Almacenes de Datos Recopilatorio

¿Cuál es la principal diferencia en el acceso a los datos entre los sistemas OLTP y los Almacenes de Datos (DW)?. Los sistemas OLTP se basan principalmente en lecturas masivas. El DW está optimizado para operaciones de escritura y actualización frecuente de registros individuales. El acceso en un DW es mayoritariamente de lectura para consultas complejas, mientras que en OLTP es de lectura y escritura repetitiva. Los sistemas OLTP no permiten redundancia de datos, al igual que en el DW, que es una característica fundamental.

En el modelado dimensional, ¿qué representa la granularidad?. El número total de dimensiones conectadas a una tabla de hechos. El nivel de detalle más bajo almacenado en la tabla de hechos, definiendo qué significa una única fila. La velocidad a la que se cargan los datos durante el proceso ETL. El número de jerarquías que posee una dimensión específica.

En un esquema en estrella, ¿por qué se dice que las dimensiones están desnormalizadas?. Porque contienen claves foráneas a otras tablas de niveles superiores. Porque mantienen relaciones jerárquicas en una misma tabla, aceptando cierta redundancia para ganar velocidad en las consultas. Porque no permiten el uso de tipos de datos de texto. Porque deben cumplir estrictamente con la tercera forma normal (3FN).

¿Cuándo se recomienda utilizar un esquema en “Copo de Nieve” (Snowflake)?. Siempre que se busque el máximo rendimiento en las consultas. En casos muy concretos donde se desee ahorrar espacio o facilitar el mantenimiento de dimensiones muy grandes normalizándolas. Cuando no existan tablas de hechos en el modelo dimensional. Para evitar el uso de procesos ETL en la carga de datos.

¿Cuál es el propósito de las "Dimensiones Junk" (auxiliares)?. Almacenar datos históricos que ya no son relevantes para el negocio. Agrupar múltiples atributos de baja cardinalidad, como flags e indicadores, para evitar tener demasiadas columnas en la tabla de hechos. Guardar información sobre errores ocurridos durante el proceso de carga. Relacionar dos tablas de hechos de diferente granularidad.

¿Qué diferencia a un snapshot periódico de un snapshot acumulativo en las tablas de hechos?. El snapshot periódico guarda solo transacciones individuales. El snapshot periódico toma una "foto" a intervalos regulares, mientras que el snapshot acumulativo sigue un proceso con etapas definidas hasta su fin. El snapshot acumulativo es más común y sencillo de implementar que el snapshot periódico. Los snapshots acumulativos no permiten el uso de dimensiones temporales.

¿Qué hace la extensión OLAP de SQL "ROLLUP"?. Crea todas las combinaciones posibles de subtotales para las columnas especificadas. Calcula niveles de subtotales de forma jerárquica de izquierda a derecha y el total general. Elimina las filas que contienen valores nulos en el resultado de la consulta. Ordena los resultados de mayor a menor según una medida específica.

¿En qué se diferencian las funciones de ventana RANK() y DENSE_RANK()?. RANK() no permite ordenar los datos. DENSE_RANK() deja huecos en la numeración cuando hay empates. RANK() deja huecos en la numeración tras un empate, mientras que DENSE_RANK() asigna el siguiente número consecutivo. Ambas funciones son idénticas y solo cambian de nombre según el fabricante de la base de datos.

¿Cuál es el orden estándar de los ejes en una consulta MDX?. ROWS, COLUMNS, PAGES. COLUMNS (Axis 0), ROWS (Axis 1), PAGES (Axis 2). Axis(1), Axis(2), Axis(3). No existe un orden, se pueden definir en cualquier secuencia sin importar el índice.

¿Qué define a una tabla de hechos de Dpo "Factless"?. Que no tiene ninguna clave externa a dimensiones. Que no contiene medidas numéricas agregables, sino que registra la ocurrencia de eventos o relaciones entre dimensiones. Que solo almacena datos sobre productos que nunca se han vendido. Que es una tabla temporal que se borra tras cada consulta.

¿Qué significa que un data warehouse esté "orientado a temas"?. Que se diseña en torno a temas importantes relacionados con el negocio. Que se organiza para optimizar la velocidad de las consultas transaccionales. Que se centra en la integración de datos de múltiples fuentes en tiempo real. Que se centra en el análisis de problemas específicos.

¿Qué caracterísTIca de un data warehouse implica que los datos no se actualizan ni se eliminan, salvo para correcciones?. Dependencia del tiempo. Orientación a temas. No volatilidad. Integración de datos.

