Académique Documents
Professionnel Documents
Culture Documents
P G IN A
2
3
3
5
10
10
11
13
14
15
18
18
19
20
22
23
28
62
63
83
Ol am igos e amigas!
Nosso assunto de hoje B u s in e s s In te llig e n c e .
Estudar Business Intelligence uma continuao natural do estudo
de Bancos de Dados, uma vez que sua aplicao ocorre principalm ente sobre
eles. Acho que vocs vo entender o motivo de eu ter insistido em ensinar o
Modelo Relacional, na aula anterior. Sem ele, o aprendizado nessa aula seria
dificultado. Espero que gostem da aula, e no se esqueam dos vdeos
com plem entares.
Aos estudos!
www.estrategiaconcursos.com.br
1de 83
Estratgia
C O N C U R S O S ^
B U S IN E S S IN T E L L IG E N C E
1. B U S IN E S S IN T E L L IG E N C E (IN T E L IG N C IA DE N EG C IO )
primeira
preocupao
www.estrategiaconcursos.com.br
2 de 83
Estratgia
Cr nONNr iCi R
U R ; Sr >O <S;
2. D A T A M IN IN G (M IN E R A O DE D A D O S )
2.1
O P r o c e s s o d e D e s c o b e rta d o C o n h e c im e n to em B D s (K D D )
Fayyad et al (1996) afirm am que o KDD com posto por cinco fases, a
saber:
www.estrategiaconcursos.com.br
3 de 83
Estratgia
C O N C U R S O S ^
S e le o
Processo que define quais sero os dados a serem trabalhados. Os dados
podem ser selecionados das mais diversas fontes de dados, tais como: banco de
dados relacional, arquivo texto legado, dentre outros. Ainda, dentro do universo
de dados selecionados, outras restries podem ser aplicadas.
P r - p ro c e s s a m e n to
Estgio de "lim peza dos dados", por meio de remoo de inconsistncias,
ajustes de form atos de dados, anlise de outliers (rem over do universo dos
dados ou consider-los?).
Exs: O sexo de um paciente gestante (inform ao desnecessria)
Reconfigurao dos dados para assegurar form atos consistentes
(dados que distinguem sexo por "F" ou "M", e dados que distinguem por "M" ou
'H")
T r a n s fo rm a o
Transform am -se os dados em form atos utilizveis.
tcnica data mining usada.
Esta depender da
www.estrategiaconcursos.com.br
4 de 83
2 .2
D a ta M in in g
Transform ed
Data
Assim ilated
Information
Extracted
I n f o r m a t io n
( select j
(.. transform
( mine
assim ilate)
= O
d
Esta m inerao pode utilizar vrias
conhecim ento. Vejam os algum as:
tcnicas
para
www.estrategiaconcursos.com.br
5 de 83
descoberta
de
Estratgia
Cr nONNr iCi R
U R ; Sr >O <S;
renda
+: exemplo
A o r u p a m e n t o f c lu s t e r in a ) : Sim ilar classificao, porm sem superviso
(o sistem a por si s sendo capaz de criar grupos).
Prof. Victor Dalton
www.estrategiaconcursos.com.br
6 de 83
E X E M P L O C L S S IC O D A A P L I C A O DE D A T A M IN IN G !
www.estrategiaconcursos.com.br
7 de 83
Estratgia
C O N C U R S O S ^
CAIU
na prova!
1) ( FCC - T R F 3 a R e g i o - A n a lis ta J u d ic i r io - B a n c o d e D a d o s - 2 0 1 4 )
Minerao de dados a investigao de relaes e padres globais que existem
em grandes bancos de dados, mas que esto ocultos no grande volum e de
dados. Com base nas funes que executam , h diferentes tcnicas para a
m inerao de dados, dentre as quais esto:
I. identificar afinidades existentes entre um conjunto de itens em um dado grupo
de registros. Por exemplo: 75% dos envolvidos em processos judiciais ligados a
ataques m aliciosos a servidores de dados tam bm esto envolvidos em
processos ligados a roubo de dados sigilosos.
II. identificar sequncias que ocorrem em determ inados registros. Por exemplo:
32% de pessoas do sexo fem inino aps ajuizarem uma causa contra o INSS
solicitando nova percia mdica ajuzam uma causa contra o INSS solicitando
ressarcim ento monetrio.
III. as categorias so definidas antes da anlise dos dados. Pode ser utilizada
para identificar os atributos de um determ inado grupo que fazem a
discrim inao entre 3 tipos diferentes, por exem plo, os tipos de processos
judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de tcnicas referenciados em I, II e III, respectivam ente, so:
I
II
III
R e d e s Neurais
rvore de d eciso
P ad r e s sequen ciais
A sso cia o
P ad r e s sequenciais
C la ssifica o
C la ssifica o
A sso cia o
P re viso
rvore de d eciso
C la ssifica o
A sso cia o
P ad r e s sequenciais
R e d e s Neurais
rvore de d eciso
www.estrategiaconcursos.com.br
8 de 83
Estratgia
Cr nONNr iCi R
U R ; Sr >O <S;
www.estrategiaconcursos.com.br
9 de 83
3.1
C o n c e ito s B s ic o s
Um D a ta W a re h o u s e , ou a rm a z m d e d a d o s , ou ainda d e p s ito d e
d a d o s , um r e p o s it r io d e in fo r m a e s c o lh id a s d e v r ia s o rig e n s ,
a r m a z e n a d a s s o b um e s q u e m a u n ific a d o , e m um n ic o lo c a l. Quando
reunidos, os dados so arm azenados por muito tem po, perm itindo o acesso a
dados histricos. Ainda, o desenho da base de dados favorece os relatrios, a
anlise de grandes volum es de dados e a obteno de informaes estratgicas
que podem f a c ilit a r a to m a d a d e d e c is o .
