-
Se um sistema faz um mapeamento distorcido é natural que seja mais impreciso do que outro feito com maior aderência ao problema tratado.
-
Essa dá pra responder com uma dose de bom senso! Observe que se a tradução do minimundo para o sistema de informação que irá representá-lo for feita de forma distorcida, haverá uma diminuição na acurácia, ou seja, na precisão ou corretude das informações representadas.
Gabarito: C
-
GABARITO CORRETO
A Qualidade de Dados é uma questão fundamental em Business Intelligence e pode ser definida, pela maioria dos autores, em temos de Acurácia, Completeza, Consistência, Perenidade, Interpretablilidade e Acessibilidade.
"Acurácia" é uma questão de confiabilidade: é a precisão do dado, que é relativo à qualidade da fonte, erros potenciais e incertezas durante o processo de ETL, especificamente quando é necessário fazer algum tipo de manipulação do conteúdo.
Desta maneira, um mapeamento distorcido, que resulta num carregamento errado, representa falta de precisão, de acurácia.
FONTE: PROF DAVI ARAÚJO - TECCONCURSOS
-
A questão cobra conhecimento sobre as
dimensões da qualidade dos dados.
Os dados são fontes relevantes para a
tomada de decisões. No entanto, a existência de dados dos dados por si só não
garante uma boa tomada de decisões - a qualidade dos dados é igualmente importante.
De forma ampla,
é clara a necessidade de limpeza de dados ruins (ausentes, incorretos, inválidos
etc.) antes tirar qualquer informação sobre eles. Mas, para garantir que os
dados sejam confiáveis, é importante entender as principais dimensões da qualidade
dos dados para avaliar o que são dados realmente ruins. Algumas das principais dimensões são:
1.
Integridade: “grau em que os dados necessários estão no
conjunto de dados" [1]. Ou seja, os dados devem estar presentes e completos.
2.
Consistência: ausência de diferença ao comparar duas ou mais
representações de um mesmo dado, ou seja, “se os dados forem replicados em
vários lugares, eles precisam ser consistentes em todas as instâncias" [1].
3.
Acurácia: “grau em que os
dados descrevem corretamente os objetos do 'mundo real' sendo descritos" [1].
4.
Oportunidade: atualização dos dados em nível suficiente [1].
5.
Singularidade/Unicidade: “cada objeto ou evento do mundo real deve ser
representado em um conjunto de dados específico apenas uma vez" [1]. Por
exemplo, se o dado "João Silva" e "João Silva Santos" referem-se ao mesmo cliente,
ele só deve ser representado uma vez.
6.
Validade: “um campo em um conjunto de dados pode ter condições
que precisa satisfazer para ser considerado válido" [1]. Por exemplo, um
telefone deve ser composto de números.
Assim, podemos
observar que a questão definiu corretamente a falta de acurácia na qualidade
dos dados.
Gabarito
da professora: CERTO.
Referência:
[1] Richard Farnworth. The Six Dimensions of Data Quality — and
how to deal with them. Disponível no site towards data science, tradução da
professora.
-
Gabarito: CERTO
Essa dá pra responder com uma dose de bom senso! Observe que se a tradução do minimundo para o sistema de informação que irá representá-lo for feita de forma distorcida, haverá uma diminuição na acurácia, ou seja, na precisão ou corretude das informações representadas.
Fonte: Arthur Mendonça | Direção Concursos
-
Nunca havia ouvido falar no termo "acurácia" em português, contudo, utilizo bastante na Língua Inglesa os termos "accurate" "accuracy" que significam, respectivamente, "preciso" "precisão". Logo, fiz a conexão lexical inter-linguística e obtive a resposta almejada de que a assertiva estava correta, pois a falta de precisão é implicada quando há distorção no mapeamento conceitual do mundo real para o sistema de informação.