¿Qué son las dimensiones en un modelo multidimensional?. Los datos numéricos que se miden. Las relaciones entre los datos. Los procesos de transformación de los datos. Las categorías de datos que se utilizan para analizar los hechos.

¿Qué tipo de estructura utilizan los modelos multidimensionales para organizar los datos?. Estructura jerárquica con claves primarias y foráneas. Estructura de índice de bitmap para facilitar la indexación. Estructura en red para interconectar tablas de manera directa y aumentar el rendimiento de las consultas. Estructura en forma de estrella o copo de nieve.

¿Qué tipo de datos almacena principalmente un data warehouse?. Datos no estructurados. Datos semiestructurados. Datos estructurados. Datos multimedia.

¿Cuál de las siguientes afirmaciones es cierta sobre los sistemas OLTP y OLAP?. Los sistemas OLTP se centran en análisis complejos, mientras que los sistemas OLAP manejan transacciones simples. Los sistemas OLTP están orientados a transacciones y los sistemas OLAP al análisis. Los sistemas OLAP están diseñados para procesamiento en tiempo real, mientras que los OLTP son utilizados para análisis histórico. Los sistemas OLAP son adecuados para bases de datos de alta concurrencia, mientras que los OLTP manejan consultas analíticas pesadas.

¿Cómo se organizan los datos en los sistemas OLAP?. En una base de datos relacional plana. En un índice de bitmap. En una base de datos multidimensional. En una base de datos con dimensiones junk normalizadas.

¿Qué son los miembros en un modelo multidimensional?. Las categorías de datos para el análisis. Las propiedades de los hechos. Las jerarquías de las dimensiones. Las instancias de las dimensiones.

¿Qué tipo de dimensiones no tienen atributos, solo un identificador?. Dimensiones conformadas. Dimensiones degeneradas. Minidimensiones. Dimensiones junk.

¿Qué son las dimensiones junk?. Dimensiones con muchos atributos. Dimensiones normalizadas. Dimensiones que agrupan atributos con dominios discretos y reducidos. Dimensiones con datos históricos.

¿Qué son las vistas materializadas?. Vistas que se utilizan para la gestión de transacciones. Vistas que se almacenan fisicamente los datos precalculados. Vistas que se actualizan automaticamente con cada cambio en los datos. Vistas que solo almacenan la definición de consulta.

¿Qué función realiza la cláusula OVER (PARTITION BY ...) en SQL?. Filtra los resultados de la consulta. Ordena los resultados de la consulta. Define ventanas o particiones sobre las cuales se realizan cálculos. Agrupa los resultados en una sola fila.

¿Qué operación OLAP permite cambiar el nivel de detalle de los datos mostrados, permitiendo navegar entre niveles de jerarquía?. Dice. Pivot. Slice. Roll-up/Drill-down.

¿Cuál es el propósito principal de los sistemas OLAP?. Análisis de grandes volúmenes de datos para la toma de decisiones. Almacenamiento de datos en bruto. Gestión de datos operativos. Soporte de transacciones diarias.

En MDX, ¿qué función se utiliza para combinar dos conjuntos de tuplas en todos sus posibles cruces?. Except. CrossJoin. Intersec. Union.

En un modelo dimensional, ¿qué son los «hechos»?. Atributos descriptivos de los datos. Valores numéricos que se quieren analizar. Jerarquías de datos. Tablas que contienen información sobre las dimensiones.

Una tabla de hechos siempre debe tener al menos una medida. Verdadero. Falso.

¿Qué son las tablas de hechos factless?. Tablas que contienen medidas numéricas. Tablas que no contienen medidas, solo las relaciones entre dimensiones. Tablas que contienen información de auditoría. Tablas que almacenan datos resumidos.

En MDX, ¿qué representa el WHERE?. La tabla de donde se obtienen los datos. Un eje segmentador (slicer axis) que restringe los datos devueltos. Una condición de filtro en las filas. Una condición de filtro en las columnas.

Los sistemas operacionales (OLTP) están optimizados para el análisis de grandes volúmenes de datos. Verdadero. Falso.

¿Qué técnica se utiliza para presentar datos analíticos de forma que sean fáciles de entender y ofrezcan un alto rendimiento en las consultas?. Modelado dimensional. Diseño de bases de datos relacionales. Normalización de bases de datos. Diseño de bases de datos orientadas a objetos.