www.estrategiaconcursos.com.br
10 de 83
Estratgia
C O N C U R S O S ^
Qualquer fonte
Qualquer Dado
Qualquer acesso
1B
Dados
O peracionais
Data
W arehouse
Dados
Externos
Ferram entas
de con su ltas
Ferram entas
deO LAP
A p lica tiv o s
3 .2
C a r a c te r s t ic a s d o D a ta W a re h o u s e
www.estrategiaconcursos.com.br
11 de 83
Estratgia
C O N C U R S O S ^
No volatilidade
O P E R A C IO N A L
incluir
alterar
excluir
incluir
DATA W AREHOUSE
acessar
alterar
acessar
carregar
excluir
Integrao de dados
OPERACIONAL
Aplicao A: m ,f______________
Aplicao B: 1,0 --------------------Aplicao C: masculino, feminino
Aplicao A: caminho - centmetros
Aplicao B: caminho - ps
Aplicao C: caminho - jardas----Aplicao A: descrio _____ _
Aplicao B: descrio_________
Aplicao C: descrio----- .-------Aplicao A: chave char(10)-------Aplicao B: chave dec fixed(9,2)
Atdicaco C: chave chai 12
DATA WAREHOUSE
sexo:m, f
caminho:
centmetros
descrio
Chave
char(12)
www.estrategiaconcursos.com.br
12 de 83
Estratgia
Cr nONNr iCi R
U R ; Sr >O <S;
3 .3
D a ta M a rts
"Por e s p e c ia liz a d o entende-se que o Data M art (ferram enta OLTP) possui
uma estrutura baseada em um am biente, tema, situao, rea, se to r ou
aplicao especfica, enquanto o DW (ferram enta OLAP) se baseia em vrias
fontes de diversas aplicaes, fontes e situaes para facilitar um suporte a
deciso gerencial.
Por v o l til, entende-se que os dados do Data M art so alterados
frequentem ente, enquanto os do DW, p o r guardarem histrico, s so alterados
quando uma carga foi feita de forma errada, m as no frequentem ente como em
um data m art (que baseado em aplicaes)."
os
relacionam entos
www.estrategiaconcursos.com.br
13 de 83
Data
Mart/Data
Estratgia
C O N C U R S O S ^
A b o rd a g e m B o tto m Up
Data Mart 1
A b o rd a g e m T o p D o w n
Data Mart 1
www.estrategiaconcursos.com.br
14 de 83
Estratgia
C O N C U R S O S ^
C O M P A R A O - D A T A M IN IN G x D A T A W A R E H O U S E
D a ta M in in g
D a ta W a r e h o u s e
T c n ic a d e B I q u e e x tr a i p a d r e s
te is e m b a n c o s d e d a d o s
R e p o s it r io h is t r ic o d e d a d o s ,
m o n ta d o d e fo rm a a f a c ilit a r a
e x tr a o d e c o n h e c im e n to
P o d e s e r a p lic a d o em b a n c o s d e
d a d o s c o m u n s , s is te m a s le g a d o s , e
ta m b m
em
D a ta
W a re h o u s e
( o n d e , p ro v a v e lm e n te , m e lh o re s
re s u lta d o s s e r o o b t id o s )
D iv e rs a s fe r r a m e n ta s p o d e m s e r
u tiliz a d a s
so b re
um
D a ta
W a re h o u s e ,
com o
fe rra m e n a s
O L A P , g e r a d o r e s d e r e la t r io s e
D a ta M in in g
A m b a s e s t o in s e r id a s n o c o n t e x t o d e B u s in e s s I n t e llig e n c e , c o m
o o b j e t iv o d e e x t r a i r c o n h e c im e n t o t il p a r a a t o m a d a d e d e c is e s
e m p r e s a r ia is !
3 .4
E x tra o , T ra n s fo rm a o e C a rg a
Operatkmal System
Olap Analysis
ETL
ERP
M .1,
Motadau
I
TnraftyitiMt
' .*j i i
Reporting
Su<nmry j
Data
CRM
Data Warahouse
Data Mining
Fiat
File s
www.estrategiaconcursos.com.br
15 de 83
Estratgia
C O N C U R S O S ^
E x tra o
A primeira parte do processo de ETL a extrao de dados dos sistem as de
origem. Esses sistem as de origem podem ser: s is te m a s le g a d o s , b a n c o s d e
d a o d s e m d ife r e n t e s fo r m a to s (Oracle, DB2, Sql Server), o u tr o s s is te m a s
c o r p o r a tiv o s , in fo r m a e s p b lic a s d is p o n v e is e m s it e s w e b , dentre
outros.
Cada sistem a pode tam bm utilizar um form ato ou organizao de dados
diferente. Formatos de dados com uns so bases de dados relacionais e flat files
(tambm conhecidos como arquivos planos), mas podem incluir estruturas de
bases de dados no relacionais, como o IMS ou outras estruturas de dados,
como VSAM ou ISAM. A extrao converte para um determ inado form ato para a
entrada no processam ento da transform ao.
Prof. Victor Dalton
www.estrategiaconcursos.com.br
16 de 83
T r a n s fo rm a o
O estgio de transform ao aplica uma srie de regras ou funes aos
dados extrados para derivar os dados a serem carregados. Algum as fontes de
dados necessitaro de muito pouca m anipulao de dados. Em outros casos,
podem ser necessrios um ou mais de um dos seguintes tipos de transform ao:
C a rg a
A fase de carga carrega os daftos no Data Warehouse. Dependendo das
necessidades da organizao, este processo varia am plam ente. Alguns data
warehouses podem substituir as inform aes existentes sem analm ente, com
dados cum ulativos e atualizados, ao passo que outro DW (ou at m esm o outras
partes do mesmo DW, conhecidos como Data Marts) podem adicionar dados a
cada hora. A tem porizao e o alcance de reposio ou acrscim o constituem
opes de projeto estratgicas que dependem do tem po disponvel e das
necessidades de negcios. Sistem as mais com plexos podem m anter um histrico
e uma pista de auditoria de todas as m udanas sofridas pelos dados.
www.estrategiaconcursos.com.br
17 de 83
4 .1
D e fin i o
show me the
cornf
clotfljn#
Time
F tb ru a ry
M m
2007
M a rc K
Apnl
*y
S l
S (
Am ount C o st
S * ln
Q cy
P r o f it
M a r t in X
Aeasures
Qual a m a rge m de lucro para b icicle ta s em fe v e re iro ? Esse o tip o de pergun ta que o O LA P vai re spon de r, em
um a busca m u ltid im e n sio n a l no banco de d ados (tem po , produto, m a rge m de lucro)
www.estrategiaconcursos.com.br
18 de 83
Estratgia
C O N C U R S O S ^
4 .2
T a b e la s d e fa to e ta b e la s d e d im e n s o
Grocery Store
Retail dim ensions
Grocery Store
Retail dimensions
www.estrategiaconcursos.com.br
19 de 83
Estratgia
C O N C U R S O S ^
4 .3
D u a s fo r m a s d e m o d e la g e m
E s tre la e F lo c o d e N e v e
m u ltid im e n s io n a l:
esq uem as
O M o d e lo E s tre la ( S ta r S c h e m a )
No modelo estrela todas as tabelas relacionam -se diretam ente com a
ta b e la d e fa to s . Sendo assim , as ta b e la s d im e n s io n a is devem conter todas
as descries que so necessrias para definir uma classe como Produto, Tempo
ou Loja nela mesma (veja exem plo na figura abaixo). Em sum a, as tabelas de
dim enses so desnorm alizadas no modelo estrela. Por consequncia,
detem inados cam pos como Categoria, Departam ento, Marca contero suas
descries repetidas em cada registro, assim , aum entando o tam anho das
tabelas de dim enso por repetirem estas descries de forma textual em todos
os registros.
