Questão de Ciência de Dados · FGV CVM 2024 (nº 41)

Um Data Lake é um grande repositório que armazena dados brutos, de qualquer tipo (estruturado, não estruturado, semiestruturado), no seu formato original, para serem explorados e processados sob demanda.

• (A) Incorreta: Uma Stage Area (área de staging) é um local temporário onde os dados são armazenados e preparados antes de serem carregados em um Data Warehouse ou outro sistema, não um repositório permanente para dados brutos heterogêneos.
• (B) Correta: O Data Lake é a solução perfeita para armazenar dados de diversas fontes heterogêneas no seu formato original para posterior seleção e processamento sob demanda, atendendo à necessidade de agilidade e flexibilidade descrita.
• (C) Incorreta: Data Mining (mineração de dados) é um processo de descoberta de padrões e informações úteis em grandes conjuntos de dados, não uma arquitetura ou local de armazenamento de dados.
• (D) Incorreta: Um Data Warehouse armazena dados estruturados, limpos e transformados (já processados) para fins de análise e relatórios, seguindo um esquema predefinido (schema-on-write). A armadilha é que ele também lida com dados para análise, mas não armazena dados no seu formato original e heterogêneo, que é a característica central da demanda.
• (E) Incorreta: Um Operational Data Store (ODS) é um banco de dados que integra dados de múltiplos sistemas operacionais para fornecer uma visão consolidada e quase em tempo real das operações, mas não é projetado para armazenar grandes volumes de dados brutos e heterogêneos em seu formato original para exploração futura.