Teste sua compreensão dos tópicos de armazenamento de dados respondendo a mais de 100 MCQs de armazenamento de dados.
Role para baixo para começar!
A. Oracle Essbase
B. IBM TM1
C. Microsoft SSAs
D. Tudo o que precede
A. É o mesmo que a validação de dados
B. A harmonização dos dados não pode ser considerada como lavagem de dados
C. Envolve limpeza de dados
D. A padronização dos dados não pode ser considerada como lavagem de dados
A. Esquema de floco de neve
B. Modelo de relacionamento de entidade
C. Esquema Star
D. Esquema de constelação de fatos
A. Selecionando as células de qualquer dimensão do cubo de dados
B. Mesclando as células de todas, exceto uma dimensão
C. Mesclando as células ao longo de uma dimensão
D. Selecionando tudo, exceto uma dimensão do cubo de dados.
A. Para manter o histórico de dados
B. Para aumentar a qualidade dos dados
C. Para coletar dados de várias fontes em vários bancos de dados
D. Para integrar dados de vários sistemas de origem
A. ODS
B. Mesa limpa
C. Área de preparação
D. Nenhuma fase de limpeza distinta, limpo de dados durante consultas MDX
A. Ele usa o dois níveis de representação de armazenamento de dados para lidar com conjuntos de dados densos e escassos
B. Ele fornece suporte avançado de linguagem de consulta e processamento de consultas para consultas SQL sobre esquemas de estrela e floco de neve
C. Facilita operações OLTP no SQL
D. Ele usa motores de armazenamento multidimensional baseados em matrizes
A. É necessário manter os dados operacionais livres de qualquer operações de armazém
B. Ele contém dados derivados de várias fontes
C. Um data warehouse não pode se dar ao luxo de permitir dados corrompidos dentro dele
D. Um data warehouse contém dados resumidos, enquanto o banco de dados operacional contém dados transacionais
A. Especificando um determinado ano e região
B. randomizando o ano e a região
C. especificando um determinado ano
D. randomizando o ano
A. tabela de fatos
B. Tabela central
C. Tabela de metadados
D. Tabela de dimensão
A. Pode lidar com grandes quantidades de dados
B. O desempenho pode ser lento
C. Todas as opções fornecidas são válidas
D. Pode alavancar as funcionalidades inerentes ao banco de dados relacional
A. Todas as opções fornecidas são válidas
B. Data Warehouses contêm dados que geralmente são carregados dos bancos de dados operacionais em um intervalo regular
C. O horizonte de tempo de um data warehouse é significativo mais longo que o dos sistemas operacionais
D. Data Warehouse mantém dados atuais históricos e (quase)
A. Os cubos Molap são construídos para recuperação de dados rápidos
B. Os cubos Molap são ótimos para operações de corte e corte
C. Os dados são armazenados em um cubo multidimensional.
D. Todas as opções fornecidas são válidas
A. Ele permite que os usuários analisem dados de muitas dimensões ou ângulos diferentes
B. Todas as opções fornecidas são válidas
C. É o processo de análise de dados de diferentes perspectivas e resumindo -os em informações úteis
D. É o processo de encontrar correlações ou padrões entre vários campos
A. SQL
B. Etl
C. OLAP
D. Oltp
A. Extração incremental
B. Extração total e extração incremental
C. Extração completa
D. Extração online
A. Todas as opções dadas são verdadeiras
B. É cópia dos dados da transação especificamente estruturados para consulta e análise
C. Ele foi projetado para facilitar relatórios e análises
D. É um repositório não volátil de tempo variante
A. É representado por tabelas de fato centralizadas
B. É um arranjo lógico de tabelas em um banco de dados multidimensional
C. Tudo o que precede
D. É uma variação do esquema STAR
A. Extrair, transformar, carregar
B. Extrair linguagem de teste
C. Exportar, transmitir, carregar
D. Exportar, traduzir, carregar
A. Esquema Star
B. Esquema de floco de neve
C. Esquema de constelação de fatos
D. Todas as opções determinadas são válidas
A. Oltp
B. Banco de dados relacional
