Questão de Engenharia de Software, DevOps e Ciência de Dados · FCC MPEPE 2018 (nº 31)

Ciência de Dados é a área que usa métodos científicos, processos, algoritmos e sistemas para extrair conhecimento e insights de dados estruturados e não estruturados, aplicando frequentemente aprendizagem de máquina para prever tendências e apoiar decisões.

• (A) Correta: A Data Science (Ciência de Dados) é a área que engloba a utilização de técnicas avançadas, incluindo a aprendizagem de máquina, para analisar grandes volumes de dados (estruturados e não estruturados) e descobrir insights valiosos e padrões que podem não ser óbvios. Ela é a disciplina central para atingir os objetivos descritos de extrair conhecimento e valor dos dados usando ML.
• (B) Incorreta: Business Intelligence (BI) foca na análise de dados históricos para entender o desempenho passado e presente do negócio, geralmente através de relatórios e painéis. Embora gere insights, seu escopo é mais descritivo e diagnóstico, e não se concentra primariamente em técnicas avançadas de aprendizagem de máquina para descobrir novos padrões ou fazer previsões a partir de dados não estruturados, que é o objetivo principal da questão. A armadilha aqui é que BI também lida com "insights para o negócio", mas de uma forma menos preditiva e exploratória que a Data Science, especialmente quando ML é o método explícito.
• (C) Incorreta: Big Data refere-se ao conjunto de tecnologias e métodos para armazenar, processar e gerenciar grandes volumes de dados de diversas fontes. É a infraestrutura e o desafio de lidar com os dados, mas não a disciplina que extrai insights usando aprendizagem de máquina. A Data Science utiliza ferramentas de Big Data.
• (D) Incorreta: Governança de Dados trata das políticas e procedimentos para gerenciar a disponibilidade, usabilidade, integridade e segurança dos dados. É fundamental para qualquer iniciativa de dados, mas não é a área que diretamente se dedica a encontrar insights usando aprendizagem de máquina.
• (E) Incorreta: Qualidade de Dados foca em garantir que os dados sejam precisos, completos, consistentes e atuais. Dados de boa qualidade são essenciais para insights confiáveis, mas a qualidade de dados é um pré-requisito ou um componente de uma estratégia de dados, não a área principal responsável por aplicar aprendizagem de máquina para descobrir insights.