WorksheetsQUIZIZZ | MODELAGEM DA INFORMAÇÃO
Total questions: 20
Worksheet time: 10mins
Qual é o objetivo primordial da modelagem da informação, conforme descrito na introdução do texto?
Implementar fisicamente bancos de dados NoSQL de alta performance.
Estruturar e organizar informações para facilitar seu entendimento e utilização.
Otimizar exclusivamente o desempenho de consultas em ambientes de Big Data.
Gerar automaticamente visualizações de dados complexas para relatórios de BI.
Segundo o texto, qual nível de modelagem de dados foca na representação de mais alto nível, capturando os requisitos de informação do ponto de vista do negócio e sendo independente de tecnologia?
Modelagem Física.
Modelagem Lógica.
Modelagem Dimensional.
Modelagem Conceitual.
De acordo com as aplicações práticas listadas, em qual contexto a modelagem dimensional (esquemas estrela ou floco de neve) é comumente utilizada?
No desenvolvimento de microsserviços para garantir a interoperabilidade.
No projeto de bancos de dados NoSQL para otimizar o acesso chave-valor.
Na construção de Data Warehouses para otimizar consultas analíticas.
Na definição de zonas de organização em Data Lakes.
Por que a modelagem da informação é considerada um fundamento essencial para a qualidade e confiabilidade analítica?
Porque elimina completamente a necessidade de processos de limpeza de dados.
Porque garante a integridade e a clareza dos dados, prevenindo análises imprecisas ou enganosas.
Porque define automaticamente os algoritmos de Machine Learning mais adequados.
Porque acelera significativamente a ingestão de dados em tempo real via streaming.
No contexto do processamento de dados de streaming no Google Cloud, qual conceito chave do Google Cloud Dataflow envolve a divisão de um fluxo contínuo de dados em segmentos temporais ou baseados em eventos para facilitar análises agregadas?
Particionamento (Partitioning).
Clustering.
Janelamento (Windowing).
Schema Registry.
Considerando os padrões de processamento em lote no GCP, qual serviço é frequentemente associado à estratégia ELT (Extract, Load, Transform), onde as transformações de dados ocorrem após o carregamento no ambiente de destino?
Cloud Pub/Sub.
Cloud Bigtable.
Google BigQuery.
Cloud Composer.
Qual é descrito como o aspecto mais importante da modelagem da informação no contexto de Machine Learning (ML), envolvendo a seleção, transformação e criação de variáveis de entrada para algoritmos?
A aplicação rigorosa da normalização de banco de dados.
A Engenharia de Atributos (Feature Engineering).
O design otimizado da chave de linha (Row Key) para acesso rápido.
A implementação de esquemas Avro ou Protocol Buffers para serialização.
Para qual serviço específico do Google Cloud Platform o design da chave de linha (row key) é uma consideração de modelagem crítica e fundamental para o desempenho de leitura e escrita?
Google BigQuery.
Cloud SQL.
Cloud Bigtable.
Cloud Spanner.
De que maneira a modelagem da informação atua como uma ferramenta de abstração e comunicação, conforme explicado no texto?
Definindo os tipos de dados específicos e índices para cada SGBD físico.
Simplificando a complexidade dos dados do mundo real e facilitando o diálogo entre equipes técnicas e de negócio.
Automatizando a criação e orquestração de pipelines de ETL complexos.
Gerenciando exclusivamente as permissões e o controle de acesso aos dados.
Qual nível de modelagem descreve detalhadamente como os dados serão fisicamente armazenados em um sistema de gerenciamento de banco de dados (SGBD) específico, definindo nomes exatos, tipos de dados, índices e partições?
Modelagem Conceitual.
Modelagem Lógica.
Modelagem Física.
Modelagem Semântica.
A definição de estruturas de dados e formatos (contratos de dados) para APIs e mensagens trocadas entre diferentes componentes de software é uma aplicação da modelagem da informação em qual cenário?
Projeto de Data Warehouses e Data Marts.
Governança de Dados e implementação de catálogos de negócios.