¿Qué son los miembros en un modelo multidimensional?. Las jerarquías de las dimensiones. Las propiedades de los hechos. Las categorías de datos para el análisis. Las instancias de las dimensiones.

¿Qué tipo de clave se genera en el DW para las dimensiones y se utiliza solo para JOIN, no las claves operacionales?. Clave natural. Clave externa. Clave primaria. Clave subrogada (generada).

¿Cuál es la principal diferencia entre un sistema operacional (OLTP) y un sistema de Data Warehouse (DW/BI)?. Los sistemas OLTP almacenan datos históricos, mientras que los sistemas DW/BI almacenan datos actuales. Los sistemas OLTP soportan las operaciones diarias de la organización, mientras que los sistemas DW/BI se utilizan para extraer información y evaluar el rendimiento. Ambos sistemas tienen el mismo propósito, pero se diferencian en la tecnología utilizada. Los sistemas OLTP están optimizados para el análisis de grandes volúmenes de datos, mientras que los sistemas DW/BI están optimizados para procesar transacciones rápidamente.

En Oracle, ¿qué opción de actualización de una vista materializada implica que la vista se actualiza cuando cambian los datos subyacentes?. ON DEMAND. ON COMMIT. REFRESH FAST. BUILD DEFERRED.

¿Qué tipo de esquema de modelado dimensional consiste en una tabla central de hechos rodeada de tablas de dimensiones desnormalizadas?. Esquema jerárquico. Esquema normalizado. Esquema en copo de nieve. Esquema en estrella.

¿Qué es una dimensión degenerada?. Una dimensión sin atributos, solo con un identificador. Una dimensión con múltiples jerarquías. Una dimensión con datos temporales. Una dimensión con información geográfica.

¿Cuál es la función principal de los procesos ETL en un Data Warehouse?. Normalizar los datos para su almacenamiento. Generar informes para usuarios finales. Realizar consultas analíticas sobre los datos. Extraer, transformar y cargar datos desde fuentes heterogéneas.

¿Cuál de las siguientes describe mejor el concepto de un "cubo" en un contexto de Data Warehousing?. Una tabla bidimensional con filas y columnas. Un conjunto de datos normalizados en una base de datos relacional. Una estructura multidimensional para la captura y el análisis de datos. Un esquema en estrella con una tabla de hechos central.

¿Qué significa el término "drill-across" en el contexto de OLAP?. Reducir el nivel de detalle en el análisis. Combinar cubos con dimensiones comunes. Aumentar el nivel de detalle en el análisis. Reorganizar las dimensiones de un cubo.

¿Qué es un índice bitmap y cuándo es más útil utilizarlo?. Un índice que crea una fila para cada valor y una columna para cada fila de la tabla. Un índice que organiza los datos de forma jerárquica. Un índice que almacena los IDs de las filas. Es un tipo de índice que mejora la búsqueda de texto.

¿Qué significa que un hecho sea semiaditivo?. Que sus valores se pueden sumar en todas las dimensiones. Que sus valores representan porcentajes. Que sus valores no se pueden sumar en ninguna dimensión. Que sus valores se pueden sumar solo en ciertas dimensiones.

¿Cuál es el propósito del índice bitmap en un Data Warehouse?. Optimizar consultas que involucran grandes rangos de valores. Optimizar consultas sobre columnas con pocos valores distintos. Almacenar datos jerárquicos. Indexar columnas de texto.

¿Qué función tienen las dimensiones junk (auxiliares o de desastre) en un modelo dimensional?. Agrupar atributos variados con dominios discretos y reducidos. Manejar jerarquías complejas. Almacenar atributos de texto largos. Facilitar el análisis geográfico de los datos.

¿Cuál es la principal diferencia entre una tabla de hechos y una tabla de dimensiones?. Las tablas de hechos almacenan datos descriptivos y las de dimensiones, datos numéricos. No hay diferencias, ambas almacenan datos numéricos. Las tablas de hechos contienen medidas, y las de dimensiones contienen atributos que describen los hechos. Las tablas de hechos tienen menos filas que las tablas de dimensiones.

Una SCD de tipo 3 crea una nueva tabla para cada cambio en un atributo de una dimensión. Verdadero. Falso.

Si una dimensión tiene atributos que cambian con el tiempo, ¿qué técnica SCD sería la más adecuada para mantener el historial completo de los cambios?. SCD tipo 1. SCD tipo 2. SCD tipo 3. SCD tipo 0.

