------------------------------------------------

    ROLL UP
    -Aplica uma agregação sobre o cubo de dados
    -Aumenta o nível de granularidade e em consequencia realiza a REDUÇÃO sobre a dimensão, DIMINUINDO O NÍVEL DE DETALHAMENTO da informação.

     

    DRILL DOWN
    -É o inverso do roll-up
    -Aumenta o nível de detalhe da informação
    -Navega um dado menos detalhado para um mais detalhado
    -Diminui o nível de granularidade

     

    Fonte> Itnerante

    ---------------------------------------------------------------------------------------------------------------------------------------------

     

  • ·        Drill up/down – Utilizado para aumentar ou reduzir o nível de detalhe da informação

    acessada. Exemplo: Vendas por país Vendas por UF

  • Quem errou, acertou. Quem acertou, errou. Ninguém levou pouco nessa.

  • Só digo uma coisa. Drill up seu c*, cespe. Desculpa, to pistola.

  • dei um soco no teclado agora.

  • Pelo que eu entendi da questão grão é diferente de granularidade.Caiu parecido no TCE-RJ.

  • Creio que o gabarito está errado.

    Drill down diminui granulidade.

    Drill up aumenta granulidade.

ID
188776
Banca
FCC
Órgão
TRT - 9ª REGIÃO (PR)
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Quando o usuário passa da análise da dimensão tempo e passa a analisar a dimensão região, por exemplo, ele está executando a operação OLAP

Alternativas
Comentários

  •  Drill Through: Ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra


    Slice and Dice: termo usado para descrever a função de analise de dados complexos proporcionada por algumas ferramentas de consulta e analise.


    Drill up ou roll up: é o inverso de drill down, ou seja, é apresentar os dados em um nível mais elevado a partir de um nível mais detalhado

    Star Schema na prática se adequa mais aos Data Marts

  • Gabarito: A

    A)

    Drill Through

    Ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra.

    B)

    Slice
    Corta o cubo, mas mantém a mesma perspectiva de visualização dos dados. Funciona como um filtro que restringe uma dimensão à apenas um ou alguns de seus valores.
        
    Dice
    Mudança de perspectiva da visão multidimensional, como se o cubo fosse girado. Permite descobrir comportamentos e tendências entre os valores das medidas analisadas em diversas perspectivas.
        
    C)

    Drill Across
    O nível de análise dentro de uma mesma dimensão é alterado, ou seja, o usuário avança um nível intermediário dentro de uma mesma dimensão.

    D)Roll up = Drill Up

    Drill Up
    Diminuição no nível de detalhe e conseqüente aumento do nível de granularidade.

    Fonte: http://www.infobras.com.br/portugues/produtos_conceito_olap.asp

    E)
    O Star schema ou esquema em estrela é uma metodologia de modelagem de dados utilizada do desenho de um Data warehouse.Os dados são modelados em tabelas dimensionais ligadas a uma tabela de fatos. As tabelas dimensionais contêm as características de um evento. A tabela de fatos armazena os fatos ocorridos e as chave para as características correspondentes, nas tabelas dimensionais.
    Fonte:  http://pt.wikipedia.org/wiki/Esquema_estrela
  • Será que foi erro de digitação do questões de concursos na alternativa A? Pois drill throught não existe no contexto de DW. throught = pensamento. 
  • Colega, não querias dizer "Thought"....? :)
  • "Dice

    Mudança de perspectiva da visão multidimensional, como se o cubo fosse girado. Permite descobrir comportamentos e tendências entre os valores das medidas analisadas em diversas perspectivas."

    Este conceito não é o pivot?

    Para mim Dice é diminuir o cubo em perpectivas menores, como se fosse uma clausula Where do SQL.
  • [Artigo] Suporte a Decisão - 02 - Sobre as operações de OLAP

    (...)

    Além das definições de drill-across e drill-throught vistas acima, existe outra bastante difundida na Internet, esta é uma definição equivocada, mas utilizada por algumas bancas, como a FCC. (Espero que isso mude um dia!)

    Drill-Across: ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo, a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. A operação drill-across é executada quando o usuário passa de ano direto para trimestre ou mês. Por essa definição podemos representar a operação de drill-across conforme a figura abaixo:


    Drill-Throught: ocorre quando o usuário passa de uma informação contida em uma dimensão para outra. Por exemplo, inicia na dimensão do tempo e no próximo passo analisa a informação por região. Mais uma vez, podemos visualizar essa definição no cubo abaixo.

  • Não Mohamed, "thought" em inglês significa "pensamento" ou "pensou". "Throught" significa através.

  • O Mohamed está certo.

    Ele estava apenas corrigindo o comentário anterior ao dele.

  • Arthur, ainda assim está errado. O certo seria through. Throught não nem se é, de fato, uma palavra válida do inglês. Alguém fez a tradução errada (e não sei qual a fonte, pois não encontro essa operações em livros em inglês) e a FCC espalha esses conceitos sem ao menos corrigir.

ID
191809
Banca
CESGRANRIO
Órgão
ELETROBRAS
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Com o objetivo de analisar possíveis falhas no processo de venda de determinado produto, um Gerente de Vendas, ao consultar o banco multidimensional de seu departamento, identifica um valor abaixo da média no mês de maio de 2010, na região Sudeste, relativo ao produto. Sabendo que a dimensão "Região" está construída de forma a mostrar os dados desde o nível nacional até o nível município, para encontrar a cidade que seja o foco da queda de vendas nessa região, o Gerente de Vendas deverá efetuar sobre a dimensão Região a operação de

Alternativas
Comentários
  • Resposta CORRETA letra D

    Drill Across: se refere às navegações realizadas nas tabelas de dimensão, onde as consultas passam de um nível para o outro sem passar pelos níveis intermediários.

    Drill Down: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade.

    Drill Up: é o contrário do Drill Down, ocorre quando o usuário aumenta a granularidade, diminuindo o nível de detalhamento da informação.

    Drill Through: ocorre quando se deseja uma informação em um nível de detalhe menor do que o apresentado pelas tabelas de fato. Ou seja, é a operação que busca a informação além do nível de granularidade existente na estrutura dimensional.

    Slice and Dice: serve para modificar a posição de uma informação de maneira a facilitar a compreensão dos usuários. Efetua uma filtragem dos dados para especializar as consultas.

    Através de um processo chamado Drill o usuário pode aumentar (Drill down) ou diminuir (Drill up) o nível de detalhamento dos dados. Por exemplo, se um relatório estiver consolidado por países, fazendo um Drill down, os dados passarão a ser apresentados por Estados, cidades, bairros e assim sucessivamente até o maior nível de detalhamento possível. O processo contrário, o Drill up, faz com que os dados sejam consolidados em níveis superiores de informação. Drill Down deverá ser o método utilizada pelo gerente para chegar ao detelhamento desejado para encontrar a cidade que seja o foco da queda de vendas.
     

     

  • * Técnicas de OLAP

    Drill Down: é a possibilidade de poder obter dados mais detalhados a partir de dados de mais alto nível, através de diferentes dimensões. Em outras palavras, drill down nada mais é do que aumentar o nível de detalhes de uma consulta ou relatório, adicionando-lhes novas linhas de cabeçalho provenientes de tabelas dimensão. Por exemplo, uma tela de um computador pode mostrar um mapa com figuras de Estados. Clicando com o mouse sobre um determinado Estado, poderia ser apresentado às vendas em cada região e clicando-se sobre uma determinada região seria possível verificar o desempenho dos vendedores.

    Drill up ou roll up: é o inverso de drill down, ou seja, é apresentar os dados em um nível mais elevado a partir de um nível mais detalhado

    Slice: compreende a extração de informações sumarizadas de um cubo de dados, a partir do valor de uma dimensão.

    Dice: é a extração de um "subcubo" ou a interseção de vários slices.

    Pivot: é o ângulo pelo qual os dados são vistos ou trocados. Na prática corresponde a modificação da posição das dimensões em um gráfico ou troca de linhas por colunas em uma tabela.

    Fonte: paginas.ucpel.tche.br/~loh/dwh.htm

     

  • Pessoal, 
    se a dimensão é organizada desde o nível nacional até o nível município então a hierarquia seria
    País => Regisão => Estado => Município
    Se eu quero mudar da região SE para o município não deveria pular a hierarquia Estado, de modo que estaria realizando uma operação drill across?
  • Rafael, concordo com voce. Pois de regiao para cidade ainda temos o Estado. Logo a operacao deveria ser drill accros.
  • Rafael e Felipe.

    Não pode ser Drill Across porque o Gerente de Vendas ainda está tentando identificar qual a cidade que teve a queda de vendas, neste momento ele não sabe qual a cidade e em qual Estado ela se encontra, por isso não poderia pular da Região diretamente para a Cidade. Primeiro ele tem que consultar por Estado.

  • Fabiano,

    Tive a mesma duvida que os amigos acima, mas nao eh por isso que ele nao pode usar DRILL ACROSS.

    A questão diz:

    "Sabendo que a dimensão "Região" está construída de forma a mostrar os dados desde o nível nacional até o nível município"

    Ou seja, ele pode SIM chegar até o nivel municipio atraves da dimensao REGIAO, mas acontece que Drill Across é usado quando ha uma hierarquia de dimensoes (modelo snowflake). Neste caso, como esta tudo numa dimensao soh, o correto é o uso do Drill Down.
  • Marcelo, isso não seria Drill through? Que passa de uma dimensão para outra? Acho que nesse caso foi realmente um acidente na questão.
  • Eu tambem errei por nao ter lido a questao no detalhe. Para achar a cidade, primeiro ele precisara encontrar em que estado cairam as vendas, e assim por diante. Logo eh drill down mesmo.
  • Pessoal, cidade e município é a mesma coisa.

    REGIÃO - ESTADO - CIDADE/MUNICÍPIO
    SUDESTE - RIO DE JANEIRO - NITERÓI

    ESTADO: GOVERNADOR
    CIDADE/MUNICIPIO: PREFEITO

     
  • Justamente,
    ele nao sabe qual municipio eh o responsavel pelas quedas, logo, ele não pode pular(drill across) diretamente para aquele municipio. Ele tem q fazer drill down, das menores vendas, na seguinte ordem: nacional -> regional -> estadual -> municipal.
    Ex: regiao responsavel pelas quedas na venda -> estado responsavel pelas quedas nas vendas -> cidade responsavel pelas quedas nas vendas..
    A questao nao menciona isso, mas eh assim q funciona o drill down.
  • Ótimo artigo sobre essas definições duvidosas: http://www.itnerante.com.br/profiles/blogs/artigo-suporte-a-decis-o-02-sobre-as-opera-es-de-olap

  • Drill Across: se refere às navegações realizadas nas tabelas de dimensão, onde as consultas passam de um nível para o outro sem passar pelos níveis intermediários.

     

    Drill Down: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade.

     

    Drill Up: é o contrário do Drill Down, ocorre quando o usuário aumenta a granularidade, diminuindo o nível de detalhamento da informação.

     

    Drill Through: ocorre quando se deseja uma informação em um nível de detalhe menor do que o apresentado pelas tabelas de fato. Ou seja, é a operação que busca a informação além do nível de granularidade existente na estrutura dimensional.

     

    Slice and Dice: serve para modificar a posição de uma informação de maneira a facilitar a compreensão dos usuários. Efetua uma filtragem dos dados para especializar as consultas.

     

    Através de um processo chamado Drill o usuário pode aumentar (Drill down) ou diminuir (Drill up) o nível de detalhamento dos dados. Por exemplo, se um relatório estiver consolidado por países, fazendo um Drill down, os dados passarão a ser apresentados por Estados, cidades, bairros e assim sucessivamente até o maior nível de detalhamento possível. O processo contrário, o Drill up, faz com que os dados sejam consolidados em níveis superiores de informação. Drill Down deverá ser o método utilizada pelo gerente para chegar ao detelhamento desejado para encontrar a cidade que seja o foco da queda de vendas.

  • "rgr rgr" diz tudo...

ID
191812
Banca
CESGRANRIO
Órgão
ELETROBRAS
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Analise as afirmações sobre as operações realizadas em cubos OLAP a seguir.

I - A operação pivot permite ao usuário alternar as linhas e colunas em que os valores visualizados serão recalculados.

II - A operação slice é caracterizada pela seleção de determinado membro de uma dimensão, a fim de analisar as demais informações do cubo sob tal perspectiva.

III - A operação dice corresponde à seleção específica de membros de duas ou mais dimensões.

Está correto o que se afirma em

Alternativas
Comentários

  • * Técnicas de OLAP

    Drill Down: é a possibilidade de poder obter dados mais detalhados a partir de dados de mais alto nível, através de diferentes dimensões. Em outras palavras, drill down nada mais é do que aumentar o nível de detalhes de uma consulta ou relatório, adicionando-lhes novas linhas de cabeçalho provenientes de tabelas dimensão. Por exemplo, uma tela de um computador pode mostrar um mapa com figuras de Estados. Clicando com o mouse sobre um determinado Estado, poderia ser apresentado às vendas em cada região e clicando-se sobre uma determinada região seria possível verificar o desempenho dos vendedores.

    Drill up ou roll up: é o inverso de drill down, ou seja, é apresentar os dados em um nível mais elevado a partir de um nível mais detalhado

    Slice: compreende a extração de informações sumarizadas de um cubo de dados, a partir do valor de uma dimensão.

    Dice: é a extração de um "subcubo" ou a interseção de vários slices.

    Pivot: é o ângulo pelo qual os dados são vistos ou trocados. Na prática corresponde a modificação da posição das dimensões em um gráfico ou troca de linhas por colunas em uma tabela.

    Fonte: paginas.ucpel.tche.br/~loh/dwh.htm
     

  • - Slice: Projeta valores específicos de uma dimensão (extrai uma fatia do hypercubo)
     
    - Dice: Slices consecutivos (extrai hypercubo menor)
     
    - Roll-up (drill-up): sumariza dados, subindo na hierarquia de uma dimensão
     
    - Drill-down (roll-down): reverso de roll-up, isto é, detalha os dados, descendo na hierarquia de uma dimensão
     
    - Pivot: muda posição ou orientação da dimensões na projeção bidimensional de dados do hypercubo
  • Alguém sabe explicar a seguinte parte: "(...) os valores visualizados serão recalculados."

    Serão recalculados?
  • Diego,
    Quando você faz a rotação (pivot), as disposições das dimensões mudam, fazendo com que os valores sejam recalculados.
ID
191821
Banca
CESGRANRIO
Órgão
ELETROBRAS
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Em uma reunião sobre prospecção de novos pontos de venda, um analista de TI afirmou que técnicas OLAP de análise de dados são orientadas a oferecer informações, assinalando detalhes intrínsecos e facilitando a agregação de valores, ao passo que técnicas de data mining tem como objetivo

Alternativas
Comentários

  •  Data Mining ou Mineração de Dados consiste em um processo analítico projetado para explorar grandes quantidades de dados (tipicamente relacionados a negócios, mercado ou pesquisas científicas), na busca de padrões consistentes e/ou relacionamentos sistemáticos entre variáveis e, então, validá-los aplicando os padrões detectados a novos subconjuntos de dados. O processo consiste basicamente em 3 etapas: exploração; construção de modelo ou definição do padrão; e validação/verificação.

ID
191827
Banca
CESGRANRIO
Órgão
ELETROBRAS
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Um sistema de orçamento de um órgão público federal, que apresenta as informações baseadas na tecnologia OLAP, realiza agregações dos valores na etapa de carga dos dados para o cubo. Essa pré-agregação tem como principais características o(a)

Alternativas
Comentários

  • Sinceramente nao entendi a resposta. Se há uma pré-agregação, há uma redução do volume de dados a ser carregados. Assim, como poderia aumentar a área de armazenamento do cubo? Não seria o contrário?

  • Atente para o fato de que a questão fala de "aumento da utilização da área de armazenamento dedicada ao cubo". Realmente  se há uma pré-agregação, há uma redução do volume de dados a ser carregados... menor volume maior área disponível para ser utilizada.

  • download.microsoft.com/download/8/4/3/...aab2.../AcadBI-Modulo4.pdf
    Para um maior número de agregações, são necessários MAIS TEMPO de processamento e MAIS ESPAÇO de armazenamento.
    Características das agregações:
    -permitem melhorar os tempos de resposta.
    -requerem ARMAZENAMENTO ADICIONAL.
    *Caso náo sejam controladas, podem provocar uma EXPLOSÃO nos requisitos de ARMAZENAMENTO.
  • Entendo que a questão se divide em três afirmativas que precisam ser avaliadas separadamente.

    Se há necessidade de realizar agregações dos valores na etapa de carga dos dados para formar o cubo, há um aumento do tempo de processamento para a formação desse cubo. Esse tempo de processamento extra fará a agregação citada.

    Com os dados agregados (o cubo já está formado) as consultas são mais rápidas. Agregação está relacionada com nível de abstração (sumarização, condensação), portanto há um aumento na rapidez das consultas desses dados agregados.

    Aumento da utilização da área de armazenamento dedicada ao cubo - talvez essa afirmativa possa ter uma dupla interpretação. Se os dados são agregados, certamente ocuparão uma área de memória MENOR se comparado com dados NÃO AGREGADOS. Mas se pensarmos que incluir mais dados em um cubo (agregados ou não) fará o cubo aumentar, isso torna a alternativa b) correta.

    O negócio é que as outras opções estão muito erradas.


  • Pegadinha total essa questão. Marquei a elternativa "E" como sendo a certa. Acho que caberia recurso
    principalmente porque a alternativa "B" diz fala em "aumento da utilização da área de armazenamento dedicada ao cubo" e isso não me parece correto.

  • Analisando item por item:

      a) aumento do uso da memória RAM para consulta aos dados do cubo ( ERRADA. Se for a memoria do Servidor OLAP: NAO, pois no momento da consulta os dados já estarão agregados e por isso o servidor fará menos operacoes. Se for a memoria do cliente, também está ERRADO, pois o resultado da consulta será o mesmo para dados previamente agregados ou não.), 

          necessidade da existência de tabelas normalizadas no ambiente relacional de origem (ERRADA) e 

          a utilização somente de fatos numéricos (ERRADA).

     b) aumento do tempo de processamento para formação do cubo (OK. Aumento do tempo de carga/formacao do cubo), 

        a rapidez na consulta de dados agregados (OK. Os dados já estão agregados, e por isso, as consultas serao mais rapidas) e 

        o aumento da utilização da área de armazenamento dedicada ao cubo (OK. O banco OLAP irá armazenar as informacoes já agregadas, aumentando o uso do espaco do BD porem ganhando com a reducao do tempo das consultas. A oura opçao seria nao armazenar os dados previamente agregados, economizando espaco em disco, porem estes calculos sao feitos em tempo de consulta, onerando o tempo de resposta).

     c) necessidade da utilização de star schema para carga dos dados (ERRADA. Nao necessariamente.), 

         a rapidez no tempo de processamento para construção do cubo (ERRADA. vide explicacao item b) e 

         a maior fluidez nas operações de slice and dice ( Possivel, pq as consultas serao mais rapidas.)

     d) rapidez na consulta a partir das operações de pivot ( Possivel, comos os dados já estao agregados, as consultas serao mais rapidas), 

         a eliminação da necessidade de cálculos no ambiente relacional ( ERRADA. Na verdade, a staging area utiliza banco relacional e, quando se opta por fazer carga a partir da staging area para um banco multidimensional (criar o cubo) com os valores já agregados, estes calculos sao feitos previamente no banco relacional ou durante o processo de carga) e 

         o aumento do tempo nas consultas com operações de drill up e drill down ( ERRADA, pois as consultas estarao mais rapidas).

     e) diminuição da utilização da área de armazenamento do data warehouse (ERRADA, pois os dados armazenados já agregados ocuparao mais espaco em disco)

         a eliminação de cálculo de dados no ambiente OLAP (OK. Já explicado) e 

         o aumento da acuidade de valores totais em níveis hierárquicos mais altos das dimensões do cubo (ERRADA. O calculo da agregacao antes da carga ou apos a carga deve ser o mesmo).


  • Nunca vi (não disse ouvi falar - realmente nunca vi) agregção aumentar o espaço de armazenamento. Ora, se a agregação dimunui o número de valores de uma dimensão, não faz sentido dizer que ela aumenta o tamanho do armazenamento.

     

    Exemplo: Venda por Mês nos últimos 2 anos.

    O sistema irá montar 24 linhas. 12 para cada ano.

    A mesma análise agora agregada por Ano

    O sistema irá montar 2 linhas. 1 para cada ano.

    Só no sistema da CESGRANRIO, 2 linhas acupam mais espaços que 24.

  • As agregações realmente aumentam o tempo de processamento e o espaço necessário para armazenamento do cubo.

     

    Pense que a agregação de um cubo* (6 dimensões) é o plano cartesiano (A x B x C x D x E x F). Daí, sim, é necessário mais processamento e mais armazenamento, porque o mecanismo OLAP guarda isso já calculado no storage, e não faz essa agregação a cada operação (Drill Down/Up, Pivot, Slice, etc).

     

    Como a pergunta tem foco na agregação, então, é correta a letra B.

     

    * Pode ser cubo/objeto de n dimensões/rotações...

  • Uma ferramenta OLAP nos permite manipular e analisar um largo volume de dados sob múltiplas perspectivas e acesso à informação de um Data Warehouse que armazena dados históricos para tomadas de decisão empresariais

    ________________________________________________________________________

    DW é utilizado para armazenar informações e o OLAP para recuperá-las

ID
191833
Banca
CESGRANRIO
Órgão
ELETROBRAS
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Em uma reunião entre os analistas de TI e analistas de negócio de uma grande empresa, houve a necessidade de normalizar alguns conceitos relativos à OLAP. São conceitos estritamente correlacionados:

Alternativas
Comentários
  • a) ascendente, sibling e pivot.
    Pivot (rolamento) - reorienta o cubo. Permite qeu se altere as linhas e as colunas e os valores visualizados serão recalculados.

     b) nível, geração e atributo.

    c) fato, indicador e métrica.
    Fato - Coleção de itens de dados, compostos de itens de dados e de modelo, guardam  os dados de negócio, além de terem valores contínuos.
    São caracteristicas:
    1. variam ao longo do tempo
    2.Tem valores numéricos
    3. Seu histórico cresce com o passar do tempo
    4. Uma linha na tabela fato corresponde a medição
    5. Todas as tabela fatos estão alinahdas com a mesma granularidade
    6. As medidas devem ser numericas e aditivas.

    d) atributo, drill down e propriedade.
    Drill down: Diminui a granularidade e aumenta o nível de detalhes.

    e) posterior, atributo, anterior.