DimensoMailing
DimensoPrcdo
DrtwnoClienie
Faio&_yer*ja
DmensSo Tempo
Orrwnsc UJja
Dimenso Promoo
Este modelo cham ado de estrela porque a tabela de fatos fica ao centro
cercada das tabelas dim ensionais assem elhado a uma estrela. Mas o ponto forte
a fixar que as dim enses no so norm alizadas.
www.estrategiaconcursos.com.br
20 de 83
Dimenso toia
Fatos Venda
Marca
Meio
Dimenso Te
Ano
Ms
Dimenso P rn d il/
O^atarrenio
C a te q iia
No modelo Floco existem tabelas de dim enses auxiliares que norm alizam
as tabelas de dim enses principais. Na figura anterior, A n o , M s e D ia so
tabelas que norm alizam a Dimenso T e m p o , ao passo que C a te g o ria ,
D e p a rta m e n to e M a rc a norm alizam a Dim enso P r o d u t o e a tabela M e io
norm aliza a Dim enso P ro m o o .
Construindo a base de dados desta form a, passam os a utilizar mais tabelas
para representar as m esm as dim enses, mas ocupando um espao em disco
m enor do que o modelo estrela. Este modelo cham a-se floco de neve, pois cada
dim enso se divide em vaias outras tabelas, onde organizadas de certa forma
lembra um floco de neve.
C o n s id e ra e s
O Modelo Floco (Snow Flake) reduz o espao de arm azenam ento dos dados
dim ensionais mas acrescenta vrias tabelas ao modelo, deixando-o mais
com plexo, tornando mais difcil a navegao pelos softwares que utilizaro o
banco de dados. Um outro fator que mais tabelas sero utilizadas para
executar uma consulta, ento mais JOINS de instruo SQL sero feitos,
tornando o acesso aos dados mais lento do que no modelo estrela.
O Modelo Estrela (S ta r Schem a) mais sim ples e mais fcil de navegao
pelos softwares, porm desperdia espao repetindo as m esm as descries ao
longo de toda a tabela. Porm, anlises mostram que o ganho de espao
Prof. Victor Dalton
www.estrategiaconcursos.com.br
21 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
4 .4
A r q u ite t u r a s O L A P
www.estrategiaconcursos.com.br
22 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
O processo de carga com plexo devido a srie de clculos que devem ser
realizados para agregar os dados s dim enses e preencher as estruturas do
banco. Depois do processo concludo, ainda realizado uma srie de
m ecanism os para m elhorar a capacidade de pesquisa.
J no R O L A P ( R e la t io n a l O n -L in e A n a ly tic a l P r o c e s s in g ) os dados so
arm azenados no modelo relacional como tam bm suas consultas so
processadas pelo gerenciador do banco relacional.
Por outro lado, o D O L A P ( D e s k to p O n -L in e A n a ly tic a l P r o c e s s in g )
uma variao que existe para fornecer portabilidade dos dados, uma vez que o
conjunto de dados m ultidim ensional criado no servidor e transferido para o
desktop. A vantagem que oferece esta arquitetura a reduo do trfico na
rede.
Existem tambm arquiteturas hbridas como a H O L A P (H y b rid O n -L in e
A n a ly t ic a l P r o c e s s in g ) , na qual ocorre uma com binao entre ROLAP e
MOLAP. A vantagem que com a mistura de tecnologias pode-se extrair o que
h de m elhor de cada uma, a alta perform ance do MOLAP e a escalabilidade do
ROLAP.
Dentre as arquiteturas mais recentes, podemos citar a W O L A P (W e b O n
L in e A n a ly t ic a l P r o c e s s in g ) , que dispara suas consultas via navegador web
para o servidor, que por sua vez retorna enviando o cubo processado de volta,
para que possa ser analisado pelo usurio.
4 .5
O p e ra e s e m O L A P
www.estrategiaconcursos.com.br
23 de 83
Estratgia
C O N C U R S O S ^
Produto
Quantidade
ABC
Camisa
20
ABC
Cala
10
XYZ
Camisa
30
XYZ
Cala
20
Produto
ABC
XYZ
Camisa
20
30
Cala
10
20
www.estrategiaconcursos.com.br
24 de 83
Estratgia
C O N C U R S O S ^
CAIU
na prova!
2 ) ( FCC - T R F 3 a R e g i o - A n a lis ta J u d ic i r io - B a n c o d e D a d o s - 2 0 1 4 )
A tecnologia de Data W arehouse oferece suporte s ferram entas OLAP, que
apresentam vises m ultidim ensionais de dados permitindo a anlise das
operaes de negcio para facilitar a tom ada de decises. Estas ferram entas
suportam algum as operaes de maneira a dar aos analistas o poder de
observar os dados de vrias m aneiras em nveis diferentes. Considere duas
destas operaes m ostradas nas figuras abaixo.
www.estrategiaconcursos.com.br
25 de 83
Estratgia
C O N C U R S O S ^
Regio
Ano
D ad os
sia
Europa
Amrica do Norte
Total Geral
Soma de Hardware
97
23
198
318
Soma de Software
83
41
425
549
Soma de Hardware
115
28
224
367
Soma de Software
78
65
410
553
Soma de Hardware
102
25
259
386
Soma de Software
55
73
497
625
314
76
681
1071
216
179
1332
1727
2010
2011
2012
Ano
Regio
D ados
2010
2011
2012
Total Geral
Soma de Hardware
97
115
102
314
Soma de Software
83
78
55
216
Soma de Hardware
23
28
25
76
Soma de Software
41
65
73
179
Soma de Hardware
198
224
259
681
Soma de Software
425
410
497
1332
318
367
386
1071
549
553
625
1727
Asia
Europa
Amrica do Norte
Figura 1
R e g i o
V a ria o d e v e n d a s
frica
105%
57%
A sia
E u ro p a
122%
A m ric a do N orte
97%
P acifico
85%
163%
A m ric a do S ul
V a r ia o d e v e n d a s
P a is
C h in a
123%
J ap o
52%
ndia
87%
C in g ap u ra
95%
F ig u ra 2
www.estrategiaconcursos.com.br
26 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
www.estrategiaconcursos.com.br
27 de 83
1a Questo) (E S A F - A n a lis ta d e P la n e ja m e n to e O r a m e n to
T e c n o lo g ia da I n fo r m a o - 2 0 1 0 ) BI - Business Inteligence
www.estrategiaconcursos.com.br
28 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
transaes,
percepo.
para
tom ador de
deciso
tenha
sua
prpria
A lt e r n a t iv a e).
