===Letra A===
Um DW é um conjunto de múltiplos bancos de dados com os dados integrados em um modelo multidimensional. Da mesma forma que os bancos de dados transacionais, os DWs dão apoio a análises de série temporal e de tendências, as quais requerem mais dados atuais do que históricos. (ERRADO)
- Data Warehouse (armazém de dados) é um depósito de dados orientado por assunto, integrado, não volátil, variável com o tempo.
===Letra B===
Os modelos multidimensionais tiram proveito de relações inerentes aos dados para gerar dados em matrizes multidimensionais denominadas cubos de dados ou hipercubos. No entanto, o desempenho de consultas em matrizes multidimensionais geralmente é pior do que no modelo de dados relacional. Três exemplos de dimensões em DW corporativo poderiam ser os períodos fiscais da empresa, os produtos e as regiões. (ERRADO)
O desempenho de consultas em um modelo multidimensional é melhor se comparado ao modelo relacional.
===Letra C===
As ferramentas OLAP oferecem funcionalidades pré-programadas como ROLAP (dados são resumidos com generalização crescente, como semanal para trimestral e destea para nual) e MOLAP (níveis crescentes de detalhes são revelados). (ERRADO)
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.
HOLAP: É uma combinação dos métodos ROLAP e MOLAP
DOLAP: Estruturas dimensionais ou relacionais, transferidas do DW/DM para as estações clientes.
===Letra D===
O resultado da mineração de dados pode descobrir novas informações apenas através do uso de dois métodos: regras de associação (se um cliente compra um computador, ele também pode comprar uma impressora) e padrões sequenciais (um cliente que compra uma câmera e depois compra um material fotográfico, deverá comprar outro acessório associado). (ERRADO)
Data Mining (mineração de dados)
- São processos de análise de inferência e representa uma forma de busca de informação baseada em algoritmos que objetivam o reconhecimento de padrões escondidos nos dados.
- Busca correlações escondidas em altos volumes de dados.
- É usado para descobrir regras, identificar fatores e tendências-chave, descobrir padrões e relacionamentos ocultos em grandes bancos de dados para auxiliar a tomada de decisões.
===Letra E===
Comparados com os BDs transacionais, os DWs são não-voláteis. Um DW não provoca preocupações do tipo deadlock ou atualizações de registro a registro. Os dados vêm de um ambiente operacional e, depois de carregados no DW, podem ser consultados sem necessidade de nenhum tipo de bloqueio por concorrência de usuários no seu acesso. (CERTO)