  • Conceitos

    Pivot: utilizado para transformar linhas em colunas.
    Nível: hierarquia dos atributos da dimensão.
    Atributo: objetos das dimensões.
    Fato: tabela que contem as métricas e atributos a serem analisados.
    Indicador: podem ser usados em painéis (dashboards)
    Métrica: Valores que serão analisados.
    Drill down: operação que tem como função descer um nível na hierarquia da dimensão (mês->quinzena).
    Propriedade: cria grupos de atributos nas dimensões


    Ou seja, os conceitos que se relacionam estritamente a OLAP são: Fato, Indicador e Métrica

ID
192943
Banca
FCC
Órgão
MPE-RN
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Redução do escopo dos dados em análise, além de mudar a ordem das dimensões, mudando desta forma a orientação segundo a qual os dados são visualizados. Trata-se de uma operação OLAP de

Alternativas
Comentários

  •  Drill Down: é a possibilidade de poder obter dados mais detalhados a partir de dados de mais alto nível, através de diferentes dimensões. Em outras palavras, drill down nada mais é do que aumentar o nível de detalhes de uma consulta ou relatório, adicionando-lhes novas linhas de cabeçalho provenientes de tabelas dimensão. Por exemplo, uma tela de um computador pode mostrar um mapa com figuras de Estados. Clicando com o mouse sobre um determinado Estado, poderia ser apresentado às vendas em cada região e clicando-se sobre uma determinada região seria possível verificar o desempenho dos vendedores.

    Drill up ou roll up: é o inverso de drill down, ou seja, é apresentar os dados em um nível mais elevado a partir de um nível mais detalhado

    Slice: compreende a extração de informações sumarizadas de um cubo de dados, a partir do valor de uma dimensão.

    Dice: é a extração de um "subcubo" ou a interseção de vários slices.

    Pivot: é o ângulo pelo qual os dados são vistos ou trocados. Na prática corresponde a modificação da posição das dimensões em um gráfico ou troca de linhas por colunas em uma tabela.

    • Drill across
      • ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão
      • por exemplo: em uma dimensão com ano, mês e dia, ele pula do ano para o dia.
    • Drill Throught
      • ocorre quando o usuário passa de uma informação contida em uma dimensão para outra dimensão

  • Questão confusa, a parte "além de mudar a ordem das dimensões, mudando desta forma a orientação segundo a qual os dados são visualizados." dá a entender que se refere ao pivoteamento, conforme bibliografia e o próprio entendimento da FCC em outras questões como, por exemplo:

    (FCC / TCE-SP - 2010) A mudança de uma hierarquia (orientação) dimensional para outra tem sua realização facilitada em um cubo de dados por meio de uma técnica chamada:

    a) roteamento.

    b) pivoteamento.

    c) ROLAP.

    d) OLTP.

    e) MOLAP.

    Gab. B

    Logo, sob essa ótica, na minha humilde opinião (não sou especialista na área e to estudando a matéria pela primeira vez kkk), caberia tranquilo a resposta B ("pivot"). No entanto, o que eu acho que explica o posicionamento da banca para assinalar a alternativa A ("slice and dice"") é o começo do enunciado "Redução do escopo dos dados em análise". Ora, a técnica de pivoteamento consiste em mudar a orientação segundo o qual os dados são visualizados (como trocar linhas por colunas), sendo que ele não implica diretamente em uma redução de escopo. Já a técnica de slice and dice, por outro lado, consiste em diminuir o escopo, pois ela realiza uma seleção em uma dimensão do cubo ou a extração de subcubos.

    Espero ter ajudado alguém que tenha ficado em dúvida em relação ao gabarito, abraços.

  • A Drill Through capability allows users to view relational transactions that make up a multidimensional point in an OLAP Cube. The Drill-Through therefore brings to light data in the Cube constituted from the Data Source, which often is within an RDBMS.

    https://en.wikipedia.org/wiki/Online_analytical_processing

ID
197512
Banca
CESPE / CEBRASPE
Órgão
DETRAN-DF
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

Acerca do desenvolvimento de aplicações e da arquitetura OLAP,
julgue os itens a seguir.

OLAP pode ser definido como o processo interativo de criar, gerenciar, analisar e gerar relatórios acerca de dados e deles exige algum tipo de agregação. Em bancos de dados multidimensionais (MOLAP), drill down significa ir de um nível mais baixo de agregação até um nível mais alto.

Alternativas
Comentários

  • drill down significa ir de um nível mais alto de agregação até um nível mais baixo (detalhe).

  • Drill Down: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade (A granularidade determina quais os tipos de consultas podem ser feitas no DW. Ela influencia diretamente na velocidade do acesso às informações e no volume de dados armazenados );
  • Vamos por partes:

    1) OLAP pode ser definido como o processo interativo de criar, gerenciar, analisar e gerar relatórios acerca de dados e deles exige algum tipo de agregação. (CORRETO)

    Conforme Date (2004, p. 607), "OLAP [...] pode ser definido como o processo interativo de criar, gerenciar, analisar e gerar relatórios sobre dados."
    Conforme Date (2004, p. 608),"O primeiro ponto importante é que o processamento analítico exige invariavelmente algum tipo de agregação de dados."

    2)     Em bancos de dados multidimensionais (MOLAP), drill down significa ir de um nível mais baixo de agregação até um nível mais alto. (INCORRETO)

    Segundo Navathe (2011, p. 724), "Drill-down [...] fornece uma visão mais detalhada, talvez desagregando as vendas do país por região e, depois, as vendas regionais por sub-região e também separando produtos por estilos."

    Bibliografias:
    INTRODUÇÃO A SISTEMAS DE BANCO DE DADOS
    AUTOR: C. J. DATE  
    8 EDIÇÃO

    SISTEMAS DE BANCO DE DADOS
    AUTOR: ELMASRI; NAVATHE
    6 EDIÇÃO

  • A questão no final citou drill-up.

    roll-up (ou drill-up). Sobe na hierarquia, agrupando em unidades maiores ao longo de uma dimensão (exemplo, somando dados semanais por trimestre ou por ano). Aumenta a granularidade.

    drill-down. Oferece a capacidade oposta, fornecendo uma visão mais detalhada, talvez desagregando as vendas do país por região e, depois, as vendas regionais por sub-região e também separando produtos por estilos. Diminui a granularidade.

    Alternativa: Errada

  • Pessoal acho que o trecho em negrito (abaixo) está errado:

    OLAP pode ser definido como o processo interativo de criar, gerenciar, analisar e gerar relatórios acerca de dados e deles exige algum tipo de agregação. Em bancos de dados multidimensionais (MOLAP), drill down significa ir de um nível mais baixo de agregação até um nível mais alto.

    Explico: exigir agregação é um termo muito forte. Isso depende muito da regra de negócio da empresa. Pode ser selecionada a menor granularidade (atômica) e a partir daí os relatórios são gerados da forma que interessar. Se trocasse o deles exige por deles geralmente exige, acho que esse trecho estaria correto.

  • DRILL-DOWN AUMENTA O NÍVEL DE DETALHAMENTO, E CONSEQUENTEMENTE DIMINUI O NÍVEL DE GRANULIDADE.

  • Drill-Down: navega a partir de dados, obtendo um maior nível de detalhamento, aproximando-se da granularidade mínima. drill-down expande o cubo de dados.

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
211027
Banca
CESPE / CEBRASPE
Órgão
MPU
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de data warehouse (DW) e data mining (DM), julgue os
próximos itens.

Antes da constituição do DW, é realizado o processo de DW que inclui uma fase final de limpeza e reformatação dos dados. Para a geração de regras que irão retornar ao DW, é realizado o processo de back end com técnicas de OLAP, decisionsupport systems (DSS) e DM.

Alternativas
Comentários
  • O que acontecou com o CESPE? Os avaliadores são semi-analfabetos. Só anulando mesmo.
ID
211033
Banca
CESPE / CEBRASPE
Órgão
MPU
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de data warehouse (DW) e data mining (DM), julgue os
próximos itens.

As funções especiais ROLAP (OLAP relacional) e MOLAP (OLAP multidimensional), as extensões SQL e os métodos de junção (join) são ferramentas que podem ser utilizadas para aumentar a eficiência das consultas em bases de dados multidimensionais.

Alternativas
Comentários
  • Navathe, 6a Edição, página 729.
  • Procurei no livro que o colega citou só que na versão 3:

    Because data warehouses are free from the restrictions of the transactional environment there is an 
    increased efficiency in query processing. Among the tools and techniques used are: query 
    transformation, index intersection and union, special ROLAP (relational OLAP) and MOLAP 
    (multidimensional OLAP) functions, SQL extensions, advanced join methods, and intelligent scanning 
    (as in piggy-backing multiple queries).  

    Tenho uma observação, pois a questão cita "métodos de junção (join)" o que é diferente de métodos de junção avançados. Tudo bem que métodos de junção avançados são métodos de junção(!) mas isso dá margem para interpretação dúbia, pois utilizar join para "aumentar a eficiência das consultadas em bases de dados multidimensionais" não é, necessariamente, uma verdade. Ou seja, um select somente na fato é bem mais rápido do que fazer um select na fato com join na dimensão.


     
  • Fiquei com dúvida nessa questão, pois ela tratou os conceitos de ROLAP e MOLAP  como funções? Isso ficou estranho.
  • O Silberschatz trata MOLAP e ROLAP como sistemas e não como função. Mas enfim, CESPE é capciosa.  
  • ROLAP: possuem uma engenharia de acesso aos dados e análise OLAP com uma arquitetura um pouco diferente. Nesse caso a consulta é enviada ao servidor de banco de dados relacional e processada no mesmo, mantendo o cubo no servidor. O que podemos notar nesse caso é que o processamento OLAP se dará somente no servidor. A principal vantagem dessa arquitetura é que ela permite analisar enormes volumes de dados, em contra partida uma grande quantidade de usuários acessando simultaneamente poderá causar sérios problemas de performance no servidor cau- sando, inclusive, o travamento do mesmo.

    Neste caso ROLAP não aumenta a eficiência das consultas

    por isso marquei errado, muito duvidosa essa questão

  • Questão sacana,

    MOLAP e ROLAP são modelos ou sistemas de implementação OLAP. Marquei errado por isso.

    Porém, no SQL existe as FUNÇOES MOLAP e ROLAP. O avaliador estava se referindo a estas funções.


  • Errei por achar que "join" não aumenta a eficiência das consultas e sim diminui :/

  • Também concordo com o colega abaixo, pois o join ocasiona a queda no desempenho de consultas.

  • Questão mal feita! De acordo com Navathe (6ª ed, página 729):

    "Como os data warehouses são livres de restrições do ambiente transacional, existe uma eficiência aumentada no processamento da consulta. Entre as ferramentas e técnicas usadas estão a transformação de consulta, interseção e união de índice; funções especiais ROLAP (OLAP relacional) e MOLAP (OLAP multidimensional); extensões SQL; métodos de junção avançados; e varredura inteligente (como no acréscimo de consultas múltiplas)."

    Ou seja, de acordo com o texto:

    A eficiência é aumentada não pelo uso das ferramentas citadas (join diminui o desempenho), mas porque o data warehouse é livre de restrições do ambiente transacional.

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

    Gaba: CERTO

  • GABARITO QUESTIONÁVEL. HAJA VISTA QUE UMA DAS VANTAGENS DE SE UTILIZAR BD MULTIDIMENSIONAL É O FATO DE REDUZIRMOS A QUANTIDADE DE JOINS ENTRE AS TABELAS.

ID
211036
Banca
CESPE / CEBRASPE
Órgão
MPU
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de data warehouse (DW) e data mining (DM), julgue os
próximos itens.

A tecnologia de DW tem como objetivos a extração eficiente, o processamento e a apresentação analítica de dados para suporte à decisão gerencial. Essa tecnologia utiliza o online analytical processing (OLAP) para a análise de dados complexos.

Alternativas
Comentários

  • Correta. É uma possível definição de DW.

  • segundo Schlöttgen  o processo de Data Warehousing, pode-se dividi-lo em quatro grandes atividades:

    • Extração,Processamento( Armazenamento de dados + Consulta de dados) e Apresentação

  • http://pt.wikipedia.org/wiki/OLAP

  • A questão está correta, pois aborda dois conceitos intrinsecamente ligados aos DWs: procedimentos ETL e ferramentas OLAP. Porém, é importante perceber o momento em que esse elementos atuam em um DW. Os procedimentos ETL (E-T-L | Extraction - Tranformation - Load) são utilizados para a geração/migração dos dados dos sistemas OLTP e de quaisquer outras fontes externas (com dados estruturados ou não) para o DW. Enquanto as ferramentas OLAP utilizam-se de consultas nos DWs para geração de informações necessárias a tomadas de decisões da empresa.

    Bons estudos!

  • GABARITO CORRETO!

    .

    .

    OLAP permite uma visão conceitual multidimensional dos dados e possui três componentes principais em sua arquitetura: um modelo de negócios, um motor para processar consultas multidimensionais e um mecanismo para armazenar os dados.

ID
227179
Banca
VUNESP
Órgão
CEAGESP
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Quando se desenha uma solução de data warehouse como base de dados para uma solução de BI, em que os dados gerados serão disponibilizados para uma base de dados OLAP, a principal característica dos dados e do processo de data warehousing é que os dados devem

Alternativas
Comentários
  • Corrigindo Letra b. Os dados devem ser heterogeneos pois em muitas instâncias os sistemas de banco de dados não são diretamente compatíveis e geralmente nem todos usam o mesmo sistema operacional. Por isso, este cenário geralmente é chamado de ambiente de dados heterogêneo.
  • Os dados em um data warehouse não são modificáveis, porém, poder ser apagados caso não mais sejam úteis, no chamado purging. É a esse purging que "alterados muito raramente" se refere.
  • Discordo do comentário quanto a heterogeneidade dos dados. No dw os dados serão homogêneo, inclusive é função do ETL transformar(homogeneizar) dados de fontes heterogêneas.
    Questão mal elaborada, se o intento do examinador ao dizer que remover dados não úteis é o mesmo que alterar um dado (o que discordo veementemente) a questão teria duas respostas. Se não, o gabarito deveria ser a letra B.
  • A questão se refere ao desenho de uma solução de DW, em que os dados ainda não foram inseridos no DW. Desta maneira, afirmar que os dados devem ser homogêneos (antes de serem inseridos no DW) seria errado.

    De acordo com Navathe, a primeira etapa de aquisição de dados para o DW é a etapa em que os dados precisam ser extraídos de várias fontes heterogêneas.

    Ao serem inseridos no DW, os dados realmente se tornarão homogêneos, mas a questão se refere aos dados antes de serem inseridos.

    A letra A é a resposta correta mesmo

  • Acertei porque com exceção da A, as demais alternativas são absurdas para o conceito de DW. Porém, uma característica clara de um DW é o fato dele ser Não Volátil:

    "Em um DW não existem alterações de dados, somente a carga inicial e as consultas posteriores. Ele é definido assim pois as operações a nível de registro em modo on-line como são os sistemas transacionais, exigem um controle e um processamento muito grande, fugindo do objetivo principal do DW."

    Então, esse de haver atualizações raramente, ao meu ver, estaria errada. Os dados NÃO são alterados NUNCA. O que ocorre são somente novas cargas acrescentando novos dados históricos mais recentes. Mas, iria de A por exclusão.

    Bons estudos!

  • Sérgio Maia, nunca diga NUNCA. Os dados do DW podem ser apagados quando inúteis: puring

ID
230125
Banca
FUNCAB
Órgão
PRODAM-AM
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Dentre as alternativas a seguir, marque aquela que corresponde a uma operação típica de OLAP que realiza uma tabulação transversal, também chamada de rotação do cubo.

Alternativas
Comentários
  • A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multidimensional dinâmica dos dados, apoiando o usuário final nas suas atividades, tais como: Slice and Dice e Drill.

    Drill Across:  O Drill Across ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para semestre ou mês.

    Drill Down: O Drill Down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade.

    Drill Up: O Drill Up é o contrário do Drill Down, ele ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.

    Drill Throught: O Drill Throught ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.

    Slice And Dice: O Slice and Dice é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de criar um módulo que se convencionou de Slice and Dice para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

    Pivoteamento (ou tabulação transversal ou rotação) – é uma técnica que permite que o cubo seja pensado como se tivesse uma rotação para mostrar uma orientação diferente dos eixos.

     

  • P/ complementar, outras operações OLAP:

    Cross-Join.É um recurso nos quais dados são unidos e colunas e linhas são invertidas, permitindo uma melhor visualização sob a ótica do negócio.

    Data Surfing – Executar uma mesma análise em outro conjunto de dados.

  • operacoes olap:

    1- Slicing: corte de parte do cubo

    2- Dicing: produz um cubo menor, contendo parte do volume do cubo total.

    3- Pivoting / Rotation: rotaciona o cubo a fim de que pelo menos 1 dimensao esteja visivel

    4- Drill-Down: agregação dos objetos de informados em maior detalhe. "zoom in"

    5- Drill-Up/Roll-Up: operacao oposta ao drill down. condensa a um nivel maior na hierarquia .e.g.: de mês a ano etc

    6- Drill-Across: considera elementos na mesma hierarquia (mesma regiao, produto etc)

    7- Drill-Through: avaliação horizontal dentro de outros cubos olap

    8- Split: possibilita que um valor seja particionado em mais dimenoes, p/ determinar mais detalhes

    9- Merge / Drill-In: ao contrario do split, diminui granularidade das dimensoes.

ID
241645
Banca
CESPE / CEBRASPE
Órgão
MPU
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de data warehousing, data mining e OLAP (online
analytical processing), julgue os itens que se seguem.

Em um sistema OLAP, as estratégias de desnormalização de tabelas e a redundância de dados são requerimentos para a otimização de consultas. A estratégia star schema relaciona uma tabela-fato a diversas tabelas-dimensões.

Alternativas
Comentários
  • Esquema estrela
    Possui uma entidade central, que é o identificador da instância - Tabela Fato.
     A tabela fato terá pelo menos uma tabela dimensão, que irá armazenar dados sobre os atributos do negócio.
  • O esquema em estrela (star schema) possui tabela(s) fato(s) com dados quantitativos ligados a tabelas dimensões, que possuem características descritivas. Uma tabela dimesão pode participar de uma ou mais tabelas fatos. 
    O outro esquema é o flocos de neve. Este esquema é normalizado (até a 3 forma normal) e possui redundâncias. É mais complexo e pode comprometer o desempenho das consultas.
  • Pessoal, deixei esta questão em branco pois ela afirma que:

    " as estratégias de desnormalização de tabelas e a redundância de dados são requerimentos para a otimização de consultas."

    A dúvida ficou: sem desnormalizar não é possível melhorar as consultas? Enfim, foi só uma pulga atrás da orelha msm.

  • Fiquem com a mesma dúvida de Bruno Bastos Neves. Sei que muitas vezes a normalização piora o desempenho de um banco de dados, pois muitas vezes é necessário quebrar uma tabela em várias outras, fazendo-se necessário, em um select, a utilização de vários joins, e nos inserts/updates/deletes, a utilização de transações quando anteriormente poderia não ser necessário.

    Mas achei forte demais dizer que pra otimizar consulta tem que desnormalizar.

  • Gabarito Certo

    O conceito de Esquema Estrela (em inglês: Star Schema) foi criado pelo estadunidense Dr. Ralph Kimball, ao propor uma visão para a modelagem de base de dados para sistemas de apoio a decisão. Sua principal característica é a presença de dados altamente redundantes, melhorando o desempenho.

    O Star schema ou esquema em estrela é uma metodologia de modelagem de dados utilizada do desenho de um Data warehouse.

    Os dados são modelados em tabelas dimensionais ligadas a uma tabela de fatos. As tabelas dimensionais contêm as características de um evento. A tabela de fatos armazena os fatos ocorridos e as chave para as características correspondentes, nas tabelas dimensionais.

    O nome foi adotado devido a semelhança do modelo como uma estrela. No "centro" da estrela, existe a o que chamou tabela de fatos, rodeada por tabelas auxiliares, chamadas de dimensões. A tabela de fato conecta-se as demais dimensões por múltiplas junções e as tabelas de dimensões conectam-se com apenas uma junção a tabela de fatos.

    Desta forma a consulta ocorre inicialmente nas tabelas de dimensão e depois nas tabelas de fatos, assegurando a precisão dos dados por meio de uma estrutura de chaves onde não é preciso percorrer todas as tabelas, garantindo um acesso mais eficiente de com melhor desempenho.

     

     

    "Retroceder Nunca Render-se Jamais !"
    Força e Fé !
    Fortuna Audaces Sequitur !

  • Em um sistema OLAP, as estratégias de desnormalização de tabelas e a redundância de dados são requerimentos para a otimização de consultas (CORRETO: Geralmente utilizados em bancos multidimensionais, agilizando a consulta aos dados).

    A estratégia star schema relaciona uma tabela-fato a diversas tabelas-dimensões (CORRETO: Formado por uma tabela fato e várias dimensões não normalizadas).

  • c-

    oltp - normalizacao. alto nv detalhe. armazena em db. por isso normalizacao.

    olap- alto nv resumo. armazena in warehouse.