En un modelo dimensional, las dimensiones se organizan en jerarquías, formadas por niveles. Verdadero. Falso.

¿Cuál es el propósito principal del lenguaje MDX en el contexto de Data Warehousing?. Consultar objetos multidimensionales como cubos. Consultar bases de datos relacionales. Definir las estructuras de las bases de datos. Transformar datos para cargarlos en el Data Warehouse.

¿Cuál es la principal función de la cláusula NON EMPTY en MDX?. Eliminar las celdas vacías en un eje de la consulta. Unir dos conjuntos de resultados. Filtrar resultados que sean nulos. Ordenar los resultados de la consulta.

¿Qué tipo de cambio en dimensiones implica añadir una nueva fila a la dimensión para guardar la historia anterior al cambio?. SCD Tipo 4. SCD Tipo 1. SCD Tipo 2. SCD Tipo 3.

¿Qué son las dimensiones junk?. Dimensiones que agrupan atributos variados con dominios discretos y reducidos. Dimensiones con claves generadas. Dimensiones con datos normalizados. Dimensiones con muchos atributos.

¿Cuál de las siguientes opciones describe mejor la característica "no volátil" de los datos en un Data Warehouse?. Los datos se eliminan con frecuencia para ahorrar espacio. Los datos se actualizan constantemente en tiempo real. Los datos se almacenan solo temporalmente. Los datos cargados no se actualizan ni eliminan, salvo para correcciones.

¿Cuál de los siguientes NO es un objetivo principal de un Data Warehouse?. Proporcionar acceso unificado a los datos de la organización. Permitir consultas y combinaciones de datos bajo cualquier dimensión. Optimizar el procesamiento de transacciones en tiempo real. Almacenar datos consistentes y eliminar errores e inconsistencias.

¿Cuál de las siguientes NO es una de las 12 reglas de Codd para OLAP?. Rendimiento uniforme. Vista conceptual multidimensional. Optimización del procesamiento de transacciones. Transparencia.

¿Cuál es la principal diferencia entre las funciones de ventana y GROUP BY en SQL?. GROUP BY colapsa los grupos a una sola fila, mientras que las funciones de ventana no. GROUP BY permite realizar cálculos de ranking. Las funciones de ventana colapsan los grupos a una sola fila, mientras que GROUP BY no. Las funciones de ventana son más eficientes para grandes volúmenes de datos.

¿Qué caracteriza a una tabla de hechos factless?. Contiene solo las dimensiones involucradas en un evento y no medidas. Es usada principalmente en sistemas OLTP. Almacena datos resumidos para análisis. Contiene medidas numéricas y dimensiones.

En MDX, ¿qué palabra clave se utiliza para especificar los ejes de la consulta (filas, columnas)?. SELECT. GROUP BY. FROM. WHERE.

¿Qué característica de un data warehouse implica que los datos no se actualizan ni se eliminan, salvo para correcciones?. Orientación a temas. Dependencia del tiempo. No volatilidad. Integración de datos.

En un modelo multidimensional, ¿cómo se denominan los datos que tienen medidas numéricas asociadas?. Atributos. Hechos (Respuesta correcta). Dimensiones. Jerarquías.

¿Cuál de las siguientes afirmaciones es cierta sobre los sistemas OLTP y OLAP?. Los sistemas OLTP están orientados a transacciones y los sistemas OLAP al análisis. Los sistemas OLTP se centran en análisis complejos, mientras que los sistemas OLAP manejan transacciones simples. Los sistemas OLAP están diseñados para procesamiento en tiempo real, mientras que los OLTP son utilizados para análisis histórico. Los sistemas OLAP son adecuados para bases de datos de alta concurrencia, mientras que los OLTP manejan consultas analíticas pesadas.

El uso de surrogate keys o claves generadas en las dimensiones ayuda a mejorar el rendimiento de las consultas y a independizar el DW de los sistemas operacionales. Verdadero. Falso.

La función CUBE en SQL calcula todos los subtotales posibles para las combinaciones de dimensiones especificadas. Verdadero. Falso.

Las tablas de hechos suelen contener una gran cantidad de atributos, mientras que las tablas de dimensión tienen pocas columnas. Falso. Verdadero.

¿Qué técnica se utiliza para presentar datos analíticos de forma que sean fáciles de entender por los usuarios de negocio y que ofrezca alto rendimiento en consultas?. Normalización de datos. Minería de datos. Modelado dimensional (Respuesta correcta). Procesamiento de transacciones en línea (OLTP).

