Questão de Tecnologia da Informação · CESGRANRIO BASA 01/2018 (nº 52)

Mineração de dados é o processo de extrair conhecimento útil de grandes volumes de dados, como classificar clientes em perfis, agrupar itens semelhantes (clusterização) e descobrir padrões escondidos (ex.: "quem compra A também compra B"). Não é sobre armazenar ou organizar dados, mas sim sobre analisá-los.

• (A) Incorreta: Preparar dados para um data warehouse (DW) é função de ETL (Extract, Transform, Load), que é uma etapa anterior à mineração, não o objetivo dela.
• (B) Incorreta: Navegação multidimensional em um DW é feita por ferramentas de OLAP (ex.: drill-down, slice), que são de consulta/visualização, não de descoberta automática de padrões.
• (C) Incorreta: Projetar o registro de dados transacionais é tarefa de modelagem de banco de dados (ex.: normalização), focada em eficiência de escrita, não em análise preditiva.
• (D) Correta: Este é o núcleo do data mining: usar algoritmos para classificar (ex.: prever se um cliente é bom pagador), agrupar (clusterizar) dados similares e identificar padrões (ex.: regras de associação), transformando dados brutos em informação acionável.
• (E) Incorreta: Otimizar o desempenho de um SGBD envolve tuning de índices, consultas e hardware, que é administração de banco, não mineração.

Armadilha da banca na letra A: Ela é a mais tentadora porque mistura conceitos de DW e mineração. A banca quer que você confunda a preparação (ETL) com a análise (mineração). Lembre-se: mineração consome dados já prontos no DW; ela não os prepara.