ID
255850
Banca
FCC
Órgão
TRT - 24ª REGIÃO (MS)
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Quanto à perspectiva de visualização de um cubo, dentre as operações básicas OLAP,

Alternativas
Comentários
  • Recurso Slice e Dice da Arquitetura OLAP:

    Slice - operação que corta o cubo mas mantem as perpectivas de visualização dos dados
    Dice - mudança de perpectiva de visão como se girasse o cubo em nossas mãos buscando descobrir comportamentos conforme a perspectiva de analise dos dados

    Bons Estudos
    Marcelo
  • ROLL UP (=DRILL UP) e DRILL DOWN

    ROTAÇÃO (PIVOT)

    SLICE&DICE


    Drill Across: pular de Ano para dia
    Drill throught: estou em ano e passo para modelo (mudo de informação)

    Data Surfing, Slicing: Termos usados pela CESGRANRIO

    http://www.infobras.com.br/portugues/produtos_conceito_olap.asp
  • Questao maldosa... Slice significa fatiar, e Dice significa cortar... 
    Entretanto, letra A eh a menos errada.
  • Slice eh um simples corte no cubo, ou seja, diminui o escopo dos dados analisados, seleciona parte dos dados que interessa dentro de uma dimensão. É como se numa dimensão carro vc quisesse olhar apenas para dois (um grupo) carros especificos.


  •  a) slice é a operação que corta o cubo, mas mantém a mesma perspectiva de visualização dos dados. (Resposta)

    •  b) slice é a mudança de perspectiva da visualização dos dados.(Dice)
    • c) dice é a operação que corta o cubo, mas mantém a mesma perspectiva de visualização dos dados.(Slice)
    • d) slice ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o nível de granularidade.(Drill down)
    • e) dice ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o nível de granularidade.(Drill down)
  • A meu ver, o problema aqui é a confusão entre dice e pivot existente na literatura. O livro do Felipe Nery Rodrigues Machado (Tecnologia e Projeto de Datawarehouse) fala que dice é a "mudança de perspectiva da visão. (...) É como se girássemos o cubo em nossas mãos." (pág. 91), mas para mim, isso é a operação pivot.

    Tanto slice quanto dice não giram o cubo. Traduzindo ao pé da letra, slice é fatiar (imagine uma fatia de pão de forma), enquanto dice é cortar em cubos (como se corta legumes, em quadradinhos). Ou seja, "dice" é fatiar mais de uma vez, em uma ou mais dimensões. Na mesma página, o autor acerta ao dizer que "É a extração de um 'subcubo' ou a interseção de vários slices".

    Enfim, essa é a ideia que tenho de slice/dice, mas tenho que ficar ligado, porque se a banca se guiar por esse livro, dice também inclui a operação pivot.

  • Galera segue um bizu:

    Operações OLAP

    Drill Through: Ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra.

    Slice: Corta o cubo(extrai uma fatia), mas mantém a mesma perspectiva de visualização dos dados. Funciona como um filtro que restringe uma dimensão à apenas um ou alguns de seus valores.

    Dice: extrai um subcubo do cubo original executando uma operação de seleção em duas ou mais dimensões. Mudança de perspectiva da visão multidimensional, como se o cubo fosse girado. Permite descobrir comportamentos e tendências entre os valores das medidas analisadas em diversas perspectivas.

    Drill Across: O nível de análise dentro de uma mesma dimensão é alterado, ou seja, o usuário avança um nível intermediário dentro de uma mesma dimensão.

    Pivot: Adicionar ou rearranjar as dimensões das tabelas.

    Drill Down: proporciona uma visão mais detalhada de um conjunto de dados, descendo na hierarquia de uma dimensão.

    Roll Up: apresenta os dados cada vez mais agrupados ou sumarizados, subindo na hierarquia de uma dimensão.

    Rotation: permite visualizar dados de uma nova perspectiva.

    Fonte:Teleco,UFSC

  • Perfeito o comentário do Iran Rodrigues.

    Eu já tinha observado que a própria FCC muda o conceito de uma questão para outra. Provavelmente varia de acordo com a fonte da cópia !

  • 1- Slicing: corte de parte do cubo

    2- Dicing: produz um cubo menor, contendo parte do volume do cubo total.

ID
260212
Banca
FCC
Órgão
TRT - 4ª REGIÃO (RS)
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Utilizando uma base multidimensional, o usuário passou da análise de informações sob a ótica da dimensão tempo para a visão sob a dimensão regional. A operação OLAP aí realizada foi

Alternativas
Comentários
  • ROLL UP (=DRILL UP) e DRILL DOWN

    ROTAÇÃO (PIVOT)

    SLICE&DICE


    Drill Across: pular de Ano para dia
    Drill throught: estou em ano e passo para modelo (mudo de informação)

    Data Surfing, Slicing: Termos usados pela CESGRANRIO

    http://www.infobras.com.br/portugues/produtos_conceito_olap.asp

  • • drill Across: ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo, a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. A operação Drill Across é executada

    quando o usuário passa de ano direto para trimestre ou mês;

    • drill Down: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade (A granularidade determina quais os tipos de consultas podem ser feitas no DW. Ela influencia diretamente na velocidade do acesso às informações e no volume de dados

    armazenados );

    • drill Up: é o contrário do Drill Down, ocorre quando o usuário aumenta a granularidade, diminuindo o nível de detalhamento da informação;

    • drill Throught: ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Inicia na dimensão do tempo e no próximo passo analisa a informação por região;

    • dlice and Dice: é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo (No OLAP, as informações são armazenadas em cubos multidimensionais, que gravam valores quantitativos e medidas, permitindo visualização através de diversos ângulos. Estas medidas são organizadas em categorias descritivas, chamadas de dimensões e formam, assim, a estrutura do cubo), surgiu a necessidade de criar um módulo, que se convencionou de Slice and Dice, para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, trocar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

  • Essas definições de drill across e drill through só existem nos blogs tupiniquins. Qualquer livro de DW em inglês drill across é naveção entre as dimensões e drill through quando vai se aprofuncando nos detalhes até chegar ao banco relacional. Os próprios significados de across e through na língua inglesa aponta para essa definição. Mas, infelizmente, algum desinformado traduziu esses conceitos errados, e agora todo mundo, inclusive as bancas, propagam o conceito errado.
  • Dica:

    DTD
    - Significado: Dimensão Through Dimensão
    - Vai de uma dimensão para outra;
    - Lembrar: documento DTD para validar documentos XML.

    AMD
    - Significado: Across Mesma Dimensão
    - Pula de um item para outro na mesma dimensão;
    - Processador AMD.

  • Dica: Drill throught. Throught começa com T. T de trocar de dimensão

     

ID
276754
Banca
ESAF
Órgão
CVM
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Ferramentas de processamento analítico on-line (OLAP)

Alternativas
Comentários

  • OLAP,ou On-line Analytical Processing é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas.

    As aplicações OLAP são usadas pelos gestores em qualquer nível da organização para lhes permitir análises comparativas que facilitem a sua tomada de decisões diárias.

    Classifica-se em ROLAP, MOLAP, HOLAP, DOLAP e WOLAP. 

  • OLAP é Multidimensional ou Relacional... então vc já elimina todas menos a C e a A.É muito comum falar em Cubo nas ferramentas OLAP. Um cubo é uma origem de dados multidimensionais que tem os seguintes componentes: Uma medida, que é o nome dado aos dados propriamente ditos;Uma ou mais dimensões. Dimensão é o nome dado às partes do cubo que categorizam os dados, como Produto, Geografia e Tempo. As dimensões têm membros, hierarquias e atributos.


  • Em um sistema OLAP, as estratégias de desnormalização de tabelas e a redundância de dados são requerimentos para a otimização de consultas. A estratégia star schema relaciona uma tabela-fato a diversas tabelas-dimensões.

ID
287575
Banca
INSTITUTO CIDADES
Órgão
UNIFESP
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de Data Warehouse, marque a alternativa correta:

Alternativas
Comentários
  • A letra a foi tirada do Wiki, um data warehouse ou armazém de dados, ou ainda depósito de dados, é um sistema de computação utilizado para armazenar informações relativas às atividades de uma organização em bancos de dados, de forma consolidada. 
    A pegadinha da letra a foi que trocaram o nome "banco de dados" para "Sistemas Operacioniais". 
    Os dados de um data warehouse não são voláteis mas sim, agregados de informações e não são para escrita, somente leitura.

    OLAP,ou On-line Analytical Processing é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas.

    As aplicações OLAP são usadas pelos gestores em qualquer nível da organização para lhes permitir análises comparativas que facilitem a sua tomada de decisões diárias.

  • Vamos analisar cada opção:

    A) Explicação totalmente diferente do propósito de um DW, o qual não tem nada a ver com Organização de sistemas operacionais.

    B) Correta a afirmação. A pegadinha é Citar o OLTP em vez do OLAP.

    C) DW não são voláteis, estando disponíveis somente para leitura!

    D) OLAP não tem objetivo de desfragmentar dados.

    Logo a resposta é a letra B
  • Como falado, a pegadinha da letra B é citar OLTP ao invés de OLAP. Dá pra confundir um pouco.
ID
315730
Banca
FCC
Órgão
TRE-RN
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Redução do escopo dos dados em análise, além da mudança de ordem das dimensões e consequentemente da orientação de acordo com a qual os dados são visualizados. Trata-se da operação básica do OLAP

Alternativas
Comentários
  • Star Schema -> Não é uma operação, é um esquema utilizado em banco de dados relacionais para a implementação de DWs.
    Contém uma tabela de fatos e várias tabelas de dimensão.

    Tabela de Fatos ( Dados Quantitativos )
    Tabelas de Dimensão ( Dados Qualitativos )

    drill across. -> Ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão

    drill throught. -> Ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra

    slice and dice -> Slice vai cortar o CUBO e dice vai mudar a ordem...

    roll up -> Vai diminuir o nível de granularidade da informação.

  • Slice: Redução do escopo dos dados em análise

    Dice: mudança de ordem das dimensões e consequentemente da orientação de acordo com a qual os dados são visualizados

  • Como faz para colar uma imagem

  • operacoes olap:

    1- Slicing: corte de parte do cubo

    2- Dicing: produz um cubo menor, contendo parte do volume do cubo total.

    3- Pivoting / Rotation: rotaciona o cubo a fim de que pelo menos 1 dimensao esteja visivel

    4- Drill-Down: agregação dos objetos de informados em maior detalhe. "zoom in"

    5- Drill-Up/Roll-Up: operacao oposta ao drill down. condensa a um nivel maior na hierarquia .e.g.: de mês a ano etc

    6- Drill-Across: considera elementos na mesma hierarquia (mesma regiao, produto etc)

    7- Drill-Through: avaliação horizontal dentro de outros cubos olap

    8- Split: possibilita que um valor seja particionado em mais dimenoes, p/ determinar mais detalhes

    9- Merge / Drill-In: ao contrario do split, diminui granularidade das dimensoes.

    ____________________________________________________________________________________________________________________________________________________________________________________________________________________________________

    Carlos Leite, o site antes permitia colar imagens, quando os comentarios tinham estrelas. agora nao pode mais

ID
320494
Banca
CESPE / CEBRASPE
Órgão
INMETRO
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Assinale a opção correta acerca da descrição dos operadores OLAP que permitem acessar os dados em modelos multidimensionais.

Alternativas
Comentários

  • a) Drill up e drill down é como o zoom da sua câmera do celular. Logo, errado;

    b) certo, é como uma fatia de pizza. É a resposta da questão;

    c) errado dicing é como uma lasca em forma de subcubo (aumentar ou reduzir o nível de detalhe é o zoom, drill up/down);

    d) negativo, pivoting / rotação inverte as dimensões entre linhas e colunas. Logo, errado.

    e) conceito de pivoting e não data surfing (surfando nos dados);

  • Gabarito B também não está correto:

    Slice: Seleciona dados de uma única dimensão para visualizar subconjuntos de maior interesse;

    Na B, ele fala de "dimensões", ou seja, mais de uma dimensão (foi escrito no plural).

  • A - limita o conjunto de valores a ser mostrado, fixando-se algumas dimensões.- slice and dice

    B - Slicing seleciona as dimensões a serem consideradas na consulta. - ok

    C- aumenta ou reduz o nível de detalhe da informação acessada. - drill down / roll up

    D - executa uma mesma análise em outro conjunto de dados. - drill through

ID
320497
Banca
CESPE / CEBRASPE
Órgão
INMETRO
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Com relação às características dos sistemas OLAP, assinale opção correta.

Alternativas
Comentários

  • OLAP

     

    -Recurso que permite manipular e analisar grandes volumes de dados sob múltiplas perspectivas.
    -Seguem um modelo lógico de dados multidimensional
    -Hierarquizadas em várias granularidaades
    -Tem o propósito de dar suporte a tomada de decisões e prover respostas para as consultas de negócios e gerenciamento.
    -Operação típica de ANALISE.
    -Suas fontes de dados são: Data warehouse ou data mart.
    -As telas são definidas pelo usuário.
    -Natureza dos dados: dados históricos, sumarizados e integrados.

     

    Fonte: Minhas anotações

  • Época boa que o método nishimura funcionava a todo vapor. Gabarito D, única que não restringiu.

  • Em um sistema OLAP, as estratégias de desnormalização de tabelas e a redundância de dados são requerimentos para a otimização de consultas. A estratégia star schema relaciona uma tabela-fato a diversas tabelas-dimensões

ID
321115
Banca
CESPE / CEBRASPE
Órgão
Correios
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

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

Ferramentas OLAP (online analytical processing) permitem a navegação pelos dados de um DW, o que possibilita a realização de pesquisas e apresentação de informações. Por meio de um processo drill down, por exemplo, um relatório consolidado de vendas mensal poderá ser preparado de forma que as informações sejam dispostas por trimestre, por semestre, por ano, e assim sucessivamente.

Alternativas
Comentários
  • O Drill Down aumenta o nível de detalhe da informação, diminuindo o grau de granularidade, ou seja, um relatório mensal deveria ser quebrado em diário ou semanal para estar correto.
  • A questão trata, na verdade, do Drill up.

    Outros "Drills"
    Drill Across: pular de Ano para dia
    Drill throught: estou em ano e passo para modelo (mudo de informação)
    Data Surfing, Slicing: Termos usados pela CESGRANRIO
  • O Drill Down aumenta o nível de detalhe da informação ou seja seria ano, semestre, trimestre, bimestre.....
  • Na verdade a questão cita Roll UP, na qual é o inverso do Drill Down
  • Errado!!

    A questão está falando de:
    Drill Across: ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo, a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. A operação Drill Across é executada quando o usuário passa de ano direto para trimestre ou direto para mês.

    ----------------------------------------------------------------------------
    Drill Down:     ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade (A granularidade determina quais
    os tipos de consultas podem ser feitas no DW. Ela influencia diretamente na velocidade do acesso às informações e no volume de dados
    armazenados );

  • Essa definição do Alexandre só exite nos blogs tupiniquins, pois na literatura em inglês drill across é quando  há mudança de uma instância para outra. Drill through é que seria o termo para designar quando níveis são pulados.
  • A questão refere-se à operação de drill-up e não drill-down.

    drill down = detalha a pesquisa, ou seja, aumenta o nível de granularidade. Ex.: ano -> mes -> dia
    drill up = generaliza a     pesquisa, ou seja, diminui o nível de granularidade. Ex.: dia -> mes -> ano

  • Drill-down (desmembramento): níveis crescentes de detalhes são revelados (ano, mês, dia).

    Drill Across (envolve mais de uma tabela Fato): ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para trimestre ou mês.


    Ou seja, o erro está em dizer que a funcionalidade usada é a Dril Down, sendo que na verdade a correta é a Drill Across.



    Fonte: Apostila Prof: Marcio Victorino.
     

  • material bem legal sobre OLAP, Drill Down, Drill UP ... etc...

    http://conteudo.anhembi.br/ead/conteudo/pool_online/4866_banco_de_dados_e_inteligencia_empresarial/pdf/04866_(5_2).pdf



  • Pessoal, falaram aí em Drill Up, mas acho que isso não existe, certo? Pelo que entendi é Roll Up que é o inverso de Drill Down, conforme material também citado em outro comentário:

    http://conteudo.anhembi.br/ead/conteudo/pool_online/4866_banco_de_dados_e_inteligencia_empresarial/pdf/04866_%285_2%29.pdf

  • Tiago, às vezes o "Drill up" é cobrado como sinônimo de "Roll up" também.

  • 1) Operação de Drill Down: permite a navegação entre os níveis de dados que vão desde o mais sumarizado até o mais detalhado.

    Down= Para baixo. Dessa forma, você vai aumentar o nível de detalhes, descendo na hierarquia das dimensões e reduzindo a granularidade.

    2) Operação Roll Up (Drill Up): permite a navegação entre os níveis de dados que vão desde o mais detalhado até o mais sumarizado.

    Up = Para cima. Dessa forma, você vai reduzir o nível de detalhes, subindo na hierarquia das dimensões e aumentando a granularidade

  • Ferramentas OLAP (online analytical processing) permitem a navegação pelos dados de um DW, o que possibilita a realização de pesquisas e apresentação de informações. Por meio de um processo DRILL UP ou ROLL UP, por exemplo, um relatório consolidado de vendas mensal poderá ser preparado de forma que as informações sejam dispostas por trimestre, por semestre, por ano, e assim sucessivamente.

    Gabarito: ERRADO

ID
331567
Banca
FGV
Órgão
FIOCRUZ
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

On Line Analytical Processing (OLAP) é uma tecnologia de software que permite a analistas de negócios, gerentes e executivos a análise e visualização de dados corporativos, por meio de acesso interativo, rápido e consistente. A funcionalidade OLAP é inicialmente caracterizada pela análise dinâmica e multidimensional dos dados consolidados de uma organização. A tecnologia OLAP é geralmente implementada em ambiente multiusuário e cliente/servidor, oferecendo assim respostas rápidas às consultas ad-hoc, não importando o tamanho do banco de dados nem sua complexidade, sendo também disponibilizada em ambiente Web. Essa tecnologia auxilia o usuário a sintetizar informações corporativas por meio de visões comparativas e personalizadas, análises históricas, projeções e elaborações de cenários. No contexto dos projetos lógicos de modelos de dados para processamento anlítico, uma operação OLAP é uma técnica específica de análise segundo a qual o usuário navega entre os níveis de dados que vão desde o mais resumido para o mais detalhado. Essa operação é conhecida por:

Alternativas
Comentários
  • Drill Down/up - Parte para o detalhe
    Roll Down/up - Faz agregação. Do detalhe para o resumido.
  • Existe o roll up; não o roll down.
  • Um usuário visualizando dados em um modelo OLAP irá navegar para cima (drill up) ou para baixo (drill down) entre níveis para visualizar informação com maior ou menor nível de detalhe sem a menor dificuldade.
  • Só para complementar os colegas:
    Drill-Down/Up é uma técnica específica de análise segundo a qual o usuário navega entre os níveis de dados que vão desde o mais resumido (up) ao mais detalhado (down). Os caminhos do Drill podem ser definidos pelas hierarquias dentro das dimensões ou outras relações que podem ser dinâmica dentro ou entre dimensões.

    E como o outro colega falou, só existe o  que significa "agregar" ou sumarizar os dados subindo na hierarquia de uma dimensão. É o mesmo que Drill-Up.

    Para entender melhor, o Drill-Down é quando você quer saber mais detalhes e precisar "mergulhar a fundo / mais abaixo" nos dados.

    É só imaginar uma pirâmide de cabeça para baixo, onde quanto mais você desce, mais "focado" em algo vai ficando, e quanto mais para cima, você vai tendo uma visão mais ampla/resumida dos dados.
  • Um data warehouse é um sistema de computação utilizado para armazenar informações relativas às atividades de uma organização em bancos de dados, de forma consolidada. O desenho da base de dados favorece os relatórios, a análise de grandes volumes de dados e a obtenção de informações estratégicas que podem facilitar a tomada de decisão.
     
    O data warehouse possibilita a análise de grandes volumes de dados, coletados dos sistemas transacionais (OLTP).
     
    A ferramenta mais popular para exploração de um data warehouse é a Online Analytical Processing OLAP ou Processo Analítico em Tempo Real, mas muitas outras podem ser usadas.
     
    Funcionalidades das ferramentas OLAP
     
    A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multidimensional dinâmica dos dados, apoiando o usuário final nas suas atividades, tais como: Slice and Dice e Drill.
     
    Drill Across:  O Drill Across ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para semestre ou mês.
     
     
     
    Drill Down: O Drill Down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade.
     
     
     
    Drill Up: O Drill Up é o contrário do Drill Down, ele ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.
     
     
     
    Drill Throught: O Drill Throught ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.
     
     
     
    Slice And Dice: O Slice and Dice é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de criar um módulo que se convencionou de Slice and Dice para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

  • Questão gigantesca onde na verdade só importa : "é uma técnica específica de análise segundo a qual o usuário navega entre os níveis de dados que vão desde o mais resumido para o mais detalhado."

  • Drill Down: aprofunda o detalhamento

    Drill Up: visão mais geral dos dados.

  • Há várias operações OLAP que geralmente são definidas nessas aplicações. A questão faz referência, mais especificamente, àquelas que permitem a navegação entre os níveis de detalhamento de uma hierarquia, do mais resumido para o mais detalhado e vice-versa. Essas operações são o drill down e o roll up. O roll up é às vezes conhecido como drill up, mas não existe “roll down”, então a letra B é a correta. 

  • Roll-Up: oposto do operador drill-down, resume as informações, diminuindo o nível de detalhes.

    Drill-Down: este operador navega a partir de dados, obtendo um maior nível de detalhamento, aproximando-se da granularidade mínima.

    Dice: slices consecutivos, gerando um subcubo. representa um conjunto de filtros

ID
334771
Banca
FCC
Órgão
TRT - 14ª Região (RO e AC)
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

O usuário pode utilizar as ferramentas para navegar entre diferentes níveis de granularidade de um cubo de dados, aumentando ou diminuindo o nível de detalhamento dos dados, através de processos denominados Drill up e Drill down.Trata-se de ferramentas aplicadas, tipicamente, em

Alternativas
Comentários
  • Principais  Características da Análise OLAP:

    • Drill Down: O Drill Down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade.

