Julgue o item a seguir, no que se refere à modelagem de banco de dados. 

Na modelagem dimensional, as tabelas de fatos armazenam medidas numéricas ou métricas de desempenho associadas a eventos de negócios, enquanto os atributos descritivos das dimensões, como nomes ou categorias, são armazenados exclusivamente nas tabelas de dimensão.

Em relação ao data warehouse, ao data lake e ao tratamento de dados, julgue o item seguinte.

A modelagem de data vault é um tipo de modelagem dimensional que possui uma tabela de fatos centralizada e várias tabelas de dimensões a seu redor. Trata‑se de uma técnica simples e eficiente para modelar data warehouses. 

Em relação ao data warehouse, ao data lake e ao tratamento de dados, julgue o item seguinte.

A camada de ingestão de dados é responsável por coletar e carregar dados de diversas fontes para o data lake.

Em relação ao data warehouse, ao data lake e ao tratamento de dados, julgue o item seguinte.

O objetivo principal da discretização é reduzir a dimensionalidade dos dados.

Julgue o item a seguir, a respeito de inteligência artificial, Big Data e data warehouse. 

Big Data e data warehouse são técnicas de armazenamento que dispensam a necessidade de descoberta de conhecimento e mineração de dados, e, por isso, a aprendizagem de máquina não se aplica ao contexto de Big Data.

Acerca dos conceitos relacionados a business intelligence, julgue o item que se segue. 

Na implementação do slowly changing dimension tipo 2, o valor antigo é sobrescrito pelo valor novo.  

Acerca dos conceitos relacionados a business intelligence, julgue o item que se segue. 

Dimensões degeneradas são atributos de evento inseridos diretamente na tabela de fatos, de modo que se dispensa a criação de uma tabela de dimensão dedicada.

Em relação a BI (Business Intelligence) e visualização de dados, julgue o item que se segue. 

Para um data warehouse com grande volume de dados históricos e consultas frequentes, o esquema estrela geralmente apresenta melhor desempenho que o esquema snowflake, pois minimiza a complexidade das junções entre tabelas.

Em relação a BI (Business Intelligence) e visualização de dados, julgue o item que se segue. 

Em uma arquitetura de BI típica, o data warehouse integra dados de várias fontes externas, realizando extração, transformação e carga (ETL) antes de eles serem disponibilizados para análise. 

Com relação a processos de banco de dados ETL (extração, transformação e carga), julgue o item subsequente. 

Na modelagem de data warehouses, a abordagem top-down torna o processo ETL mais flexível e adaptável a mudanças nos requisitos de negócio, enquanto a abordagem bottom-up exige um ETL rígido e pouco adaptável a novas necessidades.