Questão de Ciência de Dados · FGV BBTS 2023 (nº 47)

Data Profiling (ou Perfilamento de Dados) é o processo de examinar e analisar os dados existentes em uma fonte de dados para coletar estatísticas e informações sobre eles. O objetivo é entender a estrutura, o conteúdo e a qualidade dos dados, identificando problemas como valores ausentes (nulos), inconsistências, formatos incorretos e anomalias, antes de usá-los em análises ou sistemas.

• (A) Incorreta: A sequência correta é V – V – V, não F – V – V.
• (B) Incorreta: A sequência correta é V – V – V, não F – F – V.
• (C) Correta: Todas as afirmativas estão corretas.
  • I. (V) Inspeciona dados e avalia a qualidade, usa dados e técnicas estatísticas para descobrir a verdadeira estrutura, conteúdo e qualidade de uma coleção de dados. Esta afirmativa descreve perfeitamente o propósito do data profiling: ele é uma inspeção detalhada que utiliza métodos estatísticos para revelar as características intrínsecas e a qualidade dos dados.
  • II. (V) O mecanismo produz estatísticas que os analistas de dados podem utilizar para identificar padrões no conteúdo e na estrutura dos dados. O principal resultado do data profiling são as estatísticas (como contagens, distribuições, etc.) que servem como base para os analistas entenderem o comportamento dos dados, detectarem anomalias e tomarem decisões informadas.
  • III. (V) As contagens de nulos, a frequência de distribuição e os valores máximos e mínimos são exemplos de estatísticas utilizadas. Estes são exemplos clássicos e fundamentais de métricas geradas pelo data profiling. Eles ajudam a avaliar a completude (nulos), a validade (distribuição, min/max) e a consistência dos dados, sendo essenciais para a avaliação da qualidade.
• (D) Incorreta: A sequência correta é V – V – V, não F – V – F.
• (E) Incorreta: A sequência correta é V – V – V, não V – F – F.