       
    • Drill Up: O Drill Up é o contrário do Drill Down, ele ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.
       
  • Jusitificativa para ser a letra "A" a alternativa correta:
    Drill up e Drill down fazem parte da OLAP, que é uma ferramenta utilizada para explorar um data warehouse. 

    Explicação:

    Um data warehouse é um sistema de computação utilizado para armazenar informações relativas às atividades de uma organização em bancos de dados, de forma consolidada.     O desenho da base de dados favorece os relatórios, a análise de grandes volumes de dados e a obtenção de informações estratégicas que podem facilitar a tomada de decisão.
    O data warehouse possibilita a análise de grandes volumes de dados, coletados dos sistemas transacionais (OLTP).
    A ferramenta mais popular para exploração de um data warehouse é a Online Analytical Processing OLAP ou Processo Analítico em Tempo Real, mas muitas outras podem ser usadas.
    Funcionalidades das ferramentas OLAP
    A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multidimensional dinâmica dos dados, apoiando o usuário final nas suas atividades, tais como: Slice and Dice e Drill.
    Drill Across:  O Drill Across ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para semestre ou mês.
     
    Drill Down: O Drill Down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade.
     
    Drill Up: O Drill Up é o contrário do Drill Down, ele ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.
     
    Drill Throught: O Drill Throught ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.
     
    Slice And Dice: O Slice and Dice é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de criar um módulo que se convencionou de Slice and Dice para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.
     
            
  • Acho que a questão esta muito mal formulada, pois afirma "O usuário pode utilizar as ferramentas para navegar...". OLAP é uma ferramenta. 
    Depois faz a pergunta: "Trata-se de ferramentas aplicadas, tipicamente, em". Entao está peguntando onde a ferramenta é tipicamente aplicada, resposta correta seria opção b) data warehouse.

  • As possíveis operações que podem ser realizadas em um modelo OLAP são:

    SLICE: selecionar dados de uma única dimensão;

    DICE: extrai um subcubo da seleção de duas ou mais dimensões;

    DRILL DOWN: examina dados com maior detalhe;

    ROLL UP: combinação de células de uma ou mais dimensões para atingir um nível maior de generalização;

    PIVOT ou ROTATION: visualiza dados por uma nova perspectiva.

  • Características

     

    Uma das características que devem estar presentes em ferramentas OLAP é a capacidade de efetuar algumas operações, como (DWBRASIL OLAP, 2005):

     

    • drill Across: ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo, a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. A operação Drill Across é executada

    quando o usuário passa de ano direto para trimestre ou mês;

    • drill Down: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade (A granularidade determina quais os tipos de consultas podem ser feitas no DW. Ela influencia diretamente na velocidade do acesso às informações e no volume de dados

    armazenados );

    • drill Up: é o contrário do Drill Down, ocorre quando o usuário aumenta a granularidade, diminuindo o nível de detalhamento da informação;

    • drill Throught: ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Inicia na dimensão do tempo e no próximo passo analisa a informação por região;

    • dlice and Dice: é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo (No OLAP, as informações são armazenadas em cubos multidimensionais, que gravam valores quantitativos e medidas, permitindo visualização através de diversos ângulos. Estas medidas são organizadas em categorias descritivas, chamadas de dimensões e formam, assim, a estrutura do cubo), surgiu a necessidade de criar um módulo, que se convencionou de Slice and Dice, para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, trocar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

    fonte:https://www.devmedia.com.br/um-estudo-sobre-as-ferramentas-olap/6691

  • Em um sistema OLAP, as estratégias de desnormalização de tabelas e a redundância de dados são requerimentos para a otimização de consultas. A estratégia star schema relaciona uma tabela-fato a diversas tabelas-dimensões.

    operacoes olap:

    1- Slicing: corte de parte do cubo

    2- Dicing: produz um cubo menor, contendo parte do volume do cubo total.

    3- Pivoting / Rotation: rotaciona o cubo a fim de que pelo menos 1 dimensao esteja visivel

    4- Drill-Down: agregação dos objetos de informados em maior detalhe. "zoom in"

    5- Drill-Up/Roll-Up: operacao oposta ao drill down. condensa a um nivel maior na hierarquia .e.g.: de mês a ano etc

    6- Drill-Across: considera elementos na mesma hierarquia (mesma regiao, produto etc)

    7- Drill-Through: avaliação horizontal dentro de outros cubos olap

    8- Split: possibilita que um valor seja particionado em mais dimenoes, p/ determinar mais detalhes

    9- Merge / Drill-In: ao contrario do split, diminui granularidade das dimensoes.

ID
339691
Banca
COSEAC
Órgão
DATAPREV
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

Uma ferramenta OLAP nos permite:

Alternativas
Comentários

  • Letra: A. OLAP (Online Analytical Processing) é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas.

    Retirado da wikipédia:

    https://pt.wikipedia.org/wiki/OLAP

  • a-

    OLAP- ferramenta para acesso à informação de um Data Warehouse que armazena dados históricos para tomadas de decisão empresariais

ID
339694
Banca
COSEAC
Órgão
DATAPREV
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

. Sobre a relação DWeOLAP, pode-se afirmar:

I . DW é utilizado para armazenar informações e o OLAP para recuperá-las, ambos são especializados para exercer suas funções de forma eficiente;

II . DWe OLAP são poderosas tecnologias independentes e não complementares;

III. Para a exploração completa do DW, a ferramenta OLAP irá extrair e alavancar as informações contidas nele.

Dos itens acimamencionados, apenas:

Alternativas
Comentários

  • d-

    OLAP - ferramenta para acesso à informação de um Data Warehouse que armazena dados históricos para tomadas de decisão empresariais

ID
362815
Banca
CESPE / CEBRASPE
Órgão
TRE-BA
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de modelagem dimensional, julgue os itens
subsequentes.

A ferramenta OLAP (on-line analytical processing) permite realizar as operações slice, dice e pivot sobre uma estrutura multidimensional. A operação slice fixa o valor de uma dimensão e recupera os valores das demais dimensões; a operação dice intercambia dimensões permitindo diferentes visualizações dos dados; e a operação pivot fixa o valor de duas ou mais dimensões e recupera os valores das demais.

Alternativas
Comentários
  • Os conceitos estão misturados.

    slice fixa o valor de uma dimensão e recupera os valores das demais dimensões;
    a operação dice pivot intercambia dimensões permitindo diferentes visualizações dos dados;
    e a operação pivot   dice   fixa o valor de duas ou mais dimensões e recupera os valores das demais.
  • Olá Amigo,

    Pode nos informar a fonte onde encontrou estes conceitos?

    Obrigado.
  • Do seguinte livro, Vinícius:
    http://books.google.com.br/books?id=0qcQbVsPxnkC&pg=PA21&lpg=PA21&dq=A+opera%C3%A7%C3%A3o+slice+fixa+o+valor+de+uma+dimens%C3%A3o+e+recupera+os+valores+das+demais+dimens%C3%B5es&source=bl&ots=AMA5xZaOS6&sig=m7isRNyED4vm-rtF81RplKSt3w8&hl=pt-PT&redir_esc=y#v=onepage&q=A%20opera%C3%A7%C3%A3o%20slice%20fixa%20o%20valor%20de%20uma%20dimens%C3%A3o%20e%20recupera%20os%20valores%20das%20demais%20dimens%C3%B5es&f=false

  • Slice and dice: A operação de slice executa uma seleção sobre uma das dimensões de um determinado cubo, resultando em um subcubo. A figura mostra um exemplo da operação de slice que seleciona as vendas por cidade em um determinado semestre (nestre caso, quarter = Q1). A operação de dice define um “subcubo” através de umaseleção sobre duas ou mais dimensões. A figura também mostra uma operação de dice que envolve três dimensões seguindo os seguintes critérios (location = “Toronto” ou “Vancouver” || time = “Q1” ou “Q2” || item = “home entertainment” ou “computer”).

    Pivot: Também conhecida como rotate ou rotação, é uma operação de visualização que rotaciona os eixos de um determinado cubo, provendo uma visão alternativa dos dados. A figura mostra uma operação de pivot sobre o resultado da operação de slice. Neste caso, observamos uma rotação em duas dimensões. Contudo o mesmo pode ser feito, também, em um cubo 3-D.

    fonte: http://www.itnerante.com.br/profiles/blogs/artigo-suporte-a-decis-o-02-sobre-as-opera-es-de-olap

  • http://www.teleco.com.br/tutoriais/tutorialgrolap/pagina_2.asp

  • Slicing

    Selecionar as Dimensões para Consulta

    Ex: Vendas por País por Mês ( Somatório dos Produtos).

    Dicing

    Limitar Conjunto de Valores algumas Dimensões.

    Ex: Vendas no Estado de Minas (por Produto por Ano).

    Pivoting

    Trocar as Dimensões entre Linhas e Colunas

    Ex: Vendas por Produto por Estado por Estado por Produto.

  •  To slice = FATIAR - Essa operação faz um corte (ou filtragem) no cubo baseado no valor de alguma dimensão. Por exemplo, podemos extrair uma fatia do cubo que consiste nas vendas de produtos por cidade para um ano específico ou para um intervalo de anos.

    Dice é um termo inglês que tem vários significados. Um deles quer dizer “cortar em cubos”. O que acontece nessa operação é que se faz um corte no cubo OLAP baseado nos valores de mais de uma dimensão, criando assim um subcubo.

    Pivotagem (rotação)- Consiste em rotacionar o cubo para visualizar os dados em diferentes perspectivas, para realizar análises baseadas em dimensões diferentes. 

    Fonte_ Direção Concursos

  • Slice -> Fixa em 1 dimensão

    Dice -> Fixa em 2 dimensões

    Pivot -> Diferentes visões dos seus dados (rotação)

     

     

    Vou deixar alguns conceitos que tenho anotado.

     

    Drill Down: desce uma Hierarquia (Ano -> Mês -> Dia)

    Drill Up: Sobe uma Hierarquia (Dia -> Mês -> Ano)

    Drill Across: Pula uma hierarquia (Ano -> dia)

    Drill Through: Inexiste Hierarquia entra dimensões.

     

     

    Qualquer erro deixe nos comentários!!

    Bons estudos

ID
362818
Banca
CESPE / CEBRASPE
Órgão
TRE-BA
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

A respeito de modelagem dimensional, julgue os itens
subsequentes.

Diferentemente de datamining, que não possibilita a interação do usuário na busca por informações úteis, o OLAP permite ao usuário extrair informações de um data warehouse ou de um datamart, de forma customizada e interativa.

Alternativas
Comentários
  • Datamining: Define uma série de procedimento, técnicas e ferramentas para recuperar e analisar os dados de um Data Warehouse ou  Data Mart à procura de padrões e tendências a respeito dos dados armazenados. A análise de dados exploratória ("Data Mining") é o processo de descobrimento de vários modelos, sumários e valores derivados a partir de um dado conjunto de dados. Há várias técnicas para se realiar esse processo, tais como métodos estatísticos, análise de cluster, árvore de decisão, redes neurais e regras de associação.  Etapa de um processo conhecido como extração de conhecimento em bases de dados ou Knowledge-Discovery in Databases (KDD). Quando os dados são do tipo não-estruturados ou textos, chamamos de Text Data Mining ou simplesmente Text Mining, ou ainda Knowledge Discovery from Text (KDT).

    Data warehouse: ou armazém de dados é um banco de dados com dados históricos usados para análise e decisões das mais exóticas perguntas realizadas por executivos. Os dados contidos nos data warehouse são sumarizados, periódicos e descritivos. Com a manipulação desses dados os executivos podem tomar decisões baseadas em fatos e não em intuições e especulações. Os data warehouses são projetados para processamento on-line analítico (OLAP, On-line Analytical Processing) ao invés do processamento transacional on-line (OLTP, On-line Transactional Processing). Ferramentas OLAP para pesquisa inteligente de dados são chamadas de data mining. Delimitando a abrangência dos dados a uma área de negócio da empresa o data warehouse passa a se denominar data mart. É possível implementar um data warehouse com vários data marts distribuídos.
  • Datamining e OLAP são ferramentas para recuperar informações de um data warehouse. O data mining vai muito além da simples consulta a um banco de dados, no sentido de que permite aos usuários explorar e inferir informação útil a partir dos dados, descobrindo relacionamentos escondidos no banco de dados.
  • Acredito que o gabarito esteja equivocado. Não há celeuma alguma quanto a interatividade permitida pelo análise OLAP, onde é possível fazer várias operações acerca do cubo de dados. Agora não há que se falar de ausência de interatividade no Data Mining. Pode até ser menos interativo do que a análise OLAP, mas inferir que não é interativo seria desconsiderar, por exemplo, que um analista pode gerar hipóteses a serem testadas numa ferramenta de DataMining, ou seja, o analista usa o conhecimento para realimentar o procedimento de Data Mining. Gabarito redondamente equivocado. 
  • O segredo é o termo "busca".
     "não possibilita a interação do usuário na busca por informações úteis,"
    A busca se dá por meio de técnicas ou algorítimos como redes neurais, arvóre de decisão, etc. que é diferente de analisar e inferir hipóteses.
  • Todas as demais questõs de Data Miming do Cespe estão baseadas no livro do Navathe, exceto esta.
    Veja que destoa completamente do conceito do mesmo livro:

    Navathe 6ª Edição:
    A maioria das ferramentas (de Data Mining) é executada em uma ambiente de interface gráfica com o usuário. Alguns incluem tecnicas de visualização sofisticadas capazes de manipular dados interativamente. Há também os que fazem parte da ferramente OLAP.

  • Pelo que to percebendo, estudar banco de dados pra Cespe é enfiar a cara no livro de Navathe ;)

  • "Um datamining emprega tecnologias baseadas em inteligência artitficial. ... Assim, finalmente, podemos definir dataming como a extração automática de dados sobre padrões, tendências, associações, mudanças e anomalias previamente não identificadas"

    ...

    "OLAP constitui a sigla de On-Line Analytical Processing ou simplesmente Processamento Analítico Online. OLAP é uma tecnologia ou ferramenta que permite ao usuário extrair informações de um data warehouse ou de data mart de forma customizada, simples e interativa. Desse modo, diferentemente do datamining, que não possibilita a interação do usuário na busca por informações úteis, as ferramentas OLAP se tornam um grande aliado dos tomadores de decisão." 

     

    Fonte: Sistemas Integrados de Gestão – ERP (CICERO CAIÇARA JUNIOR), pág. 175

  •  busca por informação é diferente de busca por conhecimento. Informação é bruta e nas inferencias sobre elas é que consiste o conhecimento. Logo por esse lado a questão está correta visto que o data mining tras a informação de forma automatica (por software de logaritimos). Outro ponto é que a questão usa o  termo "usuario", o qual se entende como usuario final; cliente, esse realmente não interage na busca por informações, e sim o programador ou projetista do SGBD que cria e modifica o software. Logo questão mtoo escorregadia e foda tem q se atentar a esses dois termos "informação" e "usuario" no sentido estrito usado em TI, mas esta correta!!!

     

  • CERTO

    Trata da capacidade de analisar grandes volumes de informações nas mais diversas perspectivas dentro de um Data Warehouse (DW). O OLAP também faz referência às ferramentas analíticas utilizadas no BI para a visualização das informações gerenciais e dá suporte para as funções de análises do negócio organizacional.

    As limitações dos bancos de dados relacionais que utilizam modelo entidade-relacionamento podem ser superadas por meio do uso de ferramentas OLAP (online analytical processing).

  • "Diferentemente de datamining, que não possibilita a interação do usuário na busca por informações úteis" . E o aprendizado de máquina supervisionado como fica?

  • WTF!? e o aprendizado supervisionado? eeeeita

ID
369844
Banca
CESPE / CEBRASPE
Órgão
TCE-RN
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

Acerca das tecnologias de bancos de dados e de data warehouse, julgue o item que se segue.


A construção de um data warehouse envolve primordialmente um processo de extração, transformação e carga de dados, que normalmente tem origem nas bases de dados dos sistemas que estão ou estiveram em operação. O sucesso desse processo é fortemente influenciado pela escolha da ferramenta OLAP (on-line analytical processing) a ser utilizada.

Alternativas
Comentários

  • ETL = extração, transformação e carga de dados (L de loading, isto é, carregamento).

    Primeiro) Ocorre ETL (capturar dados de diversas fontes)

    Segundo) Ocorre interação via Data Warehouse ou Data Mart (armazenamento)

    Terceiro) Ocorre a recuperação - refere-se à visualização e análise de dados, que pode ser por meio de OLAP, por exemplo.

    Logo, não cabe dizer que OLAP impacta a ETL, visto que ETL ocorre primeiro.

    Resposta: errado.

  • aquele momento de tirar a pausa pra o descanso... Marquei correto porque pensei que a parte que diz "sucesso desse processo" tava se referindo ao data warehouse por completo e não apenas o processo ETL

    Gabarito: Errado

    Descansar também é importante! Não exija tanto de si. Só de está aqui você já está na frente de muita gente

    Bom Estudo!

ID
384460
Banca
FCC
Órgão
TRT - 7ª Região (CE)
Ano
2009
Provas
Disciplina
Banco de Dados
Assuntos

Considere:
I. Passar de um nível mais baixo de agregação de dados para um nível mais alto.
II. Modificar a posição de um dado, passando de linha para coluna ou vice-versa.
No OLAP, essas ações são possibilitadas, respectivamente, pelas operações

Alternativas
Comentários
  • Drill Down: O Drill Down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade.

    Drill Up: O Drill Up é o contrário do Drill Down, ele ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.

    Slice And Dice: O Slice and Dice é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de criar um módulo que se convencionou de Slice and Dice para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.

    ROLAP: Arquitetura OLAP que possui uma engenharia de acesso aos dados e análise OLAP com uma arquitetura um pouco diferente, nesse caso a consulta é enviada ao servidor de banco de dados relacional e processada no mesmo, mantendo o cubo no servidor. O que podemos notar nesse caso é que o processamento OLAP se dará somente no servidor. A principal vantagem dessa arquitetura é que ela permite analisar enormes volumes de dados, em contra partida uma grande quantidade de usuários acessando simultaneamente poderá causar sérios problemas de performance no servidor causando, inclusive, o travamento do mesmo.
  • Alguém sabe o motivo da anulação? Foi por não ter uma resposta correta? Ou pelo português que só o criador da questão e o autor do livro (de onde questão foi copiada) compreendem?
  • Não tem resposta correta. Troca de linha x coluna é pivot.
  • Eu marcaria a letra B. Creio que foi anulada devido ao erro de ortografia "rolap", deveria ser "roll up".
ID
399991
Banca
CESPE / CEBRASPE
Órgão
Correios
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

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

Entre as utilidades de um sistema OLAP (online analytical processing) inclui-se o apoio a usuários finais em decisões estratégicas dentro das organizações.

Alternativas
Comentários
  • "Online analytical processing", ou OLAP fornece para organizações um método de acessar, visualizar, e analisar dados corporativos com alta flexibilidade e performance.

    OLAP apresenta informações para usuários via um modelo de dados natural e intuitivo. Através de um simples estilo de navegação e pesquisa, usuários finais podem rapidamente analisar inúmeros cenários, gerar relatórios "ad-hoc", e descobrir tendências e fatos relevantes independente do tamanho, complexidade, e fonte dos dados corporativos.

    Fonte: http://pt.wikipedia.org/wiki/OLAP

  • Apenas uma coisa que ficou nebulosa nessa questão: usuários finais participam de decisões estratégicas de uma organização?

  • No meu entendimento quando a questão escreve: "usuários finais", é literal mesmo, aquele que usa.

     

    Portando podem ser gestores, gerentes, diretores, executivos ---> responsáveis pelos aspectos estratégicos.

  • Gabarito Certo

    OLAP é um conceito de interface com o usuário que proporciona a capacidade de ter idéias sobre os dados, permitindo analisá-los profundamente em diversos ângulos. As funções básicas do OLAP são:

    • Visualização multidimensional dos dados;

    • Exploração;

    • Rotação;

    • Vários modos de visualização.

    O OLAP e o Data Warehouse são destinados a trabalharem juntos, enquanto o DW armazena as informações de forma eficiente, o OLAP deve recuperá-las com a mesma eficiência, porém com muita rapidez. As duas tecnologias se complementam, ao ponto de que um Data Warehouse para ser bem sucedido, já na sua concepção, deve levar em consideração o que se deseja apresentar na interface OLAP.

    O OLAP é uma interface com o usuário e não uma forma de armazenamento de dados, porém se utiliza do armazenamento para poder apresentar as informações.

     

     

    "Retroceder Nunca Render-se Jamais !"
    Força e Fé !
    Fortuna Audaces Sequitur !

ID
399994
Banca
CESPE / CEBRASPE
Órgão
Correios
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

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

Embora com alta capacidade de manipular dados, os sistemas OLAP suportam somente estruturas unidimensionais.

Alternativas
Comentários
  • Suportam estruturas multidimensionais.
  • OLAP é uma abordagem para a rápida resposta multi-dimensional a consultas analíticas. Ela trabalha com várias dimensões que formam o CUBO OLAP (ou HIPERCUBO). Vejam abaixo um exemplo do HIPERCUBO com as dimensões TEMPO, Categoria de produtos e vendas.



    O núcleo de qualquer sistema OLAP é um cubo OLAP (também chamado de 'cubo multidimensional' ou um hipercubo ). Ele consiste de fatos numéricos chamados medidas que são categorizados por dimensões . Os metadados do cubo é tipicamente criado a partir de um esquema de estrela ou esquema floco de neve de tabelas em um banco de dados relacional . Medidas são derivadas a partir dos registros na tabela de fatos e dimensões são derivadas das tabelas de dimensão .

    Portanto o erro da questão é afirmar que ele suporta "s    omente estruturas unidimensionais.". Pelo contrário, ele suporta unidimensionais e TAMBÉM multidimensionais (afinal, se ele suporta multdimensão, também suporta unidimensão. Um esta incluído no outro).

