Questão FC369734
Na hora de colocar um projeto de BI em prática, mapear as fontes de dados é primordial. É como preparar o terreno antes de construir: se a base não for sólida, a casa não fica em p
Bancos de Dados Dimensionais
FGV · 2024
Na hora de colocar um projeto de BI em prática, mapear as fontes de dados é primordial. É como preparar o terreno antes de construir: se a base não for sólida, a casa não fica em pé. É necessário garantir que as informações que vamos usar sejam úteis, relevantes e de alta qualidade. Nessa fase, seguir as boas práticas é fundamental para que os dados se encaixem nas necessidades do negócio e nos objetivos do projeto. Mas cuidado! Algumas abordagens podem acabar prejudicando tudo se não forem bem executadas.
Assinale a opção que descreve uma prática não recomendada no mapeamento de fontes de dados para um projeto de BI.
- Conduzir entrevistas abrangentes com usuários e stakeholders, utilizando técnicas de elicitação para extrair requisitos detalhados e garantir que todas as necessidades sejam consideradas.
- Analisar documentos e sistemas existentes para identificar potenciais fontes de dados, assegurando que todo o repositório de informações relevantes seja considerado.
- Coletar dados de todas as fontes disponíveis, sem discriminação, incluindo aqueles que apresentam inconsistências, incertezas ou baixa relevância, a fim de maximizar a quantidade de dados no sistema.
- Avaliar a qualidade dos dados e sua adequação aos objetivos do projeto, garantindo que apenas informações precisas e confiáveis sejam utilizadas para gerar insights de valor.
- Manter uma documentação detalhada das fontes de dados, incluindo suas características, formatos e relacionamentos, para garantir uma governança de dados eficaz e facilitar auditorias futuras.
Mostrar resposta e comentário
Gabarito
Certo
Comentário do professor
Coletar sem discriminação — trazer todos os dados disponíveis, mesmo os inconsistentes ou de baixa relevância — é prática perigosa. Isso gera muito ruído que obscurece sinais úteis e compromete a qualidade das análises.
Dados sujos aumentam o esforço de ETL, exigem limpeza extensa e elevam o tempo e custo do projeto. Na prática, vale o princípio GIGO (Garbage In, Garbage Out): informações imprecisas produzem insights inválidos.
Além disso, a ingestão indiscriminada afeta desempenho das consultas e armazenamento, dificulta a manutenção de modelos e cresce o risco de falhas de governança e compliance (privacidade, retenção).
O correto é mapear, avaliar e priorizar fontes por relevância, qualidade e impacto no negócio, aplicando perfilamento e regras de aceite antes da integração.
Conteúdo do catálogo FC Concursos · Atualizado em