4a Questo) (U E P A - S E F A / P A - A u d it o r F is c a l d e R e c e ita s E s ta d u a is
- 2 0 1 3 ) Leia o texto para responder questo abaixo.
Fiscalizao
Eletrnico
Tributria
ter
Posto
Fiscal
www.estrategiaconcursos.com.br
29 d e 8 3
I e II.
II e III.
I, III e IV.
I, II e III.
I e IV.
www.estrategiaconcursos.com.br
30 de 83
6a Questo) (F C C - T R T / 9 a R e g i o - T c n ic o J u d ic i r io - T e c n o lo g ia
da I n fo r m a o - 2 0 1 3 ) Com o crescente aum ento do volum e de dados, surge
a necessidade de ferram entas e m ecanism os que permitam que eles possam ser
analisados de forma otim izada, uma vez que arm azenam toda a trajetria da
em presa. Uma soluo a utilizao de ...I... que, em sntese, utilizado para
arm azenar conjuntos de dados organizados por assuntos, mantendo todo um
histrico corporativo. Outro recurso muito utilizado e dos mais im portantes
quando o objetivo a busca de conhecim ento, o ...II... , que um processo
que consiste na identificao de informaes relevantes que esto presentes em
grandes bancos de dados ou repositrios, geralm ente realizado em trs etapas:
a explorao, a definio dos padres e a validao dos dados. Estas
ferram entas e tcnicas fazem parte do ...III... , definido como um conjunto de
mtodos e conceitos que podem ser im plem entados atravs de softwares com o
intuito de utilizar os dados im portantes da organizao para auxiliar no processo
de tom ada de decises, proporcionando m elhorias para a alta adm inistrao.
Outra tecnologia que pode prover uma m elhor e mais flexvel anlise das
informaes, o ...IV... que permite uma viso conceitual de forma
m ultidim ensional das informaes da organizao, de maneira que as
informaes possam ser visualizadas e analisadas de diferentes perspectivas
pelo usurio.
(http://w w w .devm edia.com .br/m ineracao-de-dados-data-w arehouse-datam ining-bi-e-olap-atraves-do-fastcube-revista-clubedelphi-146/26537)
As lacunas que com pletam corretam ente o texto esto expressas em
www.estrategiaconcursos.com.br
31 de 83
Estratgia
C O N C U R S O S ^
II
I I I
IV
D a ta W a re h o u s e
D a ta M a rt
CPM
SGBD
D a ta M in in g
D a ta W a re h o u s e
D a s h b o a rd
O LAP
O LAP
B u s in e s s In te llig e n c e
D a ta M in in g
D a s h b o a rd
D a ta W a re h o u s e
D a ta M in in g
B u s in e s s In te llig e n c e
O LAP
O LAP
D a ta M a rt
D a ta W a re h o u s in g
B u s in e s s In te llig e n c e
A lt e r n a t iv a d).
www.estrategiaconcursos.com.br
32 de 83
Estratgia
C O N C U R S O S ^
II
III
IV
Staging Area
S iste m a s O L A P
Banco de D ados
M ultidim ensionais
S istem as de Data
M ining
S istem as O L A P
S istem as E T L
DW
S istem as de Data
M ining
DW
S istem as E T L
S iste m a s O L T P
DW
Dafa Marts
S istem as O L A P
Ban co de Dados
T ransacionais
Data Marts
DW
Banco de D ados
M ultidim ensionais
Banco de D ados
T ransacionais
ERP
pr-processam ento,
transform ao,
33 d e 83
data
mining
Estratgia
C O N C U R S O S ^
Relem brando:
A lt e r n a t iv a a).
9a Questo) (E S A F - A n a lis ta d e P la n e ja m e n to
T e c n o lo g ia da I n fo r m a o - 2 0 1 0 ) Minerao de Dados
e O r a m e n to
www.estrategiaconcursos.com.br
34 de 83
descoberta
de
www.estrategiaconcursos.com.br
35 de 83
Analisando as alternativas:
a) Errada, pois, m esm o que seja som ente para analisar e validar o
resultado do Data Mining, n e c e s s ria a p a rtic ip a o h u m a n a no
p ro c e sso !
b) Errada. A minerao de dados valoriza a informao a mais especfica
possvel. A sim plificao dos dados brutos pode descartar informao
valiosa para a criao de conhecim ento.
c) Definio de D a ta W a re h o u s e ! Errada.
d) Errada! E I M P O R T A N T E ! O Data Mining no precisa ser utilizado
som ente em DataW arehouse, tam bm pode-se aplicar DM em bancos de
dados com uns, arquivos legados, na web, etc;
e ) C o rre ta , e d e fin i o bastarnte c o m p le ta .
descrio.
agrupam ento.
visualizao.
anlise de outliers.
www.estrategiaconcursos.com.br
36 de 83
12a Questo) (F C C - T C E / S P - A g e n te d a F is c a liz a o F in a n c e ir a 2 0 0 8 ) NO uma tcnica no processo de garim pagem de dados utilizada em
Data Mining:
a)
b)
c)
d)
e)
Associao.
Classificao.
Avaliao.
Agregao.
Padres sequenciais
14 a
Questo) (F C C - P r e fe itu r a d e S o P a u lo - A u d it o r F is c a l
T r ib u t r io M u n ic ip a l I - T e c n o lo g ia da I n fo r m a o - 2 0 1 2 ) Em aplicaes
de data mining uma operao comum o aprendizado ou m inerao de regras
Prof. Victor Dalton
www.estrategiaconcursos.com.br
37 de 83
Estratgia
C O N C U R S O S ^
de associao entre itens. Uma papelaria aplica o algoritm o Apriori para m inerar
regras de associao entre as seguintes compras:
C d ig o C om p ra
Itens C o m p ra d o s
DH456
FT654
lpis, rgua
IV739
YR 983
www.estrategiaconcursos.com.br
38 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
IV.