  • Gabarito Errado

    O OLAP e o Data Warehouse são destinados a trabalharem juntos, enquanto o DW armazena as informações de forma eficiente, o OLAP deve recuperá-las com a mesma eficiência, porém com muita rapidez. As duas tecnologias se complementam, ao ponto de que um Data Warehouse para ser bem sucedido, já na sua concepção, deve levar em consideração o que se deseja apresentar na interface OLAP.

    O OLAP é uma interface com o usuário e não uma forma de armazenamento de dados, porém se utiliza do armazenamento para poder apresentar as informações.

    Os métodos de armazenamento são:

    • ROLAP (OLAP Relacional):

    Os dados são armazenados de forma relacional.

    • MOLAP (OLAP Multidimensional):

    Os dados são armazenados de forma multidimensional.

    • HOLAP (OLAP Híbrido):

    Uma combinação dos métodos ROLAP e MOLAP.

    • DOLAP (OLAP Desktop):

    O conjunto de dados multidimensionais deve ser criado no servidor e transferido para o desktop. Permite portabilidade aos usuários OLAP que não possuem acesso direto ao servidor.

     

     

    "Retroceder Nunca Render-se Jamais !"
    Força e Fé !
    Fortuna Audaces Sequitur !

  • OLAP

     

    *Análise rápida

     

    *Multidimensional

     

    *Dinâmica

     

    *Não realiza inferência indutiva

     

     

    GAB: E

ID
441412
Banca
FCC
Órgão
TRE-AP
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Uma das operações básicas de OLAP que ocorre quando é aumentado o nível de detalhe da informação é:

Alternativas
Comentários
  • Drill down: aumenta o nível de detalhe e diminui a granularidade.
  • Up é para cima, Down é para baixo certo.

    Agora imagine que você está subindo... quanto mais se sobe, menos se vê as casas, as árvores, menos detalhes você vê... ( Diminuição da granularidade)  - isso seria o DRILL UP

    Quase se desce, mais você vê as casas, as telhas, os tijolos, o reboco, os grãos de c imento da parede, as formigas levando comida...  (aumento da granularidade) - isso seria o DRILL DOWN

    Granularidade é um conceito arisco. Por exemplo, o sal é mais granular que o feijão. 
  • Caro colega acima, você inverteu os conceitos de granularidade e drill up/down:

    Drill down: aumento do detalhamento, diminuição da granularidade
    Drill up: diminuição do detalhamento, aumento da granularidade


    E eu concordo que essa palavra -- granularidade -- foi muito mal colocada nesse assunto, pois dá a entender que algo que tem menor granularidade tem menos grãos e, logo, maior tamanho; mas é ao contrário! menor granularidade = menor tamanho.
  • Acho que Drill Across também pode aumentar nível de detalhe da informação, uma vez que ele é apenas um Drill Down/Up mas pulando níveis.

  • Drill-down: é o fato de sairmos de um nível mais alto da hierarquia e buscarmos informações mais detalhadas em níveis menores. Aumenta o nível de detalhe da informação, diminuindo o nível de granularidade.

    Drill-up ou Roll-up: e o fato de sairmos de um nível mais baixo da hierarquia e buscarmos informações menos detalhadas em níveis superiores. Aumenta o nível de granularidade, diminuindo o nível de detalhamento da Informação.

    Drill-Across: pula de um esquema para outro, desde que ambos tenham algumas dimensões em conformidade, ou seja, as mesmas dimensões estão compartilhadas. Ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão.

    Drill-through: permite uma busca de informações além do nível de granularidade existente na estrutura dimensional. Ocorre quando um usuário passa de uma informação contida de uma dimensão para outra.

    Slice and Dice

    - É a redução do escopo dos dados em analise, além de mudar a ordem das dimensões.

    - Significa definir um pedaço da base, como universo para consulta. É o mesmo que filtrar.

    - Slice: é a operação que corta o cubo mas mantém a mesma perspectiva de visualização dos dados.

    - Dice: Mudança de perspectiva da visão. É a extração de um subcubo ou a interseção de vários slices.

    Pivot: é o ângulo pelo qual os dados são vistos ou trocados. Corresponde à modificação da posição das dimensões em um gráfico ou troca de linhas por colunas em uma tabela.

    Alternativa: E

  • Drill-Down: este operador navega a partir de dados, obtendo um maior nível de detalhamento, aproximando-se da granularidade mínima.

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
579574
Banca
FCC
Órgão
TRT - 19ª Região (AL)
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Considere:

I. Mudança de perspectiva da visão - extração de um subcubo.

II. Corta o cubo mas mantém a mesma perspectiva de visualização dos dados.

I e II correspondem, respectivamente, às operações básicas OLAP

Alternativas
Comentários

  • Operações suportadas no OLAP:

    1. Operação fatiar (“slice”) - seleciona dados de uma única dimensão de um cubo OLAP;
    2. Operação cortar um subcubo (“dice”) - extrai um subcubo do cubo original executando uma operação de seleção em duas ou mais dimensões;
    3. Operação de agregação (“roll-up”) - é a combinação de células de uma ou mais dimensões definidas num cubo. Uma forma de agregação usa o conceito de associação hierárquica com uma dimensão para atingir um nível maior de generalização;
    4. Operação de “drill-down” - é o reverso da agregação (“roll-up”), implica em examinar dados com algum nível maior de detalhe;
    5. Operação de rotação (“rotation”) - permite visualizar dados de uma nova perspectiva.
  • Complementando a colega acima:
    Drill-throught - Aumenta ou diminui grão dentro de uma mesma dimensão pulando os níveis intermediários:
    Ex.: dia - mês - trimestre - semestre (muda do Dia para o Trimestre sem passar por Mês.

    Drill-across - Muda de uma dimensão para outra (tempo -> localização)
  • Amigo, acho que você trocou os conceitos.
    drill across. -> Ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão
    drill throught. -> Ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra

  • Ele trocou os conceitos sim. Agora esse dice e slice foi uma pegadinha safada, pois eu sempre estudei o conceito como 'slice and dice', e não eles separados, ou seja, 'o slice' e 'o dice'.

  • Atenção para o fato de que, em alguns (vários) contextos, slicing e dicing são usados como sinônimos.

  • Por que dice ocasiona mudança de perspectiva? Achei que apenas selecionasse um microcubo, sem mudar a perspectiva.

  • Dice = dado = subcubo

  • Slice and Dice

    - É a redução do escopo dos dados em analise, além de mudar a ordem das dimensões.

    - Significa definir um pedaço da base, como universo para consulta. É o mesmo que filtrar.

    - Slice: é a operação que corta o cubo mas mantém a mesma perspectiva de visualização dos dados.

    - Dice: Mudança de perspectiva da visão. É a extração de um subcubo ou a interseção de vários slices.

    Pivot: é o ângulo pelo qual os dados são vistos ou trocados. Corresponde à modificação da posição das dimensões em um gráfico ou troca de linhas por colunas em uma 

    Drill-Across: pula de um esquema para outro, desde que ambos tenham algumas dimensões em conformidade, ou seja, as mesmas dimensões estão compartilhadas. Ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. 

    Drill-through: permite uma busca de informações além do nível de granularidade existente na estrutura dimensional. Ocorre quando um usuário passa de uma informação contida de uma dimensão para outra.

    Alternativa: D

  • operacoes olap:

    1- Slicing: corte de parte do cubo

    2- Dicing: produz um cubo menor, contendo parte do volume do cubo total.

    3- Pivoting / Rotation: rotaciona o cubo a fim de que pelo menos 1 dimensao esteja visivel

    4- Drill-Down: agregação dos objetos de informados em maior detalhe. "zoom in"

    5- Drill-Up/Roll-Up: operacao oposta ao drill down. condensa a um nivel maior na hierarquia .e.g.: de mês a ano etc

    6- Drill-Across: considera elementos na mesma hierarquia (mesma regiao, produto etc)

    7- Drill-Through: avaliação horizontal dentro de outros cubos olap

    8- Split: possibilita que um valor seja particionado em mais dimenoes, p/ determinar mais detalhes

    9- Merge / Drill-In: ao contrario do split, diminui granularidade das dimensoes.

ID
599734
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Um usuário de um sistema OLAP possui um relatório de vendas trimestrais por estado

Se ele deseja ver um relatório mensal por loja, de um estado específico, quais operações ele precisa realizar?

Alternativas
Comentários
  • Drill Down - Significa apresentar uma informação com mais detalhe;
    Drill Up -  mais resumida, a partir de estruturas hierárquicas.

  • OPERAÇÃO

    DESCRIÇÃO

    EXEMPLO
    Drill Down Aumento do nível de detalhe da informação e conseqüente diminuição do nível de granularidade. Uma análise de vendas por estado é alterada para uma análise de vendas das cidades de um determinado estado.
    Drill Up Diminuição no nível de detalhe e conseqüente aumento do nível de granularidade. Uma análise de vendas é alterada de uma cidade para seu estado correspondente
         

  • Alguém entendeu a resposta??

    O usuário queria

    1) apssar de visão trimestral para mensal: Isso é um drill down (ok).
    2) Passar de visão de todos os estados, para um estado só. Isso não seria um slice?? Como que passar de todos os estados para um apenas é um drill down?


    Não entendi a resposta.

  • Como explanado pelos colegas, a operação drill-down aumenta o detalhamento da informação analisada.

    Na questão, temos duas dimensões - tempo e espaço.

    A dimensão tempo está sendo analisada de forma trimestral. Logo, para a análise mensal, as informações dessa dimensão devem ser mais detalhadas.

    A dimensão tempo esta sendo analisada por estado. Logo, para a análise por lojas, as informações dessa dimensão devem ser mais detalhadas.

    Portanto, a operação drill-down será realizada nas duas dimensões.

    Gabarito: letra A.

ID
607117
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Ferramentas OLAP (On-Line Analytical Processing) permitem aos seus usuários analisar tendências em bases de dados transacionais. Para implementá-las, diversas tecnologias com características diversas estão à disposição dos analistas.

Sendo assim, associe as tecnologias utilizadas em ferramentas OLAP, listadas abaixo, às suas respectivas características.

I – MOLAP
II – HOLAP
III – ROLAP

P – Permitem acesso a bases de dados armazenados em estruturas multidimensionais apenas.
Q – Evitam problemas de escalabilidade, tendo em vista que os dados estão armazenados em computadores pessoais.
R – Constroem bases multidimensionais em sistemas de bancos de dados relacionais.
S – Permitem acesso tanto a bases relacionais quanto multidimensionais.

Estão corretas as associações:

Alternativas
Comentários

  • ROLAP: Lê os dados de detalhe (fatos) diretamente de fonte de dados relacional. 

    MOLAP: Armazena os dados de detalhe (fatos) e as agregações em um modelo multidimensional. Apresenta melhor desempenho.

    HOLAP: É uma combinação dos métodos ROLAP e MOLAP

    DOLAP: Permite a recuperação de um cubo de informação a ser analisado inteiramente em uma estação cliente.

    Alternativa: B

ID
613081
Banca
CESPE / CEBRASPE
Órgão
BRB
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de modelagem multidimensional de dados, julgue o item que se segue.

Em bases de dados multidimensionais, entre as ferramentas e métodos que podem ser utilizados para se aumentar a eficiência das consultas se incluem as funções especiais OLAP (online analytical processing) relacional (ROLAP) e multidimensional (MOLAP), as extensões SQL e os métodos de junção (join) sofisticados.

Alternativas
Comentários
  • Segundo Navathe (2011, p.729), "Como os data warehouses são livres das restrições do ambiente transacional, existe uma eficiência aumentada no processamento da consulta. Entre as ferramentas e técnicas usadas estão a transformação de consulta; interseção e união de índice; funções especiais ROLAP (OLAP relacional) e MOLAP (OLAP multidimensional); extensões SQL; métodos de junção avançados; e varredura inteligente (como no acréscimo de consultas múltiplas.)"

    Resposta: CORRETA segundo Navathe.


    Bibliografia: Sistemas de banco de dados- 6 edição 2011
    Autor:  Elmasri; Navathe

  • Eu achei que estivesse errada pelo fato de a ROLAP atuar sobre BANCO de DADOS RELACIONAIS. O enunciado só se referia a BASE/BANCO de DADOS MULTIDIMENSIONAIS...

  • Achei que a questão pudesse ser uma pegadinha pois MOLAP, ROLAP, DOLAP, WOLAP e etc. são tipos de Arquitetura OLAP. Não são funções especiais. 

  • Questão mal feita! De acordo com Navathe (6ª ed, página 729):

    "Como os data warehouses são livres de restrições do ambiente transacional, existe uma eficiência aumentada no processamento da consulta. Entre as ferramentas e técnicas usadas estão a transformação de consulta, interseção e união de índice; funções especiais ROLAP (OLAP relacional) e MOLAP (OLAP multidimensional); extensões SQL; métodos de junção avançados; e varredura inteligente (como no acréscimo de consultas múltiplas)."

    Ou seja, de acordo com o texto:

    A eficiência é aumentada não pelo uso das ferramentas citadas (join diminui o desempenho), mas porque o data warehouse é livre de restrições do ambiente transacional.

    Outra questão muito parecida:

    Q70342) As funções especiais ROLAP (OLAP relacional) e MOLAP (OLAP multidimensional), as extensões SQL e os métodos de junção (join) são ferramentas que podem ser utilizadas para aumentar a eficiência das consultas em bases de dados multidimensionais.

    Gab. CERTO

  • Prezados,

    O comando da questão afirma que as ferramentas/métodos citados podem ser utilizadas para aumentar a eficiência das consultas. 

    Essa questão está correta, e foi extraída do livro do Navathe:

    "Como os data warehouses são livres das restrições do ambiente transacional, existe uma eficiência aumentada no processamento da consulta. Entre essas ferramentas e técnicas usadas estão a transformação de consulta, inserção e união de índice, funções especiais ROLAP ( OLAP Relacional ) e MOLAP ( OLAP Multidimensional ); extensões SQL; métodos de junção avançados; e varregura inteligente ( como no acréscimo de consultas múltiplas ) "

    Portanto a questão está correta.


  • GABARITO CORRETO!

    .

    .

    ACRESCENTANDO:

    Um JOIN é um meio de combinar colunas de uma (auto-junção) ou mais tabelas, usando valores comuns a cada uma delas. O SQL padrão ANSI especifica cinco tipos de JOIN : INNER JOIN , LEFT JOIN , RIGHT JOIN , FULL JOIN e CROSS JOIN

  • OLAP (On-line Analytical Processing) é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas. As aplicações OLAP são usadas pelos usuários para lhes permitir análises comparativas que facilitem a sua tomada de decisões diárias.

    A arquitetura OLAP possui ferramentas que são classificadas em cinco tipos que são: 

    ROLAP -> utiliza tecnologia de banco de dados relacional para armazenar seus dados e suas consultas também são processadas pelo gerenciador de banco de dados relacional; 

    MOLAP -> são ferramentas que disparam suas requisições diretamente para banco de dados mutidimensionais; 

    HOLAP -> esse "H" refere-se a "híbrido" -> é a combinação entre ROLAP e MOLAP; 

    DOLAP -> o "D" refere-se a "desktop" -> a ferramenta envia as requisições para o servidor e este devolve ao desktop um cubo OLAP para ser pesquisado pelo usuário; 

    WOLAP -> "W" refere-se a "Web" -> são ferramentas que disparam uma consulta via navegador Web para o servidor, que retorna um cubo olap para ser analisado pelo usuário;

    QUESTÕES DO CESPE SOBRE O ASSUNTO:

    (CESPE - Q580223) OLAP é uma interface com o usuário que pode se utilizar de diversos modelos de armazenamento para apresentar as informações. As diversas formas de armazenamento e acesso a dados permitem classificar OLAP em diferentes categorias, como por exemplo, o ROLAP, em que os dados são armazenados de forma relacional, e o MOLAP, em que os dados são armazenados em estruturas multidimensionais. CERTO

    (CESPE - 697829) MOLAP é um método utilizado para apresentar, fisicamente e em formato relacional, os dados em formato OLAP ERRADO

    O correto seria ROLAP.

    (CESPE - Q70342) As funções especiais ROLAP (OLAP relacional) e MOLAP (OLAP multidimensional), as extensões SQL e os métodos de junção (join) são ferramentas que podem ser utilizadas para aumentar a eficiência das consultas em bases de dados multidimensionais. CERTO

    (CESPE - Q257866) O banco de dados de um MOLAP possui um SGDB multidimensional, ou seja, permite armazenamento de dados nas células de um array multidimensional. CERTO

    FONTE: CESPE + meus resumos + aprendendo e vivendo com os colegas do QC..

    BONS ESTUDOS!

ID
622135
Banca
CESPE / CEBRASPE
Órgão
CBM-DF
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Julgue os itens a seguir, referentes a sistemas de suporte à decisão.

Utilizando OLAP, usuários finais conseguem, mediante um simples estilo de navegação e pesquisa, analisar rapidamente inúmeros cenários, gerar relatórios ad-hoc e descobrir tendências e fatos relevantes, independentemente do tamanho, da complexidade e da fonte dos dados corporativos.

Alternativas
Comentários
  • Questão Certa.

    OLAP,ou On-line Analytical Processing é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas.

    As aplicações OLAP são usadas pelos gestores em qualquer nível da organização para lhes permitir análises comparativas que facilitem a sua tomada de decisões diárias.

  • OLAP é um software cuja tecnologia de construção permite aos analistas de negócios, gerentes e executivos analisar e visualizar dados corporativos de forma rápida, consistente e principalmente interativa. A funcionalidade OLAP é inicialmente caracterizada pela análise dinâmica e multidimensional dos dados consolidados de uma organização permitindo que as atividades do usuário final sejam tanto analíticas quanto navegacionais A tecnologia OLAP é geralmente implementada em ambiente multiusuário e cliente/servidor, oferecendo assim respostas rápidas às consultas ad-hoc, não importando o tamanho do banco de dados nem sua complexidade. Hoje em dia, essa tecnologia também vem sendo disponibilizada em ambiente Web. Essa tecnologia auxilia o usuário a sintetizar informações corporativas por meio de visões comparativas e personalizadas, análises históricas, projeções e elaborações de cenários.
  • O "usuários finais" me derrubou. Como OLAP são voltadas para gestores (nível estratégico), e como considerei que o "usuários finais" se referia a usuários "normais"(operacional), marquei a questão como errada.
  • CORRETA
    Conforme Pompeu(2012, questão 82, p.146), "Em uma arquitetura OLAP, os dados que compõem o Datawarehouse são oriundos dos sistemas operativos. Esses dados passam por um processo de extração, transformação e carga (extract transform load - ETL) para comporem o DW. De fato, a armazenagem desses dados no DW permite ao usuário usar consultas pré-montadas ou interativas (ad-hoc) e descobrir tendências e fatos relevantes."

    O.B.S: retirei do comentário do professor na íntegra do livro abaixo. QUESTÃO 82

    Bibliografia:

    Livro Tecnologia da Informação - Questões Comentadas CESPE/ UNB
    Editora: Campus Concursos
    Autor: Gledson Pompeu ...[et al.]
ID
627910
Banca
FCC
Órgão
TCE-SE
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Semelhante a um filtro, é uma operação OLAP que, de uma forma simplista, significa uma redução do escopo dos dados em análise, além de mudar a ordem das dimensões, mudando desta forma a orientação segundo a qual os dados são visualizados. Trata-se de

Alternativas
Comentários

  • Slice and Dice: serve para modificar a posição de uma informação de maneira a facilitar a compreensão dos usuários. Efetua uma filtragem dos dados para especializar as consultas.

ID
640480
Banca
FCC
Órgão
TRT - 11ª Região (AM e RR)
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

No âmbito dos DWs e OLAP, o processo onde se faz a junção dos dados e transforma-se as colunas em linhas e as linhas em colunas, gerando dados cruzados, é chamado de

Alternativas
Comentários
  • drill-across - quando o usuario pula um nivel intermediario, por exemplo de dia vai para ano sem passar por mes.
    Star - modelagem estrela
    pivot -o pivoteamente vai trocar a orientação
    cross-join - juncao dos dados

    Para mim a resposta seria pivot...nao entendi esta....
  • Está em periodo de interpor recursos ainda. Vamos ver se a FCC altera o gabarito.
  • É claro que a resposta era Pivot!!! É ralado hein...
  • Mais uma da FCC.
    Origem da questão: http://pt.scribd.com/doc/63494138/Introducao-a-Data-Warehouse-e-OLAP




  • Senhores,
    Pivot é só um giro, uma mudança de sentido no cubo, Pivot não faz JUNÇÃO.
    Junção quem faz é o Join, no caso específico cross-join
    Ex:
    Casa 1
    Casa 2
    Rua A
    Rua B
    cross-join
    Casa 1 Rua A
    Casa 1 Rua B
    Casa 2 Rua A
    Casa 2 Rua B

    Concordo que a questão está mal formulada mas Pivot NUNCA faz JUNÇÃO, junção é JOIN
  • Esta realocação das linhas em colunas e das colunas em linhas recebe o nome de cross-join

    Portanto creio que não será anulada

  • Não é obscuro.

    Procure no google os termos "OLAP + crossjoin" e verás que é bem comum até.

     

    No entanto, acredito que em provas a cobrança não é usual.

  • Produto cartesiano (Cross-join)

    -É usado para gerar um produto cartesiano entre os conjuntos passados como parâmetro.

    -O comando usado é o: (*)

     

     

     

     

  • e-

    DW é utilizado para armazenar informações e o OLAP para recuperá-las, ambos são especializados para exercer suas funções de forma eficiente

    Para a exploração completa do DW, a ferramenta OLAP irá extrair e alavancar as informações contidas nele.

ID
641347
Banca
FCC
Órgão
TRT - 2ª REGIÃO (SP)
Ano
2008
Provas
Disciplina
Banco de Dados
Assuntos

No âmbito do OLAP, gráficos de produtos são generalizações da estrutura de ...... apresentada por HRU (Harinarayan, Rajaraman e Ullman), na qual as dimensões podem ter hierarquias associadas.
Preenche corretamente a lacuna:

Alternativas
Comentários

  • Resposta: Letra D.