Desenvolvimento e Integração de Sistemas (ex: arquiteturas de microsserviços).
Engenharia de Atributos para modelos de Machine Learning.
Como um modelo de informação bem documentado e logicamente estruturado facilita a exploração, descoberta e visualização de dados por analistas e cientistas de dados?
Através da compressão automática dos dados para reduzir o espaço de armazenamento.
Funcionando como um mapa que ajuda a entender onde encontrar dados, seu significado e como se conectam.
Implementando automaticamente a criptografia de dados em repouso e em trânsito.
Reduzindo a latência na ingestão de dados de fontes de streaming.
Qual é o impacto direto de decisões de modelagem como particionamento e clustering ao utilizar o Google BigQuery para análise de dados?
Aumentam a complexidade do esquema, mas não oferecem benefícios significativos de desempenho.
Podem reduzir drasticamente o volume de dados escaneados por consulta, melhorando a performance e otimizando custos.
São relevantes apenas para bancos de dados relacionais tradicionais como Cloud SQL, não para data warehouses.
Facilitam exclusivamente a integração com ferramentas de Business Intelligence de terceiros.
Qual serviço do Google Cloud é descrito no texto como uma plataforma de mensagens assíncronas altamente escalável, fundamental para a comunicação entre produtores e consumidores em arquiteturas de dados de streaming?
Google Cloud Dataflow.
Google Cloud Bigtable.
Google Cloud Pub/Sub.
Google BigQuery.
No ecossistema do GCP, qual serviço, baseado no Apache Airflow, é especificamente utilizado para a orquestração, agendamento e monitoramento de pipelines de dados complexos em lote?
Cloud Data Fusion.
Dataproc.
Vertex AI Pipelines.
Cloud Composer.
Qual capacidade do Google Cloud permite aos usuários criar e executar modelos de Machine Learning diretamente sobre os dados armazenados no data warehouse, utilizando a linguagem SQL?
Vertex AI AutoML.
BigQuery ML (BQML).
AI Platform Training Jobs.
APIs de ML pré-treinadas (como Natural Language API).
Qual das seguintes opções melhor descreve a visão geral da modelagem da informação no ecossistema Google Cloud, conforme apresentado no texto?
Foca exclusivamente no design de bancos de dados relacionais gerenciados no Cloud SQL.
É vista como um processo contínuo e integrado que suporta todo o ciclo de vida dos dados, desde a ingestão até a IA/ML.
Limita-se principalmente à definição e validação de esquemas de mensagens no Pub/Sub Schema Registry.
Prioriza a modelagem física detalhada em detrimento das fases conceitual e lógica.
A aplicação de regras para validar a completude e consistência dos dados, bem como o rastreamento da origem e transformações (linhagem), são facilitadas pela modelagem da informação em qual área fundamental?
Otimização de performance de consultas SQL complexas.
Desenvolvimento de interfaces de programação de aplicações (APIs) RESTful.
Governança e Qualidade de Dados.
Projeto e implementação de interfaces gráficas de usuário (GUI).
De que forma a modelagem da informação contribui estrategicamente para o alinhamento entre as iniciativas de dados e os objetivos de negócio de uma organização?
Reduzindo diretamente os custos de armazenamento de dados na nuvem.
Forçando a articulação clara das necessidades de informação e traduzindo-as em estruturas de dados consultáveis que podem responder a perguntas de negócio.
Automatizando completamente a geração de relatórios financeiros e operacionais.
Simplificando a configuração de redes virtuais privadas (VPCs) e regras de firewall.
Com base na tabela comparativa apresentada, qual é a principal distinção nas considerações de modelagem entre o Google BigQuery e o Cloud Bigtable?
BigQuery foca primariamente em normalização, enquanto Bigtable exige desnormalização completa.
BigQuery utiliza particionamento e clustering para otimização, enquanto Bigtable depende criticamente do design da chave de linha (row key).
Ambos os serviços priorizam o design de esquemas relacionais complexos com integridade referencial.
Bigtable é otimizado para consultas SQL analíticas complexas, enquanto BigQuery é ideal para acesso rápido chave-valor.