¿Qué tipo de implementación OLAP almacena los datos en estructuras multidimensionales especializadas?. MOLAP. HOLAP. Híbrido. ROLAP.

En MDX, la cláusula FROM especifica las dimensiones a consultar y la cláusula SELECT especifica el cubo. Falso. Verdadero.

¿Qué representa la función CrossJoin en MDX?. Ordenar los miembros de un conjunto. Filtrar datos de un conjunto basándose en una condición. Realizar un producto cartesiano entre dos conjuntos de datos. Calcular el promedio de una medida en un conjunto.

¿Cómo se organizan los datos en los sistemas OLAP?. En una base de datos con dimensiones junk normalizadas. En una base de datos multidimensional. En una base de datos relacional plana. En un índice de bitmap.

¿Qué hace la función ROLLUP en SQL?. Calcula los subtotales de forma jerárquica de izquierda a derecha. Filtra los resultados de una consulta. Calcula todas las combinaciones de subtotales posibles. Ordena los resultados de una consulta.

¿Qué son las dimensiones conformadas?. Dimensiones con jerarquías complejas. Dimensiones que solo se utilizan en un único data mart. Dimensiones que son idénticas o subconjuntos entre data marts, permitiendo la combinación de cubos. Dimensiones que no siguen un modelo dimensional.

¿Qué significa que un data warehouse esté "orientado a temas"?. Que se centra en la integración de datos de múltiples fuentes en tiempo real. Que se centra en el análisis de problemas específicos. Que se organiza para optimizar la velocidad de las consultas transaccionales. Que se diseña en torno a temas importantes relacionados con el negocio.

¿Qué significa SCD en el contexto de Data Warehousing?. Standardized Customer Data. System Configuration Data. Slowly Changing Dimension. Structured Change Data.

¿Cuál de las siguientes opciones describe mejor el propósito de un Data Mart?. Un subconjunto de un Data Warehouse enfocado en un área de negocio específica. Un sistema para gestionar transacciones en tiempo real. Una herramienta para la limpieza de datos. Un almacén de datos centralizado para toda la organización.

¿Cuál de las siguientes NO es una característica principal de un Data Warehouse (DW)?. Dependiente del tiempo. Integrado. Volátil. Orientado a temas.

En el contexto de un esquema en copo de nieve, ¿qué ventaja NO ofrece este modelo en comparación con un esquema en estrella?. Consultas más rápidas debido a menos joins. Mayor facilidad para entender la estructura de datos. Reducción de redundancia de datos. Flexibilidad en la modelización de jerarquías.

¿Qué son las dimensiones en un modelo multidimensional?. Las categorías de datos que se utilizan para analizar los hechos. Los datos numéricos que se miden. Las relaciones entre los datos. Los procesos de transformación de los datos.

Las vistas materializadas siempre se actualizan automáticamente con cada cambio en los datos subyacentes. Falso. Verdadero.

En el contexto de las técnicas SCD (Slowly Changing Dimensions), ¿qué implica una SCD de tipo 2?. Añadir una nueva columna para cada cambio de atributo. Añadir una nueva fila a la dimensión para cada cambio de atributo. Mantener el valor original sin ningún cambio. Sobrescribir los valores antiguos de los atributos de dimensión.

En un diseño de Data Warehouse, es recomendable normalizar las tablas de dimensiones para evitar redundancia. Verdadero. Falso.

¿Qué significan las siglas OLAP?. On-Line Transaction Processing. Open Language Access Protocol. Object-Oriented Logical Application Program. On-Line Analytical Processing.

¿Cuál de las siguientes funciones de ventana de SQL permite calcular el ranking de un valor respecto a otros registros del grupo o ventana?. AVG(). RANK(). SUM(). COUNT().

¿Qué tipo de estructura utilizan los modelos multidimensionales para organizar los datos?. Estructura en red para interconectar tablas de manera directa y aumentar el rendimiento de las consultas. Estructura de índice de bitmap para facilitar la indexación. Estructura jerárquica con claves primarias y foráneas. Estructura en forma de estrella o copo de nieve.

Según la metodología de Kimball, ¿cuál es el primer paso en el diseño dimensional de un Data Warehouse?. Identificar los hechos. Identificar las dimensiones. Establecer la granularidad del proceso. Seleccionar el proceso a modelar.

¿Qué tipo de dimensiones no tienen atributos, solo un identificador?. Dimensiones degeneradas. Minidimensiones. Dimensiones conformadas. Dimensiones junk.