    "No núcleo de qualquer sistema OLAP jaz o conceito do cubo OLAP (também chamado de cubo multidimensional ou hipercubo)."

    http://www.infobras.com.br/portugues/produtos_conceito_olap.asp

  • Hipercubo consiste de fatos numéricos chamados medidas, que são categorizadas por dimensões. Os metadados do cubo são normalmente criados com base no esquema estrela ou esquema floco de neve de tabelas de bases de dados relacionais. 

ID
641350
Banca
FCC
Órgão
TRT - 2ª REGIÃO (SP)
Ano
2008
Provas
Disciplina
Banco de Dados
Assuntos

Uma das funcionalidades do OLAP, utilizada para realizar operações de projeção nas dimensões, compreende a extração de informações sumarizadas de um cubo de dados e extração de um "subcubo", a partir do valor de uma dimensão. Trata-se de

Alternativas
Comentários

  • Resposta: Letra E.

    "Slice And Dice: O Slice and Dice é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de criar um módulo que se convencionou de Slice and Dice para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade."

    Fonte: http://www.coladaweb.com/informatica/olap

  • Slice and Dice

    - É a redução do escopo dos dados em analise, além de mudar a ordem das dimensões.

    - Significa definir um pedaço da base, como universo para consulta. É o mesmo que filtrar.

    Alternativa: E

ID
659941
Banca
FCC
Órgão
TRE-CE
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Os sistemas OLAP materializam seletivamente as visões estratégicas a fim de alcançar respostas rápidas às consultas. Uma das fórmulas utilizadas em relação às visões é a fórmula de Cardenas que se aplica

Alternativas
Comentários
  • Cardenas’ formula [Cardenas, 1975] is a simple equation that is applicable to estimating the number of rows in a view:

    Let n be the number of rows in the fact table.
    Let v be the number of possible keys in the data space of the view.
    Expected distinct values = v(1 – (1 – 1/v)^n)
     
    Cardenas’ formula assumes a uniform data distribution. However, many data distributions exist. The data distribution in the fact table affects the number of rows in a view. Cardenas’ formula is very quick, but the assumption of a uniform data distribution leads to gross overestimates of the view size when the data is actually clustered. Other methods have been developed to model the effect of data distribution on the number of rows in a view.

    Fonte: http://media.techtarget.com/searchOracle/downloads/Teorey08.pdf
  • a) à estimativa do número de linhas em uma visão.
  • http://books.google.com.br/books?id=wl3cAwAAQBAJ&pg=PT220&lpg=PT220&dq=%22f%C3%B3rmula+de+Cardenas%22&source=bl&ots=4lV6WNgmlK&sig=mWyaN25aM8faBG0TTrZkCf7LKL0&hl=pt-BR&sa=X&ei=MDECVPLcManY8AGp-YDQAQ&ved=0CCsQ6AEwAg#v=onepage&q=%22f%C3%B3rmula%20de%20Cardenas%22&f=false

  • quem sabia dessa sem olhar no google?

  • https://www.sciencedirect.com/topics/computer-science/online-analytical-processing

    Cardenas' formula (1975) is a simple equation (Eq. 10.3) that is applicable to estimating the number of rows in a view:

    Expecteddistinctvalues=v(1−(1−1/v)

ID
662245
Banca
FCC
Órgão
INFRAERO
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Para

Alternativas
ID
736705
Banca
Exército
Órgão
EsFCEx
Ano
2010
Provas
Disciplina
Banco de Dados
Assuntos

Com relação às estruturas multidimensionais e arquiteturas OLAP, qual das alternativas abaixo representa a tecnologia que permite a recuperação de um cubo de informações a ser analisado inteiramente em uma estação cliente?

Alternativas
Comentários

  • Desktop On Line Analytical Processing – DOLAP deriva-se de OLAP, são ferramentas que disparam uma consulta de uma estação cliente para o servidor, que por sua vez retorna enviando o macro-cubo de volta, para que possa ser analisado pelo usuário. Esse tipo de análise é utilizado para fornecer portabilidade aos dados.

    Ela emite uma consulta para o servidor e recebe as informações de volta para ser analisada na estação. Essa arquitetura oferece a vantagem de reduzir o tráfego na rede e melhora o desempenho de processamento do servidor, pois todo o trabalho de analise das informações e feita pela máquina cliente.

    Relational On Line Analytical Processing - ROLAP deriva-se de OLAP, utiliza a tecnologia de banco de dados relacionais para armazenar seus dados, bem como suas consultas são também processadas pelo gerenciador do banco de dados relacional.

    Multidimensional On Line Analytical Processing - MOLAP deriva-se de OLAP, são ferramentas que disparam suas requisições diretamente ao servidor de Banco de Dados multidimensional. Após o envio da requisição o usuário continua manipulando os dados diretamente no servidor, tendo um ganho no desempenho.

    Hybrid On Line Analytical Processing - HOLAP deriva-se de OLAP, são ferramentas hibridas.

    É a combinação entre ROLAP e MOLAP, pegando o melhor de ambas as categorias a escalabilidade de ROLAP e o alto desempenho do MOLAP

    SOLAP - OLAP mesclada com a análise de dados geográficos / cartográficos.

     

     

    @papirobizurado

ID
748135
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

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

Alternativas
Comentários
  • Como os dados estão sendo visualizados com níveis crescentes de detalhamento então está diminuindo a granularidade.

    É uma operação de Drill-Down.

  • DRILLDOWN: ocorre quando o usuário aumenta o nível de detalhe da informação,diminuindo a granularidade (A granularidade determina quais os tipos deconsultas podem ser feitas no DW. Ela influencia diretamente na velocidade doacesso às informações e no volume de dados armazenados )


  • III – Um DW possui uma dimensão tempo organizada em uma hierarquia com dias, meses e anos. Então, pode-se afirmar que um fato usando o tempo em dias tem um maior nível de granularidade que um fato usando o tempo em meses.

    FALSO

    Mais detalhe, menos granularidade

    Prova: CESPE - 2007 - TCU - Analista de Controle Externo - Tecnologia da Informação

    Disciplina: Banco de Dados | Assuntos: Data Warehouse; 

     Ver texto associado à questão

    Quanto ao nível de granularidade dos dados do data warehouse, é correto afirmar que quanto maior for o nível de detalhe, mais alto será o nível de granularidade dos dados e maior será a possibilidade de o sistema responder a qualquer consulta.

                    Certo       Errado

    errada

  • Roll-up ou drill up: Nível maior de granularidade e nível menor de detalhamento

    Drill-down: Nível menor de granularidade e nível maior  de detalhamento  Correta. Letra B

ID
748138
Banca
CESGRANRIO
Órgão
Petrobras
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Uma característica típica de uma aplicação OLAP é

Alternativas
Comentários
  • Diferente do OLTP, que armazena os dados como registro, o OLAP é um array de dado multidimensional (Cubo OLAP) .
    CARACTERÍSTICAS                 OLTP                         OLAP Operação Típica                   Atualização                     Análise Telas                                     Imutável                Definida pelo Usuário Nível de Dados                     Atomizado              Altamente Sumarizado Idade dos Dados                   Presente              Histórico, Atual e Projetado Recuperação                    Poucos registros           Muitos registros Orientação                            Registro                        Arrays Modelagem                          Processo                      Assunto

  • http://www.itnerante.com.br/group/bancodedados/forum/topics/quest-o-cesgranrio-olap?commentId=1867568%3AComment%3A125556&groupId=1867568%3AGroup%3A19871


    Segundo ..

    "  Wilson Milhorini em 23 junho 2012 at 15:24


    A letra A está errada porque: as consultas são feitas em cima de dados trabalhados. Dados brutos são na OLTP.

    A letra B está errada porque: um data warehouse trabalha com dados históricos. Apenas depois de um tempo, chamado de latência dos dados, que eles estarão disponíveis aos usuários finais.

    A letra C: descreve um sistema OLTP.

    A letra E diz que: as consultas são pré-definidas, o que está incorreto. As consultas em um data warehouse podem ser feitas de muitas maneiras. "

    Resposta: D


  • Array de dados? Quem formulou isso não deve ter nem graduação

  • na real dá pra ir por eliminação mesmo

  • Olap:

    Ele pode ser definido como “o processo interativo de criar, administrar, analisar e gerar relatórios sobre dados” – e é habitual acrescentar que os dados em questão são percebidos e manipulados como se estivessem armazenados em um “Array Multidimensional”.

    Fonte: Site do QC

ID
762175
Banca
FCC
Órgão
TCE-AM
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Em ferramentas OLAP, a estrutura de dados que agrega as medidas por níveis e hierarquias de cada uma das dimensões a serem analisadas, combinando várias dimensões, tais como tempo, geografia e linhas de produtos, com dados resumidos, tais como números de vendas ou de inventário, é visualizada na forma de

Alternativas
Comentários
  • Alternativa letra D.

    "Modelo de Dados

    Em um modelo de dados OLAP, a informação é conceitualmente organizada em cubos que armazenam valores quantitativos ou medidas. (...)"
     
    http://pt.wikipedia.org/wiki/OLAP
  • Um cubo são modelos multidimensionais que preenchem dados em matrizes multidimensionais, podendo ser chamados de hipercubos, se tiverem mais de três dimensões. Uma planilha padrão é uma matriz bidimensional. Os Cubos atendem a visões hierárquicas no que é conhecido como roll-up ou drill-down. Uma roll-up sobe na hierarquia, agrupando em unidades maiores ao longo de uma dimensão. Uma drill-up oferece a capacidade oposta da roll, fornecendo uma visão mais detalhada.

    Com base nas informações acima vamos as alternativas:
    a- essa alternativa esta querendo confundir a cabeça colocando "gráfico", se dentre as alternativas você encontrar uma mais certa, é certeza que essa vai ser descartada.
    b- esfera?? eu nunca vi isso, se alguem ja viu favor explique se puder.
    c- uma planilha é bidimensional e o enunciando está trabalhando com mais de 2 informações, descarte essa.
    d- Certo!
    e- essa alternativa também esta querendo confundir colocando "pirâmide", não tem como ser essa pois já encontramos uma mais certa que combina perfeitamente com o enunciado que é o cubo.
ID
773575
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a modelagem de dados e OLAP, julgue os próximos
itens.

O processamento paralelo é uma das formas de se obter melhor desempenho de um OLAP, a exemplo das arquiteturas de SMP (multiprocessador simétrico), cluster e processamento maciçamente paralelo (MPP).

Alternativas
Comentários
  • CERTO
    On Line Analytical Processing (OLAP)     é uma tecnologia de software que permite a analistas de negócios, gerentes e executivos a análise e visualização de dados corporativos, por meio de acesso interativo, rápido e consistente. A funcionalidade OLAP é inicialmente caracterizada pela análise dinâmica e multidimensional dos dados consolidados de uma organização. A tecnologia OLAP é geralmente implementada em ambiente multiusuário e cliente/servidor, oferecendo assim respostas rápidas às consultas ad-hoc, não importando o tamanho do banco de dados nem sua complexidade, sendo também disponibilizada em ambiente Web. Essa tecnologia auxilia o usuário a sintetizar informações corporativas por meio de visões comparativas e personalizadas, análises históricas, projeções e elaborações de cenários.
    O multiprocessamento simétrico ou SMP (Symmetric Multi-Processing) ocorre em um sistema computacional com vários processadores com memória compartilhada sob controle de um único sistema operacional. Em contraste o multiprocessamento assimétrico emprega sistemas diferentes.
    O multiprocessamento simétrico oferece um aumento linear na capacidade de processamento a cada processador adicionado. Não há necessariamente um hardware que controle este recurso, cabe ao próprio sistema operacional suportá-lo.
    Este método também é chamado de "processamento paralelo".
    Um cluster, ou aglomerado de computadores, é formado por um conjunto de computadores, que utiliza um tipo especial de sistema operacional classificado como sistema distribuído. Muitas vezes é construído a partir de computadores convencionais (personal computers), os quais são ligados em rede e comunicam-se através do sistema, trabalhando como se fossem uma única máquina de grande porte. Há diversos tipos de cluster. Um tipo famoso é o cluster da classe Beowulf, constituído por diversos nós escravos gerenciados por um só computador.
    FONTE: wikipedia.org e PATRÍCIA LIMA QUINTÃO.
  • Segundo Navathe (2011, p.729), "O melhor desempenho também tem sido obtido com o processamento paralelo. As arquiteturas de servidor paralelas incluem multiprocessador simétrico (SMP), cluster e processamento maciçamente paralelo (MPP), além de combinações destes."

    Resposta: CORRETA segundo Navathe.


    Bibliografia: Sistemas de banco de dados- 6 edição 2011
    Autor:  Elmasri; Navathe

  • OLAP - Processamento Analítico on line: Realiza o processamento de forma estruturada, buscando um melhor entendimento dos dados existentes, ela apoia o Data Warehouse a fim de auxiliar na tomada de decisões no nível estratégico. Essa estrutura recebe dados do OLTP (Processamento de Transações) que são pequenas requisições feitas pelo usuário como Insert ou delete. Ela não salva históricos e nem backup. A estrutura OLAP é composta por outras 3 estruturas de armazenamento (ROLAP - Banco de Dados Relacional, MOLAP - Banco de Dados Multidimensional e HOLAP - que é um hibrido armazenando dados dos dois modelos anteriores). Atenção o OLAP possui todas as características que suas estruturas de armazenamento possuem.

ID
773581
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a modelagem de dados e OLAP, julgue os próximos
itens.

Os atributos compostos em um banco de dados podem ser divididos em componentes menores com significados independentes, para facilitar a modelagem de casos em que ora se refere ao atributo como grupo ora a um dos componentes específicos.

Alternativas
Comentários
  • Sistemas de Banco de Dados - 4ª Edição Autor: Elmasri / Navathe Editora: Makron Books, página 39.
    Os atributos compostos são úteis para modelar as situações nas quais o usuário algumas vezes se refere ao atributo como um grupo e, em outras ocasiões, se refere especificadamente a um de seus componentes.
    Ex. O atributo Endereço pode ser dividido em EndereçoRua, Cidade, Estado e CEP.

  • interessante.

ID
773587
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a modelagem de dados e OLAP, julgue os próximos
itens.

Uma tupla deve conter um valor específico para cada um dos seus atributos.

Alternativas
Comentários
  • Questão mal formulada. O que chama de 'valor específico' ? E o null ? Não é permitido ?
  • Segundo C. J. Date em Introdução a Sistemas de Banco de Dados (8ª edição - Capítulo 6 Relações):

    Propriedade das tuplas:
    * Cada tupla contém exatamente um valor (do tipo apropriado) para cada um de seus atributos.
    * Não existe ordenação da esquerda para a direita nos componenetes de uma tupla. Essa propriedade acontece porque uma tupla é definida para chamar um conjunto de componentes, e os conjuntos na matemática não possuem qualquer ordenação em seus relacionamentos.
    * Cada subconjunto de uma tupla é uma tupla ( e cada subconjunto de um cabeçalh é um cabeçalho).

    Discordo que tenha sido mal formulada, pois null também seria um "valor específico". ( Não pense "monetariamente" a palavra valor )
  • Em outras palavras, elimina a possibilidade de um atributo ter um conjunto de valores (1NF).

  • Quincas Borba, a questão não fala de normalização.

  • Uma tupla não poderia ter um valor e um domínio? Como (atributo, domínio_do_atributo). No caso o domínio é um conjunto de valores possiveis.

  • Segundo C. J. Date em Introdução a Sistemas de Banco de Dados (8ª edição - Capítulo 6 Relações):


    Propriedade das tuplas:

    * Cada tupla contém exatamente um valor (do tipo apropriado) para cada um de seus atributos.

    * Não existe ordenação da esquerda para a direita nos componenetes de uma tupla. Essa propriedade acontece porque uma tupla é definida para chamar um conjunto de componentes, e os conjuntos na matemática não possuem qualquer ordenação em seus relacionamentos.

    * Cada subconjunto de uma tupla é uma tupla ( e cada subconjunto de um cabeçalh é um cabeçalho).


    Discordo que tenha sido mal formulada, pois null também seria um "valor específico". ( Não pense "monetariamente" a palavra valor )

  • Segundo DATE,

     

     - Cada tupla contém um único valor para cada atributo. (atributo ATÔMICO);

     - NÃO existe ordenação nos componentes de uma tupla;

     - O subconjunto de uma tupla É UMA TUPLA;

     - Grau(aridade) de uma tupla varia de 0 a N;

  • Traduzindo o que a questão quiz dizer

    Nome | Idade |

    Lucas | 18 |

    Maria | 22 |

    Na coluna NOME ( atributo ) os campos ( tuplas ) devem ser preenchidos com caracteres, já na coluna IDADE (atributo) os campos ( tuplas ) devem ser preenchidos com numero "inter".

    Isso significa que as tuplas devem possuir um valor especifico para cada um de seus atributos, de outra forma, é respeitar a integridade de domínio !

  • Não ter um valor também é um valor. Portanto, uma tupla deve conter um valor específico para cada um dos seus atributos.

  • CERTO

    NULL é considerado um valor válido.

  • Valores e NULLs nas tuplas: cada valor em uma tupla é um valor atômico, isto é, não é divisível em componentes dentro da estrutura do modelo relacional. Um conceito importante é o dos valores NULL, que são usados para representar os valores de atributos que podem ser desconhecidos ou não se aplicam a uma tupla.

    É importante destacar que o valor de cada atributo deve pertencer ao domínio de valores possíveis da coluna.

    Em resumo, um atributo de uma tupla ou possui um valor pertencente a um domínio ou possui o “valor” NULL.

    Gabarito: Certo.

ID
773599
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a modelagem de dados e OLAP, julgue os próximos
itens.

As crosstabs, ou tabulações cruzadas, podem apresentar várias dimensões, em que são consideradas variáveis independentes, e a interseção entre as células da tabela contém valores de variáveis dependentes correspondentes a elas.

Alternativas
Comentários
  • Conceito inserido no contextos dos bancos de dados multidimensionais.
    Imagine um conjunto de informações em um dado (cubo), cada lado do cubo é independente, porém, os cantos (interseções) são dependentes, ou seja, obedecem a um critério.

    Imagine que um dos lados possua informações sobre compras por mês, já o outro lado tem investimentos por mês, a interseção entre eles será o mês, ou seja, para criar uma ideia de dimensionalidade posso uní-los mês a mês.
ID
773602
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a modelagem de dados e OLAP, julgue os próximos
itens.

Um drill down corresponde a ir de um nível mais baixo para um nível mais alto de agregação, ao passo que um drill up permite uma navegação pelas hierarquias em direção contrária.

Alternativas
Comentários
  • A questão inverteu os conceitos:
    Drill Down: corresponde a ir de um nível mais alto para um nível mais baixo de agregação;
    Drill up: permite uma navegação pelas hierarquias em direção contrária ao Drill Down, ou seja, corresponde a ir de um nível mais baixo para um nível mais alto de agregação.
  • ERRADO
    Nas ferramentas de navegação OLAP, é possível navegar entre diferentes níveis de granularidades (detalhamento) de um cubo de dados.
    Através de um processo chamado Drill o usuário pode aumentar (Drill down) ou diminuir (Drill up) o nível de detalhamento dos dados. Por exemplo, se um relatório estiver consolidado por países, fazendo um Drill down, os dados passarão a ser apresentados por estados, cidades, bairros e assim sucessivamente até o maior nível de detalhamento possível. O processo contrário, o Drill up, faz com que os dados sejam consolidados em níveis superiores de informação. O Drill Up ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.
    Outros conceitos relacionados:
    o Roll-up(agregação): os dados são resumidos com generalização crescente.
    o Drill Across: o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para trimestre ou mês.
    o Drill Throught: o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.
    o Pivot(pivoteamento): rotação do cubo (hipercubo).
    o Slice-and-Dice (fatiar e cortar em cubos): realizar a operação de projeção nas dimensões.
    FONTE: PATRÍCIA LIMA QUINTÃO.

  • ERRADO.

     

    AO CONTRÁRIO. Drill up vai de um nível mais baixo para um nível mais alto. Drill down vai de um nível mais alto para um nível mais baixo.

    ------------------------------------------------------------------------------------------------

    ROLL UP
    -Aplica uma agregação sobre o cubo de dados
    -Aumenta o nível de granularidade e em consequencia realiza a REDUÇÃO sobre a dimensão, DIMINUINDO O NÍVEL DE DETALHAMENTO da informação.

     

    DRILL DOWN
    -É o inverso do roll-up
    -Aumenta o nível de detalhe da informação
    -Navega um dado menos detalhado para um mais detalhado
    -Diminui o nível de granularidade

     

    Fonte: Itnerante

    ------------------------------------------------------------------------------------------------

  • E

    Acertei pelo inglês básico...nunca ouvi falar desse assunto.

  • Drill Down corresponde a ir de um nível mais alto para um nível mais baixo de agregação, já o Drill Up (também chamado de Roll Up) permite a navegação em direção contrária ao Drill Down.

    GABARITO: ERRADO

ID
773605
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a modelagem de dados e OLAP, julgue os próximos
itens.

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

Alternativas
Comentários
  • CERTO
    MOLAP (Multidimensional On Line Analytical Processing)
    No modo de armazenamento MOLAP (OLAP Multidimensional) uma cópia dos dados de origem do cubo, junto com as suas agregações, armazenam-se em uma estrutura multidimensional.

    Enquanto os dados de origem são modificados diretamente com as operações, os objetos com armazenamento MOLAP devem ser processados para incorporar estas mudanças.
    O tempo compreendido entre um processamento e o seguinte cria um período de latência durante o qual a informação OLAP pode não coincidir com os dados de origem atuais.
    Como características do armazenamento MOLAP, podemos destacar:
    • Oferece excelente rendimento e compressão de dados.
    • Apresenta melhor tempo de resposta, dependendo apenas da porcentagem das agregações do cubo.
    • A estrutura está muito otimizada para maximizar o rendimento das consultas.
    • Geralmente este método é muito apropriado para cubos com uso frequente devido à sua rápida resposta.