Um Datawarehouse deve ser invarivel no tem po, ou seja, sua
estrutura dos dados dispensa elem entos tem porais, sendo im portante apenas a
reteno da chave primria.
Indique a opo que contenha todas as afirm aes verdadeiras.
a)
b)
c)
d)
e)
I e II
II e III
I e III
III e IV
II e IV
www.estrategiaconcursos.com.br
39 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
17a Questo) (F G V - S E F A Z / R J - A g e n te F is c a l d e R e n d a s - 2 0 0 7 )
DataW arehouse e DataMining so recursos utilizados por m uitas organizaes
para facilitar e agilizar o processam ento, a anlise e a consulta de dados. Sobre
esses recursos, correto afirm ar que:
a) um DataMining arm azena dados extrados de bancos de dados de
diferentes organizaes.
b) um DataW arehouse arm azena dados por perodos no superiores a trs
m eses, o que dificulta previses e anlises de tendncia.
www.estrategiaconcursos.com.br
40 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
18a Questo) (F C C - T C E / S P - A g e n te da F is c a liz a o F in a n c e ir a 2 0 0 8 ) Os depsitos de dados voltados para o processo decisrio gerencial e que
podem ser definidos como espcies de mesmo tipo e estrutura so
a)
b)
c)
d)
e)
www.estrategiaconcursos.com.br
41 de 83
I, apenas.
I e II, apenas.
I e III, apenas.
I, II e III.
II e III, apenas.
(F C C - S E F A Z / S P - A g e n te F is c a l d e R e n d a s - T e c n o lo g ia da
I n fo r m a o - 2 0 1 3 ) Considere o texto a seguir (baseado em uma notcia real):
www.estrategiaconcursos.com.br
42 de 83
Estratgia
r nNr i i R; r ><;
www.estrategiaconcursos.com.br
43 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
www.estrategiaconcursos.com.br
44 de 83
23a Questo) (F G V - M P E / M S - A n a lis ta - A n lis e d e S is t e m a s 2 0 1 3 - a d a p ta d a ) Com relao ao tem a "Arquitetura e aplicaes de data
warehousing", analise as afirm ativas a seguir.
I. As quatro caractersticas principais dos datawarehouses so: orientao
por assunto, no volatilidade, integrao com outras fontes de dados e variao
em relao ao tempo.
II. Datawarehouses auxiliam diretores e gestores no processam ento de
transaes do dia-a-dia da em presa e, por esse m otivo, arm azenam dados e
metadados altam ente norm alizados e de baixa granularidade.
Assinale:
a) se som ente a afirm ativa I estiver correta.
b) se som ente a afirm ativa II estiver correta.
c) se nenhuma estiver correta.
d) am bas estiverem corretas.
www.estrategiaconcursos.com.br
45 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
III. Seu objetivo fornecer uma "im agem nica da realidade do negcio".
De uma forma geral, so sistem as que com preendem um conjunto de programas
que extraem dados do am biente de dados operacionais da em presa, um banco
de dados que os m antm , e sistem as que fornecem estes dados aos seus
usurios.
IV. As ferram entas ROLAP surgiram juntam ente com os Sistem as de Apoio
Deciso para fazerem a consulta e a anlise dos dados contidos nos Data
Warehouses e Data Marts.
Assinale a alternativa correta.
a)
b)
c)
d)
e)
Som ente
Som ente
Som ente
Som ente
Som ente
as
as
as
as
as
afirm ativas
afirm ativas
afirm ativas
afirm ativas
afirm ativas
I e III so corretas.
I e IV so corretas.
II e IV so corretas.
I, II e III so corretas.
II, III e IV so corretas.
46 d e 83
Estratgia
C O N C U R S O S ^
showmetne
Product
Catesories
Compon
Time
Ciot
F tb ru a ry
Bike s
2007
rc h
S*!
Am ount
P ro flt
Marsm X
C o -.t
Measures
Qual a m a rge m de lucro para b icicle ta s em fe v e re iro ? Esse o tip o de pergun ta que o O LA P vai re spon de r, em
um a busca m u ltid im e n sio n a l no banco de d ados (tem po , produto, m a rge m de lucro)
podemos
responder
questo
com
drill-across.
star.
cube.
pivot.
cross-join.
www.estrategiaconcursos.com.br
47 de 83
www.estrategiaconcursos.com.br
48 de 83
Estratgia
C O N C U R S O S ^
For
show m etne
Jane
Product
C a te g o rie s
T im e
F tb ru a ry
Bikes
2007
S al Sales
Amourtt CoM
Sales
Qty
P ro fit
M a rtin X
M easures
www.estrategiaconcursos.com.br
49 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
III. No Snow Flake as subdim enses, por no serem norm alizadas, geram
aum ento significativo no nmero de registros e, como consequncia, aum entam
tam bm a quantidade de joins necessrios exibio de uma consulta.
IV. Data Mining uma ferram enta de m inerao de dados que executa a
varredura nos dados histricos com o objetivo de desconsiderar o que genrico
sobre algum assunto e valorizar tudo que o for especfico dentro do sistem a.
Est correto o que consta em
a)
b)
c)
d)
e)
I e II, apenas.
III e IV, apenas.
I, II e III, apenas.
II, III e IV, apenas.
I, II, III e IV.
Analisando:
I. C o rre ta , uma vez que o DW no-volttil;
II. Definio c o rr e ta acerca de ETL;
III. No snow flake as subdim enses so norm alizadas. E rra d a ;
IV. Definio tam bm equivocada de DM.
www.estrategiaconcursos.com.br
50 de 83
www.estrategiaconcursos.com.br
51 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
Todas as afirm ativas esto erradas, com exceo da a lte r n a tiv a e). Um
DW, por servir de base para ferram entas OLAP, precisa de m uitos ndices, para
dim inuir o custo operacional das pesquisas, que podem ser as mais variadas
possveis.
pois as
pelos
www.estrategiaconcursos.com.br
52 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
e)
os dados so obtidos ad hoc, ou seja, sem pre que um relatrio
requisitado, os bancos OLTP so acessados dinam icam ente para a obteno
imediata desta informao.
