GABARITO: LETRA C.

A questão versa sobre data warehouse pela ótica de William Inmon.

Logo a sequencia correta é 4 – 2 – 3 – 1.

Vamos comentar cada assertiva:

O foco de um data warehouse na mudança ao longo do tempo é essencial para descobrir tendências e identificar padrões e relacionamentos ocultos nos negócios, para isso os analistas precisam de grandes quantidades de dados. Isso contrasta muito com o processamento de transações on-line onde os requisitos de desempenho exigem que os dados históricos sejam movidos para arquivos.

4. Variante no tempo:

Pensem comigo: O objetivo de construir toda a estrutura e inteligência de um DW é para avaliar de forma profunda os dados do negócio de um ente em busca de melhorias.

E isto, na grande maioria dos casos, necessitará de uma imensa amostragem de dados durante um período que seja relevante e suficiente para poder conseguir demonstrar alguma tendência (de alta ou baixa, por exemplo).

Logo, a mudança ao longo do tempo é um dos pontos necessários para o sucesso de uma análise retirada do DW.

Os data warehouses devem colocar dados de fontes diferentes em um formato consistente. Eles devem resolver problemas como nomear conflitos e inconsistências entre unidades de medida.

2. Integração:

Exatamente. Na etapa de ETL (Extract, Transform e Load), a ideia é sanear e integrar os dados utilizados e minimamente padronizá-los.

Imagine uma grande empresa, com vários setores distintos e que seja antiga (ou seja, tenha passado por várias transformações de processos de trabalho ao longo do tempo).

Existirão vários sistemas de informação diferentes, os chamados sistemas legados, uns mais antigos que outros, construídos sob diversas linguagens e bancos de dados distintos. Complexo, certo?

Exatamente para isto as etapas de Extract e Transform trabalham para que os dados de todas estas origens fiquem uniformizados e integrados o bastante para servirem aos propósitos das análises de DW.

Significa que, uma vez inseridos no data warehouse, os dados não devem mudar. Essa característica é lógica porque o propósito de um data warehouse é permitir que um analista analise o que ocorreu no passado.

3. Não Volátil:

Uma vez que tenham passado pela extração e pela carga (tópico anterior), não há sentido em ficarmos alterando os dados (seu histórico), uma vez que a intenção é a análise de negócio em relação à tendências e possibilidades de melhorias.

Os data warehouses são projetados para ajudar os profissonais a analisar grandes volumes de dados. Por exemplo, para saber mais sobre os dados de vendas de uma empresa, o analista pode construir um data warehouse que concentre a venda. Usando esse data warehouse, ele poderá responder perguntas como "Quem foi nosso melhor cliente para este item no ano passado?" ou "Quem provavelmente será nosso melhor cliente no próximo ano?"

1. Orientados a Assunto:

Aí é a parte em que entram os OLAP (Online Analytical Processing — ou, em português, Processamento Analítico Online).

Uma vez que os dados foram saneados, uniformizados e carregados, entra o “filé” do DW.

A pedido dos diretores (por exemplo) do ente, os dados serão agrupados em grupos de interesse (orientados a assunto), por exemplo: vendas, compras, marketing, produção, atendimento ao cliente, entre outros.

Diante do exposto, LETRA C.