  • CORRETO

    Molap>>>Multidimensional.

    Rolap>>>Relacional.

    Holap>>>Hibrida.

    Dolap>>>Desktop.

  • para mim essa estrutura que recebia dados de um DW para posterior criação dos cubos e armazenamento se chamava multidimensional database (MDDB), não tendo relação com SGBD, alguém pode esclarecer?

ID
773611
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a modelagem de dados e OLAP, julgue os próximos
itens.

Pivoteamento ou rotação é uma técnica para alterar uma hierarquia dimensional para outra em um cubo de dados.

Alternativas
Comentários
  • CERTO
    No pivoteamento, ou rotação, ocorre a mudança dos eixos das dimensões para fins de visualização.
    Pivot(pivoteamento): rotação do cubo (hipercubo).
    O pivoteamento (ou rotação) é utilizado em cubos de dados para mudar a hierarquia dimensional que está sendo correntemente utilizada por outra.

  • RESPOSTA C

    >>Em bases de dados multidimensionais, os dados são organizados em cubos de dados. A esse respeito, considere as afirmações a seguir. I - Os usuários podem consultar os dados segundo qualquer uma das dimensões do cubo de dados. II - O pivoteamento (ou rotação) é utilizado em cubos de dados para mudar a hierarquia dimensional que está sendo correntemente utilizada por outra. III - A operação de drill-down refere-se a um movimento no sentido descendente da hierarquia de uma dimensão, desagregando os dados e os apresentando em uma visão mais detalhada.

    #SEFAZ-AL #questão.respondendo.questões

  • Contribuindo.

    Roll-up de baixo para cima

    Drill-down - de cima para baixo

ID
773614
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação a modelagem de dados e OLAP, julgue os próximos
itens.

As projeções de uso de um datawarehouse que dá suporte a um OLAP são obtidas apenas após a construção dos dados no datawarehouse para que os caminhos de acesso e o armazenamento sejam sempre os mesmos, independentemente da demanda.

Alternativas
Comentários
  • ERRADO
    Os sistemas OLAP representam uma solução que retorna respostas rápidas para as consultas realizadas.
    A partir de sistemas OLAP podem ser obtidos relatórios de negócios sobre Vendas ou Marketing, entre outros.
    FORMAS DE ARMAZENAMENTO:
    DOLAP (Desktop On Line Analytical Processing)
    Ferramentas disparam uma instrução SQL de um cliente qualquer para o servidor e recebem o microcubo de informações de volta para ser analisado na workstation.
    Vantagem:
    - pouco tráfego que se dá na rede (todo o processamento OLAP acontece na máquina do cliente);
    - maior agilidade de análise;
    - servidor de banco de dados não ficar sobrecarregado.
    Desvantagem:
    - O tamanho do microcubo não pode ser muito grande; caso contrário, a análise passa a ser demorada e/ou a máquina do cliente pode não suportar em função de sua configuração.
    MOLAP (Multidimensional On Line Analytical Processing)
    No modo de armazenamento MOLAP (OLAP Multidimensional) uma cópia dos dados de origem do cubo, junto com as suas agregações, armazenam-se em uma estrutura multidimensional.
    Enquanto os dados de origem são modificados diretamente com as operações, os objetos com armazenamento MOLAP devem ser processados para incorporar estas mudanças.
    O tempo compreendido entre um processamento e o seguinte cria um período de latência durante o qual a informação OLAP pode não coincidir com os dados de origem atuais.
    Como características do armazenamento MOLAP, podemos destacar:
    - Oferece excelente rendimento e compressão de dados.
    - Apresenta melhor tempo de resposta, dependendo apenas da porcentagem das agregações do cubo.
    - A estrutura está muito otimizada para maximizar o rendimento das consultas.
    - Geralmente este método é muito apropriado para cubos com uso frequente devido à sua rápida resposta.
    ROLAP (Relational On Line Analytical Processing)
    - Toda a informação do cubo, seus dados, sua agregação, somas, etc, são armazenadas em um banco de dados relacional.
    - Diferente do modo de armazenamento MOLAP, não armazena cópia do BD. Acessa as tabelas originais quando precisa responder às consultas, geralmente é muito + lento do que as outras formas (MOLAP ou HOLAP).
    - Utilizado para economizar espaço de armazenamento quando se trabalha com grandes conjuntos de dados consultados com pouca freqüência; por exemplo, dados exclusivamente históricos.
    Os usos comuns deste esquema são:
    - Quando os clientes desejam ver as mudanças imediatamente.
    - Quando contamos com grandes conjuntos de dados que não são consultados freqüentemente.
    HOLAP (Hybrid On Line Analytical Processing (OLAP Híbrido))
    - OLAP Híbrido.
    - Combina atributos do MOLAP e do ROLAP.
    Da mesma forma que o MOLAP, o HOLAP armazena as agregações em uma estrutura multidimensional e os dados detalhados em um banco de dados relacional, da mesma forma que no armazenamento ROLAP.
    Para procedimentos de busca que acessam dados sumarizados, o HOLAP é equivalente ao MOLAP. Em caso contrário, se os processos de consultas acessam os níveis máximos de detalhe, devem retirar os dados do banco de dados relacional e isso não é tão rápido comparado com uma estrutura MOLAP.
    Os cubos armazenados como HOLAP são menores do que os MOLAP e respondem mais rápido que os ROLAP.
    Alguns usos comuns de HOLAP:
    - Cubos que requerem resposta rápida.
    - Quando existem sumarizações baseadas em uma grande quantidade de dados de origem.
    - Solução com o compromisso de reduzir o espaço ocupado sem prejudicar totalmente o rendimento das consultas.
    FONTE: PATRÍCIA LIMA QUINTÃO.

  • Errado.

    Projeto do DW vem antes da construção.

ID
783706
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de banco de dados, OLAP, normalização e MVC, julgue o  item  subsequente.

Devido à necessidade de atualização sincronizada e imediata dos dados com o ambiente transacional, o planejamento de uma arquitetura OLAP deve ser combinado com a arquitetura MVC, privilegiando o controlador em detrimento do modelo.

Alternativas
Comentários

  • Creio que o erro da questão está no trecho "privilegiando o controlador em detrimento do modelo.". Deve ser priorizado o modelo em detrimento do controlador, pois é o modelo quem realiza a persistência de dados.


    Bons estudos!

  • Errado...

    Pense no modelo como classes e no controlador como os métodos, sem a classe os métodos nada fazem.

  • ERRADO


    No meu ponto de vista, o erro está em dizer que há uma necessidade imediata de atualização dos dados com o ambiente transacional.


    "Devido à necessidade de atualização sincronizada e imediata dos dados com o ambiente transacional..."

  • O erro ds questao e associar ao ambiente transaciol o que nao e vdd. Alem do mais OLAP nao atualizada constantemente.

ID
783724
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de banco de dados, OLAP, normalização e MVC, julgue o  item  subsequente.

Para que uma relação X esteja na segunda forma normal, é imperativo que não possua grupos de repetição. Dessa forma, ela deve conter apenas valores atômicos e todos os atributos não chaves devem ser dependentes da totalidade da chave primária.

Alternativas
Comentários

  • 1 FN-> Sem campos multivalorados.

    2 FN-> Estar na 1 FN e e todos os atributos não chave devem depender de toda a chave primária.

    3 FN-> Estar na 2 FN e sem dependências transitivas (ex.: valor total = preço x quantidade, atributos derivados)

  • fiquei na duvida para marcar no trecho "... é imperativo que não possua grupos de repetição. "

  • ronny no caso seriam atributos multivalorados

  • Uma tabela está na 2FN se: 

    - Está na 1FN;

     - Todos os atributos não -chave são funcionalmente dependentes de todas as partes da chave primária;

    - Não existem dependências parciais;

    GAB C

  • Certo. Resumindo:

    Para que uma relação X esteja na segunda forma normal, é imperativo que esteja na 1FN e todos os atributos não chaves devem ser dependentes da totalidade da chave primária.

ID
783727
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de banco de dados, OLAP, normalização e MVC, julgue o  item  subsequente.

Em uma arquitetura OLAP em que haja enorme volume de processamento de dados, é tecnicamente inviável inserir dispositivos móveis, mesmo para clientes e usuários, uma vez que essa arquitetura é voltada para processamento massivo de dados com milhares de registros.

Alternativas
Comentários
  • Em uma arquitetura OLAP em que haja enorme volume de processamento de dados, é tecnicamente inviável inserir dispositivos móveis, mesmo para clientes e usuários, uma vez que essa arquitetura é voltada para processamento massivo de dados com milhares de registros. (INCORRETO: exatamente em função de ser uma arquitetura voltada para disponibilização de dados massivos não haveria impedimentos para inserir dispositivos móveis, ou não, como clientes de suas aplicações.)

  • Errado, OLAP permite a navegação, pesquisa e exibição de informações de forma analítica advinda de uma enorme gama de dados.

  • O power BI hoje pode ser usado em dispositivos móveis

    Gab E

  • Os usuários de sistemas OLAP costumam ser, primordialmente, gestores encarregados de tomada de decisão. Esses gestores devem possuir acesso aos dados nas mais diversas formas e meios. 

    Nesse sentido, existem várias ferramentas nos sistemas de BI/DW que permitem a visualização de relatórios e painéis gerenciais em dispositivos móveis, como o Microsoft Power BI, o Tableau, etc. Nesses casos, o processamento dos dados continua sendo feito no servidor, o celular atua apenas na etapa da exibição, contendo elementos gráficos relevantes e permitindo a interação com filtros.

  • (Cespe) - As ferramentas OLAP agregam recursos de armazenamento, gerenciamento e pesquisa de dados, os quais são primordialmente voltados para a tomada de decisões e BI (business intelligence). (C)

ID
790921
Banca
FCC
Órgão
TST
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Leia as afirmações a seguir:


I. Um Data Warehouse é um repositório de dados atuais e históricos de uma organização que possibilita a análise de grande volume de dados para suportar a tomada de decisões estratégicas, possuindo registros permanentes.


II. O processo de Data Mining, ou mineração de dados, tem por objetivo localizar possíveis informações em um banco de dados através de comparações com dados informados pelo usuário e registros de tabelas.


III. Um ERP, ou Sistema Integrado de Gestão Empresarial, é conhecido por integrar os dados de diferentes departamentos de uma organização, aumentando o uso de interfaces manuais nos processos.


IV. As ferramentas OLAP (On-line Analytical Processing) são capazes de analisar grandes volumes de dados, fornecendo diferentes perspectivas de visão e auxiliando usuários na sintetização de informações.


Está correto o que se afirma APENAS em

Alternativas
Comentários
  • II. O processo de Data Mining, ou mineração de dados, tem por objetivo localizar possíveis informações em um banco de dados através de comparações com dados informados pelo usuário e registros de tabelas.

    Data Mining:
    –Processo de descobrir relacionamentos novos, padrões e tendências através da análise intensiva de grandes dados históricos, utilizando inteligência artificial e técnicas estatísticas e matemáticas.
  • III. Um ERP, ou Sistema Integrado de Gestão Empresarial, é conhecido por integrar os dados de diferentes departamentos de uma organização, aumentando o uso de interfaces manuais nos processos.
    hgjgfh
    Pelo contrario, o ERP elimina o uso de interfaces manuais.

    Vantagens:
    • Eliminar o uso de interfaces manuais
    • Otimizar o fluxo da informação e a qualidade da mesma dentro da organização (eficiência)
    • Otimizar o processo de tomada de decisão
    • Eliminar a redundância de atividades
    • Reduzir os limites de tempo de resposta ao mercado
    • Reduzir as incertezas do Lead time
    • Incorporação de melhores práticas (codificadas no ERP) aos processos internos da empresa
    • Reduzir o tempo dos processos gerenciais
    • Redução de estoque

    Desvantagens:
    • A utilização do ERP por si só não torna uma empresa verdadeiramente integrada;
    • Altos custos que muitas vezes não comprovam a relação custo/benefício;
    • Dependência do fornecedor do pacote;
    • Adoção de melhores práticas aumenta o grau de imitação e padronização entre as empresas de um segmento;
    • Torna os módulos dependentes uns dos outros, pois cada departamento depende das informações do módulo anterior, por exemplo. Logo, as informações têm que ser constantemente atualizadas, uma vez que as informações são em tempo real, ocasionando maior trabalho;
    • Aumento da carga de trabalho dos servidores da empresa e extrema dependência dos mesmos;

    Segundo uma pesquisa Chaos e Unfinished Voyages (1995) os principais fatores críticos de sucesso para um projeto de implantação de um ERP são:
    • Envolvimento do Usuário
    • Apoio da direção
    • Definição clara de necessidades
    • Planejamento adequado
    • Expectativas realistas
    • Marcos intermediários
    • Equipe competente
    • Comprometimento
    • Visão e objetivos claros
    • Equipe dedicada
    • Infraestrutura adequada
    • Constante qualificação da equipe usuária

    Fonte: Wikipedia

  • Só acho que na I citar que são dados atuais não é totalmente verdadeiro, nem sempre um DW vai ter dados atuais mas sim dados históricos, ou depende do ponto de vista do que se compreende por atual então. Eu achei essa afirmação errada, alguém pode opinar?

  • Caro colega, a resposta o site já nos diz ;)

  • Michele, a resposta foi colocada para aqueles que só têm acesso a 10 respostas por dia e já estouraram o limite diário. Algumas pessoas não concordam com isso, mas eu acho isso válido.

  • Paulo, sim, depois eu compreendi que era isso, mas alguns não parece que é essa a finalidade, mas enfim se ajuda alguém tá valendo.

  • II. O processo de Data Mining, ou mineração de dados, tem por objetivo localizar possíveis informações em um banco de dados através de comparações com dados informados pelo usuário e registros de tabelas. 

    * localizar informações do DataWareHouse e não no banco de dados.

    III. Um ERP, ou Sistema Integrado de Gestão Empresarial, é conhecido por integrar os dados de diferentes departamentos de uma organização, aumentando o uso de interfaces manuais nos processos. 

    * aumentando uso de interfaces manuais??? a intenção não seria de automatizar os processos.

  • Na vdd eu sabia quais afirmações estavam erradas, eu só não sabia que afirmações a FCC considerava erradas, kkkkk

  • Agora ninguém percebeu o erro da I

    I. Um Data Warehouse é um repositório de dados atuais e históricos de uma organização que possibilita a análise de grande volume de dados para suportar a tomada de decisões estratégicas, possuindo registros permanentes.

    os registros podem ser excluídos, só não podem ser alterados. Isso faz parte da sumarização de dados históricos por exemplo. 

  • Tecnicamente nada impede que um DW tenha dados atuais, ainda que a definição do que é "atual" possa ser subjetiva, mas as alternativas II e III estavam claramente erradas. Só tive certeza da IV mesmo.

  • no Data mining a questão é total ou parcialmente descnhecida e a ferramenta é utlizada para a busca do conhecimento, ou seja, o usuário não irá informar dados, para a busca.

  • imagina que você implementa um ERP entre todos os setores da fábrica, o que vai acontecer? Vai aumentar a quantidade de gente tendo que passar o dia digitando e clicando em várias interfaces?

    Claro que não, isso aqui foi o ponto chave pra facilitar a questão.

  • I – É verdade! Os DWs guardam dados atuais e históricos que não são modificados ou removidos. O propósito desse tipo de banco de dados é subsidiar a tomada de decisão. CERTA

    II – Esse não é bem o objetivo de mineração de dados. A ideia é buscar padrões e relacionamentos ocultos em grandes conjuntos de dados. ERRADA

    III – A ideia dos ERPs é justamente diminuir a utilização de interfaces manuais, ao informatizar os diferentes processos da empresa. Essa alternativa você não precisava saber, já que não faz parte do nosso assunto. Assim, não se preocupe se errou! ERRADA

    IV – Os cubos OLAP são estruturas multidimensionais, permitindo que se visualize os dados sob diferentes perspectivas e se realize análises em diversos níveis de agregação. CERTA

    Gabarito: E

  • III. Um ERP, ou Sistema Integrado de Gestão Empresarial, é conhecido por integrar os dados de diferentes departamentos de uma organização, aumentando o uso de interfaces manuais nos processos.

ID
790999
Banca
FCC
Órgão
TST
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Na arquitetura OLAP, o módulo responsável por girar o cubo ou mesmo trocar linhas por colunas de modo a facilitar o entendimento do usuário para a análise da informação é chamado de

Alternativas
Comentários
  • Discordo do colega acima, a resposta seria "Slice and Dice" mesmo. 

    Pivot serve para dar outra perspectiva de analise de dados ao cubo.
  • 3.2. Características da Análise OLAP

    Drill Across:  O Drill Across ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para semestre ou mês.

    Drill Down: O Drill Down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade.

    Drill Up: O Drill Up é o contrário do Drill Down, ele ocorre quando o usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação.

    Drill Throught: O Drill Throught ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.

    Slice And Dice: O Slice and Dice é uma das principais características de uma ferramenta OLAP. Como a ferramenta OLAP recupera o microcubo, surgiu a necessidade de criar um módulo que se convencionou de Slice and Dice para ficar responsável por trabalhar esta informação. Ele serve para modificar a posição de uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.
    (Fonte: http://www.coladaweb.com/informatica/olap)
  • Também acho que o correto seria o Pivot. Abaixo trecho do livro do Navathe.
    "A mudança de uma hierarquia (orientação) dimensional para outra é facilmente realizada em um cubo de dados por uma técnica chamada pivoteamento (também chamada rotação). Nessa técnica o cubo de dados pode ser pensado como se tivesse uma rotação para mostrar uma orientação diferente dos eixos"
  • Slice:


    Dice:
    Pivot:
  • Sim. "O cola da web" é um dos principais materiais consultados...

  • Segundo Navathe a ferramenta que é responsável pela rotação do cubo (tabulação cruzada) é a PIVOT.

  • Slice and Dice é beeemm diferente disso hein. https://en.wikipedia.org/wiki/OLAP_cube

  • Cross-join: O Cross-join é um recurso no qual os dados são unidos e colunas e linhas são invertidas, permitindo uma melhor visualização sob a ótica do negócio.

    Pivot: O Pivot é similar ao cross-join, mas envolve somente a rotação do cubo, sem a junção dos dados.

  • Bom a opção slice and dice pode até não estar 100%, mas dentre as opções é a que melhor se encaixa.

  • Era a menos pior mesmo...

  • cadê o pivot aí?

  • Bizarro o pessoal justificando esse gabarito como correto. A função descrita no enunciado é realizada pelo PIVOT.

  • a FCC adora confundir PIVOT com SLICE and DICE

ID
804388
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação à arquitetura OLAP, julgue o  item  seguinte.

Um membro derivado de uma dimensão é o de nível mais baixo na hierarquia.

Alternativas
Comentários
  • alguém saberia explicar o significado desse enunciado? 

  • Que questão estranha, mas creio que que talvez  o menor nível de uma hierarquia em OLAP seja o próprio dado, mas posso estar totalmente errado.

  • Conceitos de OLAP:

    • Cubo é uma estrutura que armazena os dados de negócio em formato multidimensional, tornando-os mais fácil de analisar.

    • Dimensão é uma unidade de análise que agrupa dados de negócio relacionados. As dimensões se tornam cabeçalho de colunas e linhas, como exemplo linhas de produto, regiões de venda ou períodos de tempo.

    • Hierarquia é composta por todos os níveis de uma dimensão, podendo ser balanceada ou não. Na hieraquia balanceada os níveis mais baixo são equivalentes, porém, isto não ocorre nas hierarquias não balanceadas onde a equivalência hierárquica não existe. Por exemplo, em uma dimensão geográfica o nível país não possui o subnível Estado para um determinado membro e possui para outro. No caso específico pode-se citar o país Liechtenstein que não possui Estado e o Brasil, que possui uma série de Estados.

    • Membro é um subconjunto de uma dimensão. Cada nível hierárquico tem membros apropriados aquele nível. Por exemplo, em uma dimensão geográfica existe o nível e seus membros.

    Nível                      Membro

    Região:                  Ásia, América do Sul, América do Norte

    País:                     China, Brasil, USA

    Estado/Província:   Yunna, Piauí, California

    • Medida é uma dimensão especial utilizada para realizar comparações. Ela inclue membros tais como: custos, lucros ou taxas.

     

    De acordo com a Microsoft:

     Na Figura 16, a normalização da dimensão “Produtos” em diversos níveis é um exemplo deste modelo. Note que a tabela de fatos possui indicação do nível mais baixo na hierarquia, referenciando a dimensão “Produtos”, e então as tabelas de dimensões “Modelos” e  Fabricantes” percorrem os níveis mais altos.

    O nível mais baixo de uma arquitetura OLAP é a tabela fato.

     

     

    Fonte 1: http://softsystemit-ead.com.br/phocadownload/BI/Conceitos%20OLAP.pdf

    Fonte 2: https://msdn.microsoft.com/pt-br/library/cc518031.aspx

ID
804391
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação à arquitetura OLAP, julgue o  item  seguinte.

Drill up e down são técnicas analíticas em que o usuário transita entre vários níveis de agregação dos dados, indo do mais sumarizado ao mais detalhado e vice-versa.

Alternativas
Comentários

  • Nossa, eu acho que devia estar muito desatento quando fiz essa assertiva. De fato, o processo se for do mais sumarizado para o mais detalhado seria o drill down para o drill up. Valeu Aikau!

  • Grande, Dan, blz ?

    Sumarização é INVERSAMENTE PROPORCIONAL ao Detalhamento: Quanto mais se sumariza, menos detalhes são vistos

    Sumarização é DIRETAMENTE PROPORCIONAL a Granularidade: Quanto mais alta a sumarização, mas alta a granularidade.

  • Drill Down/Up allows the user to navigate among levels of data ranging from the most summarized (up) to the most detailed (down).