Esta questo est diretam ente relacionada com a anterior. Um dos m otivos
pelos quais um DW possui m uitos ndices justam ente porque as consultas
OLAP podem ser dem asiadam ente com plexas e, m esm o em um banco indexado,
as operaes podem levar horas para serem executadas.
A lt e r n a t iv a b).
www.estrategiaconcursos.com.br
53 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
www.estrategiaconcursos.com.br
54 de 83
(C E S P E - M P O G
I n fo r m a o - 2 0 1 3 )
C a te g o ria
P r o fis s io n a l
T e c n o lo g ia
da
www.estrategiaconcursos.com.br
55 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
(C E S P E - A N T T - A n a lis ta A d m in is t r a t iv o S is te m a s da I n fo r m a o - 2 0 1 3 )
D e s e n v o lv im e n to d e
www.estrategiaconcursos.com.br
56 de 83
d) HAVING.
e) SELECT.
www.estrategiaconcursos.com.br
57 de 83
Estratgia
C O N C U R S O S ^
Essa questo vem para exigir o seu raciocnio. Postos os com entrios
acim a, percebe-se com facilidade que as alternativas de a) a c) esto erradas. A
alternativa d) tam bm incorreta porque, apesar de evitar a utilizao de
SGBDs tradicionais, um DW no impacta significativam ente sistem as
operacionais. Eles se envolvem com as aplicaes que os m anipulam , apenas.
A voc chega na alternativa e) e pensa: "os dados no DW no podem ser
excludos ou alterados, pois ele n o v o l til" .
No bem assim! Ele no voltil no sentido de no poderem ser
excludos ou alterados dados vlid o s. Observou que o DW v a r ia n te no
te m p o ? Ora, se um DW guarda apenas informaes dos ltim os 10 anos de uma
em presa, o que acontece com os dados que ultrapassam esse perodo de
longevidade? Naturalm ente, eles sero excludos do DW, preferencialm ente, com
o arm azenam ento de uma cpia de backup.
Resposta certa, a lte r n a tiv a e).
www.estrategiaconcursos.com.br
58 de 83
Estratgia
C O N C U R S O S ^
I.
identificar afinidades existentes entre um conjunto de itens em um dado
grupo de registros. Por exemplo: 75% dos envolvidos em processos judiciais
ligados a ataques m aliciosos a servidores de dados tam bm esto envolvidos em
processos ligados a roubo de dados sigilosos.
II.
identificar sequncias que ocorrem em determ inados registros. Por
exemplo: 32% de pessoas do sexo fem inino aps ajuizarem uma causa contra o
INSS solicitando nova percia mdica ajuzam uma causa contra o INSS
solicitando ressarcim ento monetrio.
III.
as categorias so definidas antes da anlise dos dados. Pode ser
utilizada para identificar os atributos de um determ inado grupo que fazem a
discrim inao entre 3 tipos diferentes, por exem plo, os tipos de processos
judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
Os tipos de tcnicas referenciados em I, II e III, respectivam ente, so:
I
II
III
R e d e s Neurais
rvore de d eciso
P ad r e s sequen ciais
A sso cia o
P ad r e s sequenciais
C la ssifica o
C la ssifica o
A sso cia o
P re viso
rvore de d eciso
C la ssifica o
A sso cia o
P ad r e s sequenciais
R e d e s Neurais
rvore de d eciso
III.
as categorias so definidas antes da anlise dos dados. Pode se r
utilizada para identificar os atributos de um determ inado grupo que fazem a
discrim inao entre 3 tipos diferentes, p o r exem plo, os tipos de processos
ju d icia is podem se r categorizados como infrequentes, ocasionais e frequentes Eu pararia na frase sublinhada para m arcar C la s s ific a o . Sua grande diferena
Prof. Victor Dalton
www.estrategiaconcursos.com.br
59 de 83
Estratgia
C O N C U R S O S ^
R e g i o
Ano
D ados
sia
E u ro p a
S o m a d e H a rd w a re
97
23
198
318
S o m a d e S o ftw a re
83
41
425
549
S o m a d e H ard w a re
115
28
224
367
S o m a d e S o ftw a re
78
65
410
553
S o m a d e H a rd w a re
102
25
259
386
S o m a d e S o ftw a re
55
73
497
625
S o m a d e H a rd w a re Total
314
76
6 81
1 071
S o m a d e S o ftw a re Total
216
179
1332
1727
2010
2 011
2012
A m ric a do N o rte
T o tal G e ra l
Ano
R e g i o
D ados
2010
sia
E u ro p a
2011
2012
Total G e ra l
S o m a d e H a rd w a re
97
115
102
314
S o m a d e S o ftw a re
83
78
55
216
S o m a d e H a rd w a re
23
28
25
76
65
73
179
S o m a d e S o ftw a re
S o m a d e H a rd w a re
198
224
259
6 81
S o m a d e S o ftw a re
425
410
497
1332
S o m a d e H a rd w a re Total
318
367
386
1 071
S o m a d e S o ftw a re Total
549
553
625
1727
A m ric a d o N o rte
Figura 1
www.estrategiaconcursos.com.br
60 de 83
Estratgia
C O N C U R S O S ^
R e g i o
V a ria o d e v e n d a s
frica
105%
57%
A sia
E u ro p a
122%
97%
A m ric a do N orte
85%
P acifico
163%
A m ric a do S ul
V a r ia o d e v e n d a s
P a s
C h in a
123%
J ap o
52%
ndia
87%
C in g ap u ra
95%
Figura 2
rotao e drill-down.
ROLAP e drill-through.
rotao e roll-up.
roll-up e rotao.
drill-down e ROLAP.
www.estrategiaconcursos.com.br
61 de 83
Pessoal, tenho conscincia que esse assunto nem sem pre com preendido
"de prim eira" pelo concurseiro. Tenha pacincia, "faa a digesto" do assunto, e
leia novam ente em outra oportunidade. At o dia da prova, tenho certeza que
voc absorver esse contedo e estar em condies de fazer um bom exame.
Ainda, caso voc esteja inseguro, veja as nossas videoaulas. L, o contedo
certam ente ser mais am igvel para voc.
At a prxima aula!
Victor Dalton
www.estrategiaconcursos.com.br
62 de 83
I a Questo) (E S A F - A n a lis ta d e P la n e ja m e n to e O r a m e n to
T e c n o lo g ia da I n fo r m a o - 2 0 1 0 ) BI - Business Inteligence
4 a Questo) (U E P A - S E F A / P A - A u d it o r F is c a l d e R e c e ita s E s ta d u a is
- 2 0 1 3 ) Leia o texto para responder questo abaixo.
www.estrategiaconcursos.com.br
63 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
Fiscalizao
Eletrnico
Tributria
ter
Posto
Fiscal
www.estrategiaconcursos.com.br
64 de 83
Estratgia
C O N C U R S O S ^
IV.