C. ODS
D. OLAP ou banco de dados multidimensional
A. Esquema Star
B. Oltp
C. OLAP
D. Esquema de floco de neve
A. Quando as duas fontes têm várias colunas correspondentes
B. Quando as duas fontes têm uma relação de chave primária para a chave estrangeira
C. Tudo o que precede
D. Quando as duas fontes são heterogêneas
A. o nível mais atômico no qual os fatos podem ser definidos
B. os dados brutos dos quais os fatos são derivados
C. a direção ao longo das quais medidas aditivas podem ser combinadas
D. a proporção de fatos e dimensões
A. Perfuração
B. Rolar para baixo
C. Rolar
D. Drill-Down
A. CrossJoin
B. Todos os membros
C. Folhas
D. Distinto
A. Fortran
B. MDX
C. SQL
D. SPSS
A. dados
B. juntar
C. pivô
D. fatiar
A. Volume de transação
B. Lucros brutos
C. custos
D. Probabilidade de inadimplência
A. Ele gira os eixos de dados em vista para fornecer uma apresentação alternativa de dados
B. Duas operações consecutivas de fatias em duas dimensões diferentes
C. Também é conhecido como rotação
D. Todas as opções fornecidas são válidas
A. CRC
B. (Ambas as opções)
C. (nenhuma dessas opções)
D. Colunas de auditoria
A. /* está linha */
B. // está linha
C. ## está linha
D. -- está linha
A. Uma camada de acesso que compreende um subconjunto de um data warehouse
B. uma troca online e aberta em que as organizações podem negociar informações comerciais
C. Um esquema que organiza dados em fatos e dimensões
D. um repositório central onde organizações separadas podem fazer backup com segurança dados
A. Esquema Star and Snowflake contém duas tabelas de fatos
B. O esquema de floco de neve contém duas tabelas de fatos
C. O esquema de constelação de fatos contém duas tabelas de fatos
D. Esquema Star contém duas tabelas de fatos
A. Nome do produto quando uma tabela de dimensão do produto existe
B. Armazene UID quando existe uma tabela de dimensão da loja
C. Unidades vendidas
D. Nenhuma das acima
A. Orientado pelo assunto
B. Volátil
C. Não volátil
D. Integrado
A. Base de dados
B. OLAP
C. Oltp
D. Data Warehousing Env
A. Rolar
B. Rolar para baixo
C. Drill-Down
D. Perfuração
A. OLAP
B. Oltp
C. Tanto OLAP quanto OLTP
D. Nem Olap nem OLTP
A. Uma matriz em que os dados são armazenados e caracterizados por várias dimensões
B. Nenhuma das acima
C. Uma matriz tridimensional para processamento analítico on-line
D. uma operação de redução dimensional que resume os dados
A. normalização
B. Tudo o que precede
C. tabelas de articulação
D. chaves primárias
A. Todas as opções estão corretas
B. OLAP
C. Data Warehousing Env
D. Oltp
A. Ele usa apenas um nível de representação de armazenamento de dados para lidar com conjuntos de dados esparsos
B. Ele usa apenas um nível de representação de armazenamento de dados para lidar com conjuntos de dados densos
C. Ele usa um nível de representação de armazenamento de dados para lidar com conjuntos de dados densos e esparsos
D. Ele usa dois níveis de representação de armazenamento de dados para lidar com conjuntos de dados densos e esparsos
A. A operação de dados executa a seleção de duas ou mais dimensões em um determinado cubo
B. Ele forma um novo sub-cubo selecionando uma ou mais dimensões
C. A operação de dados executa a seleção de uma dimensão em um determinado cubo
D. Ele navega pelos dados de dados menos detalhados para dados altamente detalhados
A. dados
B. fatiar
C. girando
D. Drill-Across
A. abordagem normalizada
B. Nem abordagem dimensional nem normalizada
C. Abordagem dimensional e normalizada
D. abordagem dimensional
A. Delta, Dictionary, lzo
B. Principalmente8, RunLlength, Raw
C. Dicionário de bytes, LZO, Delta
D. LZO, Delta, Raw
A. Leia e escreva
B. Somente leitura
C. Escreva apenas
D. Escreva descondicional
A. Data Warehouse integrado
B. A dentro do prazo Data Warehouse
C. Warehouse offline de dados operacionais
D. Data Warehouse offline
A. Relacional
B. Multidimensional
C. Híbrido
D. analítico