    Fonte: https://en.wikipedia.org/wiki/OLAP_cube


    Drilling down means nothing more than “give me more detail.”

    http://www.kimballgroup.com/1996/03/drilling-down-up-and-across/


    Posso estar com dificuldades de interpretação. A afirmativa não fala basicamente como se Drill up fosse sumarizado e Drill down fosse mais detalhado?

    Não entendi porquê está errado.

  • Na minha opinião a questão está correta. Só estaria errada se tivesse um "respectivamente" depois do vice-versa. Ou vai ver o Cespe considerou errado pelo "down" em vez de "drill down", mas aí é sacanagem.

  • -------------------------------------------------------------------------------------------------------------------

    (ERRO EM VERMELHO) Drill up e down são técnicas analíticas em que o usuário transita entre vários níveis de agregação dos dados, indo do mais sumarizado ao mais detalhado e vice-versa.

     

    Pq está errado se esse é o conceito? Pq DRILL UP está na frente e no DRILL UP é do mais detalhado ao mais sumarizado.

     

    Veja como a questão ficaria correta: Drill down e Drill up são técnicas analíticas em que o usuário transita entre vários níveis de agregação dos dados, indo do mais sumarizado ao mais detalhado e vice-versa.

    -------------------------------------------------------------------------------------------------------------------

    ROLL UP
    -Aplica uma agregação sobre o cubo de dados
    -Aumenta o nível de granularidade e em consequencia realiza a REDUÇÃO sobre a dimensão, DIMINUINDO O NÍVEL DE DETALHAMENTO da informação.

     

    DRILL DOWN
    -É o inverso do roll-up
    -Aumenta o nível de detalhe da informação
    -Navega um dado menos detalhado para um mais detalhado
    -Diminui o nível de granularidade

     

    Fonte: Itnerante

    -------------------------------------------------------------------------------------------------------------------

  • o erro está em falar que é VICE - VERSA

  • Drill (roll) up vai para um nível mais alto da hierarquia, diminuindo o nível de detalhe e aumentando a generalização, enquanto drill-down é o processo inverso, levando a análise para um nível maior de detalhamento, mais granular.

    O erro do item, em teoria, é a inversão das duas definições, mas considero que o examinador poderia ter utilizado o termo "respectivamente" ou deixado mais explícito que as definições seriam apresentadas na ordem em que os termos foram citados.

  • VTNC o (a) examinador(a) que fez esse item! Desonestidade total!

  • Parabéns para quem errou essa questão, estamos no caminho certo!

  • Aos que erraram, não fiquem chateados... qualquer gabarito poderia ser o correto, uma vez que a presença do termo vice-versa e ausência do "respectivamente" dão qualquer interpretação à assertiva.

    .

    Não, o erro não é falar drill up, embasamentos que confirmam:

    1) No site da Microsoft esse termo existe:

    (https://docs.microsoft.com/pt-br/power-bi/consumer/end-user-drill)

    2) Questão CESPE:

    Ano: 2013 Banca: CESPE / CEBRASPE Órgão: MPOG Prova: CESPE - 2013 - MPOG - Tecnologia da Informação

    Julgue os itens que se seguem, acerca das ferramentas ETL (extract transform load) e OLAP (on-line analytical processing).

    OLAP é uma tecnologia utilizada para organizar grandes bancos de dados e fornece, para organizações,um método com alta flexibilidade e desempenho para acessar, visualizar e analisar dados corporativos. Os dados podem ser organizados em uma hierarquia que define diferentes níveis de detalhe, na qual o usuário pode navegar para cima (drill up) ou para baixo (drill down) entre níveis.

  • "Com relação à arquitetura OLAP, julgue o item seguinte. Drill up e down são técnicas analíticas em que o usuário transita entre vários níveis de agregação dos dados, indo do mais sumarizado ao mais detalhado e vice-versa"

    Galera, não sei se o erro da questão é na terminologia. No entanto, vou deixar a diferenciação que o autor C.J. Date faz entre drill up e roll up:

    "Nota: Existe uma diferença sutil entre “drill up” e “roll up”, da seguinte forma: “roll up” é a operação de criar os agrupamentos e as agregações desejadas; “drill up" é a operação de acessar essas agregações. No caso de “drill up”, um exemplo poderia ser: dada a quantidade total de remessas, obter as quantidades totais para cada fornecedor individual. É claro que os dados mais detalhados ainda deverão estar disponíveis (ou poder ser calculados) a fim de que o sistema possa responder a tal requisição"

    Fonte: Introdução a Sistemas de Bancos de Dados, DATE, p. 1.144

ID
804394
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação à arquitetura OLAP, julgue o  item  seguinte.


Os caminhos usados no drilling são definidos pelas hierarquias dentro das dimensões ou por outros relacionamentos, que podem ser dinâmicos entre dimensões ou dentro delas.

Alternativas
Comentários
  • Os caminhos usados no drilling são definidos pelas hierarquias dentro das dimensões ou por outros relacionamentos, que podem ser dinâmicos entre dimensões ou dentro delas. (CORRETO: os drilling (up, down, across) são definidos de acordo com as hierarquias dentro das dimensões).

  • Drill throught ocorre entre dimensões, por exemplo, Drill up/down/Across ocorrem dentro delas.

  • Em outras palavras: Temos drillings pra baixo, pra cima, entre dimensões, na mesma dimensão e dentro dela.

  • DRILL DOWN

    DRILL UP OU ROLL UP

    DRILL ACROSS

    DRILL THROUGHT

    SLICE AND DICE

ID
804397
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação à arquitetura OLAP, julgue o  item  seguinte.


Um cubo, ou hipercubo, é um array multidimensional no qual um grupo de células de dados é organizado segundo as dimensões dos dados.

Alternativas
Comentários
  • Um cubo, ou hipercubo, é um array multidimensional no qual um grupo de células de dados é organizado segundo as dimensões dos dados. (CORRETO: um cubo (para até 3 dimensões) ou hipercubo (para mais de 3 dimensões) consiste em um grupo de tuplas organizadas conforme as dimensões dos dados)

  • OLAP- ferramenta para acesso à informação de um Data Warehouse que armazena dados históricos para tomadas de decisão empresariais

ID
804400
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Com relação à arquitetura OLAP, julgue o  item  seguinte.


A dimensão, um atributo estrutural de um cubo, consiste em uma lista de membros, todos eles de um tipo de dados similar na percepção do sistema.

Alternativas
Comentários
  • aparentemente está correto, alguém saberia indicar o erro?

  • Esta parte está errada: todos eles de um tipo de dados similar na percepção do sistema.

    Não existe nenhuma restrição de que estes dados sejam similares.

  • Achei a redação um pouco esquisita, pois a questão não deixa claro quais são esses membros da dimensão, se são os registros ou se são os atributos.

    De todo modo, a dimensão contém dados de diferentes tipos ao longo de seus atributos. Além disso, a dimensão contém informações de um domínio similar na percepção do usuário, não do sistema. 

  • OLAP - ferramenta para acesso à informação de um Data Warehouse que armazena dados históricos para tomadas de decisão empresariais.

    ________________________________________________________________________

    DW é utilizado para armazenar informações e o OLAP para recuperá-las, ambos são especializados para exercer suas funções de forma eficiente

    Para a exploração completa do DW, a ferramenta OLAP extrai e alavanca as informações contidas nele.

    ________________________________________________________________________

    O modelo multidimensional representa os dados como uma matriz na qual cada dimensão é um tema ou assunto do negócio que será objeto da análise. É uma técnica particularmente útil para inspeção, sumarização e arranjo de dados para facilitar a sua análise. Na modelagem multidimensional, os relacionamentos são conseqüência da existência de "fatos" como intersecção de diversas "dimensões".

  • São tantos conceitos diferentes de bancos de dados que o cespe apresenta nas questões que é inviável saber todos

ID
804748
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Julgue o  item  subsequente , a respeito de datawarehouse e business intelligence (BI).

A operação de corte implica a seleção de um grupo de células da matriz multidimensional inteira pela especificação de determinado valor para uma ou mais dimensões.

Alternativas
Comentários

  • Errado, 

    Operação cortar um subcubo (“dice”) - extrai um subcubo do cubo original executando uma operação de seleção em duas ou mais dimensões;


  • Cansei de errar essa questão...

    agora não erro mais


    • Slice

      • seleciona dados de uma única dimensão

    • Dice

      • slice em mais de uma dimensão

      • extrai um subcubo do cubo



    A ferramenta OLAP (on-line analytical processing) permite realizar as operações slice, dice e pivot sobre uma estrutura multidimensional. A operação slice fixa o valor de uma dimensão e recupera os valores das demais dimensões; a operação dice intercambia dimensões permitindo diferentes visualizações dos dados; e a operação pivot fixa o valor de duas ou mais dimensões e recupera os valores das demais.

    Errada

  • Slice

    seleciona dados de uma única dimensão

    Dice - "D" de duas

    seleciona dados de mais de uma dimensão , extrai um subcubo do cubo.

  • A operação de corte, ou slice, implica a seleção de um grupo de células da matriz multidimensional pela especificação de um valor para somente uma dimensão. A operação dice é que envolve a especificação de valores para múltiplas dimensões, gerando um subcubo.

  • Sl1ce -> 1

    Dice -> Duas

ID
804760
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Julgue o  item  a seguir, referente  a online analytical processing (OLAP).

A técnica slice-and-dice consiste em fazer uma exploração em diferentes níveis de detalhe das informações, possibilitando analisar informação tanto diariamente quanto anualmente, partindo da mesma base de dados.

Alternativas
Comentários

  • O erro seria a utilização de slice-and-dice ao invés de drill down and drill up? Eu vou pedir ajuda dos universitários nessa.

  • Grande Dan, bão ?

    na verdade, o slicing/dicing simplesmente consiste em selecionar valores específicos para cada um dos atributos das dimensões, que são exibidos em cima da tabulação cruzada.

    Fonte: Silberschatz, 6ed, Sistema de Banco de Dados, Pag 122 

     

  • opa, Aikau, tudo certo. A gente acaba se encontrando nessas questões, por que será? Não entranharia se nos encontrássemos como colegas de trabalho no TCU, hehehe. Ok, entendi quanto ao slice/dice mas no caso da questão se eu trocasse pelos conceitos de drill down e drill up, acredito que ficaria certa, não ficaria?

  • Exato, Dan, podendo ser chamada também de rollup ( por meio da agregação )  

    Rapaz, vamos sim nos encontrarmos no TCU, tenho certeza !!!

    Abração, meu peixe !

  • isso é Drill Across.

  • Essas técnicas são drill-down e roll-up! Slice “corta” o cubo, obtendo um grupo de células a partir da especificação de um valor para uma dimensão. Dice corta o cubo através de múltiplas dimensões, gerando assim um subcubo.

  • kkkkkkkkkk povo convencido né, acha que fácil..

ID
804763
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Julgue o  item  a seguir, referente  a online analytical processing (OLAP).

A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multidimensional dinâmica dos dados, apoiando o usuário final nas suas atividades e permitindo consultas ad hoc.

Alternativas
Comentários
  • Feijão com arroz do OLAP...

  • Sobre a expressão consultas ad hoc:  “São consultas com acesso casual único e tratamento dos dados segundo parâmetros nunca antes utilizados, geralmente executado de forma iterativa e heurística. Isso tudo nada mais é do que o próprio usuário gerar consultas de acordo com suas necessidades de cruzar as informações de uma forma não vista e com métodos que o levem a descoberta daquilo que procura.”

    Fonte: http://musardos.com/2008/10/21/modelo-de-consultas-e-relatorios-ad-hoc-para-sistemas-de-bi/

  • OLAP> Interface com o usuário- visualização dos dados

                 Organiza grandes bancos de dados

                 Suporte a inteligência comercial

                 Extrais informaçõees de forma customizada , simples , interativa

ID
804766
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2011
Provas
Disciplina
Banco de Dados
Assuntos

Julgue o  item  a seguir, referente  a online analytical processing (OLAP).

A técnica roll-up é a combinação de células de uma ou mais dimensões definidas em um cubo.

Alternativas
Comentários
  • Uma outra questão ajuda a responder:

    Ano: 2011 | Banca: FCC | Órgão: TRT - 23ª REGIÃO (MT) | Prova: Analista Judiciário - Tecnologia da Informação

    A funcionalidade pré-programada de resumir os dados, com generalização crescente, oferecida pelas aplicações por meio das ferramentas de construção de data warehouses é denominada 

    a) Roll up.


  • Não seria sobre uma única dimensão?

    Errei por entendo que é sobre uma dimensão somente.

  • Realmente, você pode aumentar o nível de detalhe de uma dimensão combinada a outra. Por exemplo: ao invés de mostrar a quantidade de vendas por município em determinado período vamos mostrar a quantidade de vendas por estado nesse mesmo período. Perceba que nesse caso a dimensão local subiu na hierarquia, mas mantivemos a dimensão tempo também, portanto é razoável dizer que se trata da combinação de duas ou mais dimensões. Você sobe um nível de uma dimensão, mas pode manter o filtro sobre as demais.

  • A técnica roll-up é a combinação de células de uma ou mais dimensões definidas em um cubo.

    errei a questão e parei para analisar. Imagine três dimensões: tempo, produto, região. Agora imagine que eu queira consultar o mês em que um produto X foi vendido no estado X. OK? Só aqui ja estou combinando três dimensões com as células data (tempo), nome do produto (produto), nome do estado (região). 

  • O roll-up ou drill-up é a combinação de diversas células em um nível hierárquico para um acima. Como a navegação em um subcubo geralmente envolve diversas dimensões (ex.: vendas por ano, por cidade e por produto), creio que podemos dizer que o roll-up pode ser a combinação de células de uma ou mais dimensões.

  • "A técnica roll-up é a combinação de células de uma ou mais dimensões definidas em um cubo"

    Pior definição que já vi de roll-up. Pra falar a verdade, eu nem entendi direito o que o examinador quis dizer. Portanto, vou apenas deixar as palavras de 2 autores sobre o assunto.

    Segundo Navathe (SBD, p. 724):

    "Uma exibição roll-up sobe na hierarquia, agrupando em unidades maiores ao longo de uma dimensão (por exemplo,

    somando dados semanais por trimestre ou por ano)"

    Agora, a diferenciação entre roll up e drill up pelo autor Date (ISBD, p. 1144):

    "Nota: Existe uma diferença sutil entre “drill up” e “roll up”, da seguinte forma: “roll up” é a operação de criar os agrupamentos e as agregações desejadas; “drill up" é a operação de acessar essas agregações"

  • cara, definitivamente quem elabora as questões de análise de dados do cespe NUNCA tratou dados, mexeu com PBI / Qlik / Tableau

  • Olhem só o que eu encontrei em https://pt.wikipedia.org/wiki/OLAP

    • ROLL UP: combinação de células de uma ou mais dimensões para atingir um nível maior de generalização;

ID
813064
Banca
AOCP
Órgão
TCE-PA
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Sobre OLAP (On-Line-Analytical Processing), é correto afirmar que

Alternativas
Comentários

  • D - Embora a letra C faz sentido. O erro da C deve estar quando ele fala que é "qualquer visão do negócio que faça sentido". O "qualquer" é muito abrangente.

  • Se a fonte da questão foi o Wikipedia a letra D deveria ser dada como certa também e a questão anulada. O texto foi copiado integralmente:

    https://pt.wikipedia.org/wiki/OLAP#Modelo_de_Dados

    "Uma dimensão pode ser qualquer visão do negócio que faça sentido para sua análise, como produto, departamento ou tempo."

  • d-

    O modelo multidimensional representa os dados como uma matriz na qual cada dimensão é um tema ou assunto do negócio que será objeto da análise. É uma técnica particularmente útil para inspeção, sumarização e arranjo de dados para facilitar a sua análise.

    Na modelagem multidimensional, os relacionamentos são consequência da existência de "fatos" como intersecção de diversas "dimensões". Por exemplo, se há vendas para o cliente 499, do produto 10455, então o relacionamento entre cliente e produto está estabelecido.

ID
813100
Banca
AOCP
Órgão
TCE-PA
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

As técnicas de drill down e drill up em ferramentas OLAP têm, respectivamente, a função de

Alternativas
Comentários

  • • drill Down: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade (A granularidade determina quais os tipos de consultas podem ser feitas no DW. Ela influencia diretamente na velocidade do acesso às informações e no volume de dados

    armazenados );

    • drill Up: é o contrário do Drill Down, ocorre quando o usuário aumenta a granularidade, diminuindo o nível de detalhamento da informação;


    http://www.devmedia.com.br/um-estudo-sobre-as-ferramentas-olap/6691

ID
814936
Banca
CESGRANRIO
Órgão
LIQUIGÁS
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

A característica que se aplica a sistemas OLAP é qu

Alternativas
Comentários

  • OLAP

     

    -Recurso que permite manipular e analisar grandes volumes de dados sob múltiplas perspectivas. 

    -Processamento de dados dedicado ao suporte a decisão.
    -Seguem um modelo lógico de dados multidimensional
    -Hierarquizadas em várias granularidaades
    -Tem o propósito de dar suporte a tomada de decisões e prover respostas para as consultas de negócios e gerenciamento.
    -Operação típica de ANALISE.
    -Suas fontes de dados são: Data warehouse ou data mart.
    -As telas são definidas pelo usuário.
    -Natureza dos dados: dados históricos, sumarizados e integrados.

     

    Fonte: Minhas anotações

ID
827932
Banca
CESPE / CEBRASPE
Órgão
TJ-RO
Ano
2012
Provas
Disciplina
Banco de Dados
Assuntos

Assinale a opção correta a respeito de OLAP (online analytical processing) em sistemas de suporte à decisão.

Alternativas
Comentários

  • MOLAP: (Multidimensional On Line Analytical Processing) deriva-se de OLAP, são ferramentas que disparam suas requisições diretamente ao servidor de Banco de Dados Multidimensional. Após o envio de requisições
    o usuário continua manipulando os dados diretamente no servidor, tendo um ganho de desempenho.Os dados
    são armazenados de forma multidimensional (MDDB) em arrays multidimensionais.Necessita de um longo
    período para execução da carga de dados, raramente esta carga é diária devido ao grande volume de informações a serem atualizadas para possibilitar um retorno rápido às consultas da interface OLAP.

    ROLAP: (Relational On Line Analytical Processing ) deriva-se de OLAP, utiliza a tecnologia de banco de
    dados relacionais para armazenar seus dados, bem como suas consultas são também processadas pelo
    gerenciador do banco de dados relacional. Os dados são armazenados de forma relacional (RDBMS) em
    uma série de tabelas e colunas. Possibita um carregamento mais rápido devido à estrutura de tabelas e
    colunas, menos complexa em comparação à estrutura de arrays utilizada pelo MOLAP. Outro fator importante
    na rapidez da carga é o número menor de informações pré-calculadas e resumidas.

    DOLAP: (Desktop On Line Analytical Processing ) deriva-se de OLAP, são ferramentas que disparam uma consulta de uma estação cliente para o servidor, que por sua vez retorna enviando o macro-cubo de volta,
    para que possa ser analisado pelo usuário. Esse tipo de análise é utilizado para fornecer portabilidade aos dados. Ela emite uma consulta para o servidor e recebe as informações de volta para ser analisada na
    estação. Essa arquitetura oferece a vantagem de reduzir o tráfego na rede e melhora o desempenho de processamento do servidor, pois todo o trabalho de análise das informações e feita pela máquina cliente. Permite portabilidade aos usuários OLAP que não possuem acesso direto ao servidor.

    HOLAP: (Hybrid On Line Analytical Processing ) - É a combinação entre ROLAP e MOLAP, pegando o melhor
    de ambas as categorias a escalabilidade de ROLAP e o alto desempenho do MOLAP.Assim, para informação
    pré-processada, o HOLAP age como os sistemas MOLAP, imitando a rapidez destes. Quando é necessária
    informação mais detalhada, ainda não sumariada nem pré-processada, os HOLAP imitam os sistemas ROLAP na
    sua habilidade para capturarem a informação através de uma sistema de bases de dados relacionais.

    RESPOSTA: D

  •  a) A solução MOLAP apresenta maior escalabilidade e menor desempenho do que a solução ROLAP.

     b) A solução HOLAP combina as vantagens da MOLAP e da ROLAP, oferecendo, se comparado a essas duas soluções, menor custo e menor escalabilidade.

     c) A solução ROLAP é um tipo de implementação em que, com exceção das métricas, os dados do cubo são armazenados em um banco de dados relacional, o que permite, em comparação com a solução MOLAP, maior velocidade no carregamento dos dados.

     d) A solução MOLAP independe diretamente de SGBD relacionais, visto que os dados são copiados e armazenados em uma estrutura multidimensional, o que promove melhor tempo de resposta nas consultas, em comparação aos bancos de dados relacionais.

     e) A solução DOLAP, um tipo de implementação voltada para dispositivos móveis, adequa-se melhor a data warehouse do que a data marts, já que não apresenta limitação para o tamanho do cubo a ser processado.

  • Arquiteturas OLAP:

     

    ROLAP

    -Alta escalabilidade

    -Pode alavancar as funcionalidades inerentes do BD relacional

    -Baixo desempenho

    -Limitado pelas funcionalidades SQL

     

    MOLAP

    -Armazenamento dos dados em cubos dimensionais e em formato proprietário

    -Alto desempenho

    -Execução de cálculos complexos

    -Baixa escalabilidade

    -Investimentos altos

     

    HOLAP

    -Alto desempenho

    -Alta escalabilidade

    -Arquitetura de maior custo

     

    DOLAP

    -Pouco tráfego na rede

    -Sem sobrecargar o servidor de BD

    -Limitação do cubo de dados

     

     

  • GUERREIROS, QUANTO À ALTERNATIVA C:

    MOLAP É MELHOR PARA CONSULTA QUE O ROLAP;

    POR OUTRO LADO

    O ROLAP É MELHOR PARA CARREGAMENTO QUE O MOLAP.