Questão de Análise de Sistemas · FGV TJDFT 2022 (nº 50)

Pré-processamento de dados é o conjunto de etapas para transformar dados brutos (sujos, incompletos, com formatos errados) em dados prontos para análise ou mineração. A ferramenta clássica para isso é o ETL (Extract, Transform, Load — Extrair, Transformar, Carregar), que faz exatamente o que Lino precisa: limpeza, ajuste de formato, remoção de brancos e criação de novos atributos.

• (A) Correta: ETL é a sigla para Extract, Transform, Load — o processo padrão de pré-processamento que extrai dados de fontes diversas, aplica limpezas (excluir brancos), transformações (adequar formatos) e deriva novos campos (atributos derivados) antes de carregar no destino final, como um Data Warehouse.
• (B) Incorreta: OLAP (Online Analytical Processing) é uma tecnologia de consulta e análise multidimensional de dados já processados, não uma ferramenta de limpeza ou transformação.
• (C) Incorreta: Apriori é um algoritmo de mineração de dados usado para descobrir regras de associação (ex: "quem compra pão, compra manteiga"), não serve para pré-processar.
• (D) Incorreta: Data Mart é um subconjunto de dados organizado para uma área específica (ex: vendas), ou seja, um destino de dados, não uma ferramenta de preparação.
• (E) Incorreta: Data Lake é um repositório que armazena dados brutos em seu formato original, sem tratamento — o oposto do que Lino precisa, que é justamente tratar os dados.

Armadilha da banca: A alternativa D (Data Mart) e a E (Data Lake) são as mais tentadoras, pois parecem "lugares" onde os dados ficam. Mas a pegadinha está no verbo da questão: Lino precisa realizar operações (limpeza, exclusão, derivação). Isso é uma ação, um processo — e processo de transformação de dados é ETL. Data Mart e Data Lake são apenas destinos ou armazenamentos, não ferramentas de tratamento.