¿Qué son las vistas materializadas?. Vistas que se actualizan en tiempo real. Vistas que almacenan solo las definiciones de las consultas. Vistas que guardan físicamente los datos calculados para mejorar el rendimiento. Vistas que muestran la estructura de la base de datos.

¿Qué tipo de datos almacena principalmente un data warehouse?. Datos no estructurados. Datos semiestructurados. Datos estructurados. Datos multimedia.

¿Qué tipo de tablas de hechos se utilizan para registrar el estado de un proceso en un momento determinado, como los niveles de inventario?. Tablas de hechos acumulativas. Tablas de hechos de transacciones. Tablas de hechos de snapshot o de estado. Tablas de hechos de evento.

¿Cuáles son las fases del proceso ETL en un Data Warehouse?. Cargar, Transformar y Extraer. Extraer, Transformar y Limpiar. Limpiar, Extraer y Cargar. Extraer, Transformar y Cargar.

¿Cuál de las siguientes operaciones OLAP permite reducir o aumentar el nivel de detalle en el análisis de datos?. Drill-through. Pivot. Roll-up/Drill-down. Slice/Dice.

¿Qué hace la función Filter en MDX?. Devuelve un número específico de miembros de un conjunto. Devuelve las filas de un conjunto que cumplen una condición específica. Ordena los miembros de un conjunto en orden ascendente o descendente. Calcula la suma de los valores en un conjunto.

¿Cuál de las siguientes es una ventaja de los esquemas en estrella?. Evitan la redundancia. Son más fáciles de consultar. Son más adecuados para manejar relaciones complejas entre dimensiones. Son más eficientes en el almacenamiento.

Los hechos semiaditivos son aditivos en todas las dimensiones. Verdadero. Falso.

¿Cuál de los siguientes es un tipo de hecho que modela el estado de un proceso en un momento determinado?. De snapshot. De evento. Aditivo. Degenerado.

Los sistemas DW/BI están optimizados para consultas que manejan grandes volúmenes de datos, necesitando el historial de los datos. Falso. Verdadero.

¿Qué tipo de vista guarda físicamente los datos y puede mejorar el rendimiento de las consultas?. Vista materializada. Vista simple. Vista dinámica. Vista temporal.

Las claves generadas (surrogate keys) se usan en las dimensiones del DW para aislarlo de los cambios en las claves de los sistemas operacionales. Falso. Verdadero.

Los esquemas en copo de nieve evitan la redundancia y, por lo tanto, son siempre preferibles a los esquemas en estrella en entornos de Data Warehousing. Falso. Verdadero.

¿Cuál de las siguientes es una característica de un cubo en un modelo multidimensional?. Es una base de datos relacional. No permite el uso de jerarquías en las dimensiones. Permite el uso de jerarquías en las dimensiones. Es una estructura unidimensional para la captura y análisis de datos.

¿Qué tipo de medida NO se puede sumar en ninguna dimensión?. Aditiva. Semiaditiva. No aditiva. Degenerada.

¿Qué tipo de vista materializada permite cambios en la vista que no se propagan a la base de datos subyacente?. Escribible. De clave primaria. Actualizable. Solo lectura.

Un Data Warehouse (DW) es una colección de datos orientada a temas, integrada, volátil y dependiente del tiempo, creada para soportar la toma de decisiones. Falso. Verdadero.

¿Qué lenguaje de consulta se utiliza para consultar bases de datos OLAP y permite acceder a objetos multidimensionales, como los cubos?. XML. MDX. HTML. SQL.

¿Cuál de las siguientes NO es una característica de un Data Warehouse?. Volátil. Dependiente del tiempo. Integrado. Orientado a temas.

¿Cuál de las siguientes es una ventaja de los esquemas en copo de nieve?. Facilitan las consultas. Evitan la redundancia. Son más rápidos en las consultas. Son más fáciles de implementar.

Los outriggers son atributos de una dimensión que se normalizan en tablas separadas para evitar redundancia, pero deben usarse con moderación debido a que implican joins. Falso. Verdadero.

¿Qué tipo de cambio en una dimensión SCD (Slowly Changing Dimension) implica añadir una nueva columna a la dimensión?. Tipo 2. Tipo 1. Tipo 3. Tipo 4.

¿Qué cláusula en SQL se utiliza para calcular niveles de subtotales de izquierda a derecha sobre las dimensiones especificadas, incluyendo el total general?. CUBE. ROLLUP. GROUPING. GROUPING SETS.