As ferram entas OLAP (On-line Analytical Processing) so capazes de
analisar grandes volum es de dados, fornecendo diferentes perspectivas de viso
e auxiliando usurios na sintetizao de informaes.
Est correto o que se afirma APENAS em
a)
b)
c)
d)
e)
I e II.
II e III.
I, III e IV.
I, II e III.
I e IV.
6a Questo) (F C C - T R T / 9 a R e g i o - T c n ic o J u d ic i r io - T e c n o lo g ia
da I n fo r m a o - 2 0 1 3 ) Com o crescente aum ento do volum e de dados, surge
a necessidade de ferram entas e m ecanism os que permitam que eles possam ser
analisados de forma otim izada, uma vez que arm azenam toda a trajetria da
em presa. Uma soluo a utilizao de ...I... que, em sntese, utilizado para
arm azenar conjuntos de dados organizados por assuntos, mantendo todo um
histrico corporativo. Outro recurso muito utilizado e dos mais im portantes
quando o objetivo a busca de conhecim ento, o ...II... , que um processo
que consiste na identificao de informaes relevantes que esto presentes em
grandes bancos de dados ou repositrios, geralm ente realizado em trs etapas:
a explorao, a definio dos padres e a validao dos dados. Estas
ferram entas e tcnicas fazem parte do ...III... , definido como um conjunto de
mtodos e conceitos que podem ser im plem entados atravs de softwares com o
intuito de utilizar os dados im portantes da organizao para auxiliar no processo
de tom ada de decises, proporcionando m elhorias para a alta adm inistrao.
Outra tecnologia que pode prover uma m elhor e mais flexvel anlise das
informaes, o ...IV... que permite uma viso conceitual de forma
m ultidim ensional das informaes da organizao, de maneira que as
informaes possam ser visualizadas e analisadas de diferentes perspectivas
pelo usurio.
(http://w w w .devm edia.com .br/m ineracao-de-dados-data-w arehouse-datam ining-bi-e-olap-atraves-do-fastcube-revista-clubedelphi-146/26537)
As lacunas que com pletam corretam ente o texto esto expressas em
I
II
I I I
IV
D a ta W a re h o u s e
D a ta M a rt
CPM
SGBD
D a ta M in in g
D a ta W a re h o u s e
O LAP
O LAP
B u s in e s s In te llig e n c e
D a ta M in in g
D a s h b o a rd
D a ta W a re h o u s e
D a ta M in in g
B u s in e s s In te llig e n c e
O LAP
O LAP
D a ta M a rt
D a ta W a re h o u s in g
B u s in e s s In te llig e n c e
www.estrategiaconcursos.com.br
65 de 83
D a s h b o a rd
Estratgia
C O N C U R S O S ^
II
III
IV
EB
___________
- P r o je t a r
- M apear
k
- E x t r a ir
\
/
y
'
- C a rre g a r
- In d e x a r
- L im p a r
-T ra n s f.
F=U
n
- A g re g a r
- R e p lic a r
- U tiliz a o e s tr a t g ic a
dados
b a j
- A c e s s o e a n lis e
- D is t r ib u ir o s
/|
p .
d a s in f o r m a e s
y
E l
0
r d
G e s t o d e m e ta d a d o s
A d m in is t r a o e m o n it o r a o d o D a ta W a re h o u s e
II
III
IV
Staging Area
S iste m a s O L A P
Banco de D ados
M ultidim ensionais
S istem as de Data
M ining
S istem as O L A P
S istem as E T L
DW
S istem as de Data
M ining
DW
S istem as E T L
S iste m a s O L T P
DW
Data Marts
S istem as O L A P
Ban co de Dados
T ransacionais
Data Marts
DW
Banco de D ados
M ultidim ensionais
Banco de D ados
T ransacionais
ERP
www.estrategiaconcursos.com.br
66 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
9a Questo) (E S A F - A n a lis ta d e P la n e ja m e n to
T e c n o lo g ia da I n fo r m a o - 2 0 1 0 ) Minerao de Dados
e O r a m e n to
www.estrategiaconcursos.com.br
67 de 83
a)
b)
c)
d)
e)
descrio.
agrupam ento.
visualizao.
anlise de outliers.
anlise de associaes.
12a Questo) (F C C - T C E / S P - A g e n te d a F is c a liz a o F in a n c e ir a 2 0 0 8 ) NO uma tcnica no processo de garim pagem de dados utilizada em
Data Mining:
a)
b)
c)
d)
e)
Associao.
Classificao.
Avaliao.
Agregao.
Padres sequenciais
14 a
Questo) (F C C - P r e fe itu r a d e S o P a u lo - A u d it o r F is c a l
T r ib u t r io M u n ic ip a l I - T e c n o lo g ia da I n fo r m a o - 2 0 1 2 ) Em aplicaes
de data mining uma operao comum o aprendizado ou m inerao de regras
de associao entre itens. Uma papelaria aplica o algoritm o Apriori para m inerar
regras de associao entre as seguintes compras:
C d ig o C om p ra
Itens C o m p ra d o s
DH456
FT654
IV739
lpis, rgua
lpis, com passo
YR 983
www.estrategiaconcursos.com.br
68 de 83
Estratgia
r nNr i i R; r ><;
C O N C U R S O S
I e II
II e III
I e III
III e IV
II e IV
www.estrategiaconcursos.com.br
69 de 83
17a Questo) (F G V - S E F A Z / R J - A g e n te F is c a l d e R e n d a s - 2 0 0 7 )
DataW arehouse e DataMining so recursos utilizados por m uitas organizaes
para facilitar e agilizar o processam ento, a anlise e a consulta de dados. Sobre
esses recursos, correto afirm ar que:
a) um DataMining arm azena dados extrados de bancos de dados de
diferentes organizaes.
b) um DataW arehouse arm azena dados por perodos no superiores a trs
m eses, o que dificulta previses e anlises de tendncia.
c) um DataW arehouse repositrio de dados histricos orientados a
assunto, organizados para serem acessveis para atividades de processam ento
analtico.
d) DataMining uma tcnica de anlise de dados exclusiva para aplicao
em um DataWarehouse.
e) num DataW arehouse, os usurios finais necessitam conhecer linguagem
de program ao para acessar dados.