¿Qué tipo de medida se puede sumar en algunas dimensiones pero no en otras?. Semiaditiva. Degenerada. No aditiva. Aditiva.

¿Cuál de las siguientes opciones describe la función de la palabra clave WHERE en una consulta MDX?. Define los ejes de la consulta. Especifica los miembros o tuplas que se utilizarán en el eje segmentador para restringir los datos devueltos. Filtra las filas de la tabla de hechos en función de las condiciones especificadas. Ordena los resultados de la consulta.

¿Cuál es el propósito de una tabla de dimensión en un modelo dimensional?. Almacenar las medidas del negocio. Proporcionar contexto a los hechos. Almacenar las claves primarias de la tabla de hechos. Definir las relaciones entre tablas.

¿Cuál es el objetivo principal de una dimensión junk?. Almacenar atributos con dominios discretos y reducidos. Manejar relaciones complejas entre dimensiones. Simplificar el modelo dimensional. Mejorar el rendimiento de las consultas.

¿Cuál de las siguientes opciones NO es un tipo de vista materializada en Oracle?. Transaccional. Actualizable. Solo lectura. Escribible.

¿Qué tipo de dimensión se utiliza para agrupar atributos con dominios discretos y reducidos, como flags o indicadores?. Dimensión junk. Dimensión degenerada. Dimensión causal. Dimensión rol.

¿Qué lenguaje de consulta está específicamente diseñado para consultar bases de datos OLAP?. C++. SQL. XMLA. MDX.

CUBE en SQL calcula niveles de subtotales de izquierda a derecha sobre las dimensiones especificadas, incluyendo el total general. Verdadero. Falso.

ROLLUP en SQL calcula todos los niveles de subtotales posibles en las dimensiones especificadas, incluyendo el total general. Verdadero. Falso.

¿Cuál de las siguientes opciones NO es un componente de una expresión MDX?. SELECT. JOIN. FROM. WHERE.

¿Cuál de los siguientes NO es un área de aplicación de los modelos de datos multidimensionales (MDM)?. Data Mining. OLAP. Data Warehousing. Gestión de transacciones en línea.

La arquitectura en bus del Data Warehouse (DWBA) permite construir el almacén de datos de forma incremental y es la base para el drill-across. Falso. Verdadero.

¿Qué son las dimensiones conformadas?. Dimensiones que se utilizan para almacenar información temporal. Dimensiones que se utilizan en múltiples procesos de negocio. Dimensiones que se utilizan en un solo Data Mart. Dimensiones que son idénticas o una es subconjunto de otra en cuanto a valores y atributos.

¿Cuál es la función de la palabra clave NON EMPTY en una consulta MDX?. Incluye todas las celdas en el resultado de la consulta, incluso si están vacías. Elimina las celdas vacías de un eje en la sentencia SELECT. Devuelve un número específico de filas del conjunto de resultados. Ordena los resultados de la consulta en función de una expresión específica.

Un snapshot periódico del inventario registra cada transacción que afecta a los niveles de inventario. Falso. Verdadero.

¿Qué técnica de Slowly Changing Dimension (SCD) implica añadir una nueva fila a la dimensión para guardar la historia anterior al cambio?. Tipo 2. Tipo 1. Tipo 4. Tipo 3.

La metodología de los 4 pasos de Kimball para el diseño dimensional comienza con la selección del proceso a modelar. Falso. Verdadero.

En un snapshot acumulativo para inventario, se crea una fila en la tabla de hechos cuando se recibe un producto, y el seguimiento del producto se realiza en esa fila, modificándose según los eventos. Falso. Verdadero.

¿Cuál de las siguientes opciones describe una jerarquía ragged?. Una jerarquía que tiene niveles que no existen para todos los miembros. Una jerarquía que tiene todos los niveles definidos para todos los miembros. Una jerarquía que tiene un solo nivel. Una jerarquía que no tiene ningún nivel.

Los sistemas OLTP están optimizados para procesar transacciones rápidamente. Verdadero. Falso.

¿Qué función MDX se utiliza para devolver un número específico de filas del conjunto de resultados, ordenadas por una expresión?. Rank. Order. TopCount (Respuesta correcta). Filter.

¿Cuál es el propósito de un miembro calculado en MDX?. Añadir un nuevo miembro dinámico a un conjunto con una expresión asociada. Calcular el promedio de los valores en un conjunto. Definir un nuevo miembro en una jerarquía existente. Filtrar los miembros de un conjunto en función de una condición.

Las dimensiones conformadas son esenciales para la operación drill-across en Data Warehousing. Verdadero. Falso.

¿Qué hace la función GROUPING en SQL?. Ordena los resultados de una consulta en función de una o varias columnas. Calcula subtotales y totales generales para grupos de datos. Crea grupos para cada valor único en una columna. Indica si un valor NULL en una columna es resultado de una operación ROLLUP o CUBE.

¿Cuál de las siguientes opciones NO es una característica de las tablas factless?. No contienen medidas. Indican que se ha producido un evento. Comparten dimensiones con otras tablas de hechos. Tienen la misma granularidad que las tablas de hechos.

En una jerarquía irregular (ragged), se puede propagar el valor inferior al superior o tener un valor de "No aplicable" para manejar la falta de algunos niveles. Falso. Verdadero.

¿Cuál de las siguientes NO es un objetivo de un Data Warehouse?. Almacenar datos consistentes. Proporcionar acceso a los datos de la organización. Optimizar el procesamiento de transacciones. Permitir consultas y combinaciones bajo cualquier dimensión.

En un esquema en estrella, la tabla de hechos contiene una fila para cada hecho, con una columna para cada medida y una columna para cada dimensión que también es clave externa a las tablas de dimensión. Falso. Verdadero.

¿Cuál de las siguientes afirmaciones NO es una ventaja de las vistas materializadas?. Mejoran el rendimiento de las consultas. Son transparentes a las aplicaciones. Se pueden actualizar de forma manual o automática. Consumen menos espacio de almacenamiento que las tablas base.

¿Cuál es la principal diferencia entre los sistemas OLTP y los sistemas DW/BI?. Los sistemas OLTP están optimizados para consultas analíticas, mientras que los sistemas DW/BI están optimizados para el procesamiento de transacciones. Los sistemas OLTP están optimizados para el procesamiento de transacciones, mientras que los sistemas DW/BI están optimizados para consultas analíticas. Los sistemas OLTP utilizan esquemas en estrella, mientras que los sistemas DW/BI utilizan esquemas en copo de nieve. Los sistemas OLTP se basan en modelos multidimensionales, mientras que los sistemas DW/BI se basan en modelos relacionales.

Un índice bitmap es una técnica de indexación que puede mejorar significativamente el rendimiento de las consultas en columnas que pueden tomar un número limitado de valores. Verdadero. Falso.

Las dimensiones junk agrupan atributos variados con dominios discretos y reducidos, como flags o indicadores, y pueden proporcionar un mejor rendimiento al sacarlos de su dimensión. Falso. Verdadero.

¿Qué palabra clave en MDX se utiliza para eliminar las celdas vacías de un eje en la sentencia SELECT?. NULL. EMPTY. NON EMPTY. ALL.

¿Cuál de las siguientes NO es una fase en el proceso ETL?. Transformación. Normalización. Extracción. Carga.

¿Qué técnica se puede utilizar para manejar dimensiones multivaluadas en un modelo dimensional?. Almacenar todos los valores en una sola columna. Utilizar una tabla puente para almacenar las relaciones. Ignorar los valores multivaluados. Utilizar una dimensión degenerada.

¿Qué función MDX se utiliza para calcular el ranking de un valor con respecto a otros registros del grupo o ventana?. BottomCount. Rank. TopCount. Order.

¿Cuál de las siguientes opciones NO es una operación OLAP?. Roll-up. Normalización. Drill-down. Slice.

¿Qué operador en MDX se utiliza para combinar dos conjuntos, por ejemplo, para mostrar varias medidas en cada celda?. Union. CrossJoin. Except. Intersec.

Las dimensiones degeneradas no tienen atributos, solo un identificador, y suelen representar números de control operacionales. Falso. Verdadero.

Las tablas factless no contienen medidas, solo relaciones entre dimensiones, e indican que se ha producido un evento. Falso. Verdadero.

¿Qué tipo de hecho describe un evento cuya ocurrencia es impredecible?. De snapshot. De estado. Degenerado. De evento.

¿Cuál de las siguientes opciones describe la funcionalidad de la cláusula ROLLUP en SQL?. Calcula todas las combinaciones posibles de subtotales para las dimensiones especificadas. Calcula un total general sin calcular subtotales para las dimensiones especificadas. Calcula subtotales de izquierda a derecha para las dimensiones especificadas, incluyendo un total general. Calcula subtotales solo para las dimensiones especificadas, sin incluir un total general.