18a Questo) (F C C - T C E / S P - A g e n te da F is c a liz a o F in a n c e ir a 2 0 0 8 ) Os depsitos de dados voltados para o processo decisrio gerencial e que
podem ser definidos como espcies de mesmo tipo e estrutura so
a)
b)
c)
d)
e)
www.estrategiaconcursos.com.br
70 de 83
Estratgia
R R ; Sr >O <S;
Cr nONNr iCi U
I, apenas.
I e II, apenas.
I e III, apenas.
I, II e III.
II e III, apenas.
(F C C - S E F A Z / S P - A g e n te F is c a l d e R e n d a s - T e c n o lo g ia da
I n fo r m a o - 2 0 1 3 ) Considere o texto a seguir (baseado em uma notcia real):
www.estrategiaconcursos.com.br
71 de 83
Estratgia
www.estrategiaconcursos.com.br
72 de 83
Estratgia
R R ; Sr >O <S;
Cr nONNr iCi U
23a Questo) (F G V - M P E / M S - A n a lis ta - A n lis e d e S is t e m a s 2 0 1 3 - a d a p ta d a ) Com relao ao tem a "Arquitetura e aplicaes de data
warehousing", analise as afirm ativas a seguir.
I. As quatro caractersticas principais dos datawarehouses so: orientao
por assunto, no volatilidade, integrao com outras fontes de dados e variao
em relao ao tempo.
II. Datawarehouses auxiliam diretores e gestores no processam ento de
transaes do dia-a-dia da em presa e, por esse m otivo, arm azenam dados e
metadados altam ente norm alizados e de baixa granularidade.
Assinale:
a) se som ente a afirm ativa I estiver correta.
b) se som ente a afirm ativa II estiver correta.
c) se nenhuma estiver correta.
d) am bas estiverem corretas.
www.estrategiaconcursos.com.br
73 de 83
Estratgia
C O N C U R S O S ^
Som ente
Som ente
Som ente
Som ente
Som ente
as
as
as
as
as
afirm ativas
afirm ativas
afirm ativas
afirm ativas
afirm ativas
I e III so corretas.
I e IV so corretas.
II e IV so corretas.
I, II e III so corretas.
II, III e IV so corretas.
www.estrategiaconcursos.com.br
74 de 83
drill-across.
star.
cube.
pivot.
cross-join.
www.estrategiaconcursos.com.br
75 de 83
I e II, apenas.
III e IV, apenas.
I, II e III, apenas.
II, III e IV, apenas.
I, II, III e IV.
www.estrategiaconcursos.com.br
76 de 83
navegam
nos dados,
m odificando o nvel de
www.estrategiaconcursos.com.br
77 de 83
pois as
pelos
www.estrategiaconcursos.com.br
78 de 83
Estratgia
R R ; Sr >O <S;
Cr nONNr iCi U
www.estrategiaconcursos.com.br
79 de 83
Estratgia
R R ; Sr >O <S;
Cr nONNr iCi U
e)
visa a garantir que cada registro do data warehouse corresponda a
exatam ente um registro do SGBD transacional, para assegurar a correo das
variveis de deciso.
(C E S P E - M P O G
I n fo r m a o - 2 0 1 3 )
C a te g o ria
P r o fis s io n a l
T e c n o lo g ia
da
(C E S P E - A N T T - A n a lis ta A d m in is t r a t iv o S is te m a s da I n fo r m a o - 2 0 1 3 )
D e s e n v o lv im e n to d e
www.estrategiaconcursos.com.br
80 de 83
d) HAVING.
e) SELECT.
4 1 a Questo) (F C C - T R F 3 a R e g i o - A n a lis ta J u d ic i r io - B a n c o d e
www.estrategiaconcursos.com.br
81 de 83
Estratgia
C O N C U R S O S ^
I
A
R e d e s Neurais
IJ
III
rvore de d eciso
P ad r e s sequen ciais
C la ssifica o
A sso cia o
P ad r e s sequenciais
C la ssifica o
A sso cia o
P re viso
rvore de d eciso
C la ssifica o
A sso cia o
P ad r e s sequenciais
R e d e s Neurais
rvore de d eciso
R e g i o
Ano
D ados
sia
E u ro p a
S o m a d e H a rd w a re
97
23
198
318
S o m a d e S o ftw a re
83
41
425
549
S o m a d e H ard w a re
115
28
224
367
S o m a d e S o ftw a re
78
65
410
553
S o m a d e H a rd w a re
102
25
259
386
S o m a d e S o ftw a re
55
73
497
625
S o m a d e H a rd w a re Total
314
76
6 81
1 071
S o m a d e S o ftw a re Total
216
179
1332
1727
2010
2 011
2012
A m ric a d o N o rte
T o tal G e ra l
Ano
R e g i o
D ados
2010
sia
E u ro p a
2011
2012
Total G e ra l
S o m a d e H a rd w a re
97
115
102
314
S o m a d e S o ftw a re
83
78
55
216
S o m a d e H a rd w a re
23
28
25
76
65
73
179
S o m a d e S o ftw a re
S o m a d e H a rd w a re
198
224
259
6 81
S o m a d e S o ftw a re
425
410
497
1332
S o m a d e H a rd w a re Total
318
367
386
1 071
S o m a d e S o ftw a re Total
549
553
625
1727
A m ric a d o N o rte
Figura 1
www.estrategiaconcursos.com.br
82 de 83
Estratgia
C O N C U R S O S ^
R e g i o
V a ria o d e v e n d a s
frica
105%
57%
A sia
E u ro p a
122%
97%
A m ric a do N orte
85%
P acifico
163%
A m ric a do S ul
V a r ia o d e v e n d a s
P a s
C h in a
123%
J ap o
52%
ndia
87%
C in g ap u ra
95%
Figura 2
rotao e drill-down.
ROLAP e drill-through.
rotao e roll-up.
roll-up e rotao.
drill-down e ROLAP.
G A B A R IT O
1.e
11.d
21.b
31.e
41.b
2.e
12.c
22.a
32.b
42.a
3.c
13.e
23.a
33.d
4.b
14.e
24.d
34.d
5.e
15.b
25.a
35.d
6.d
16.e
26.e
36.c
7.d
17.c
27.a
37.e
8.a
18.b
28.a
38.a
www.estrategiaconcursos.com.br
83 de 83
9.e
19.e
29.e
39.a
10.e
20.b
30.a
40.e