Evaluación de Datos DAW

¿Qué son los datos según el documento?. Información procesada y organizada. Hechos o cifras crudas y sin procesar. Conclusiones extraídas de análisis. Reportes de desempeño de la empresa.

¿Cuál es una característica clave de los datos?. Tienen contexto y son comprensibles. Son útiles para la toma de decisiones inmediata. Requieren procesamiento para adquirir relevancia. Se presentan únicamente en formatos gráficos.

¿Qué es la información según el documento?. Un conjunto de cifras sin significado. El resultado de procesar, organizar y estructurar datos. Datos que no han sido analizados. Cualquier valor bruto como números o fechas.

¿Qué facilita la información para las empresas?. Aumentar la cantidad de datos crudos. Dificultar la interpretación de los datos. La toma de decisiones informadas. Reducir la necesidad de análisis.

¿Qué se refiere el 'ciclo de vida del dato' en el contexto de la digitalización?. El tiempo que un dato permanece en la nube. Las etapas por las que pasa un dato desde su creación hasta su eliminación. La velocidad a la que se generan los datos. El proceso de análisis de datos.

¿Cuál de las siguientes NO es una fase del ciclo de vida del dato?. Captura o recopilación. Procesamiento y análisis de datos. Almacenamiento. Predicción de resultados futuros.

¿Qué herramienta permite la comunicación entre diferentes aplicaciones?. Un Data Warehouse. Un Data Lake. Una API. Un Dashboard.

¿Qué es un Data Warehouse?. Un repositorio para datos brutos y semiestructurados. Un sistema diseñado para el análisis y toma de decisiones con datos estructurados. Una herramienta para la visualización de datos. La infraestructura para almacenar grandes volúmenes de datos.

¿Qué es un Data Lake?. Un sistema para datos históricos de ventas. Un repositorio para almacenar datos brutos o semiestructurados en grandes volúmenes. Una interfaz gráfica para mostrar indicadores clave. Un sistema de procesamiento en tiempo real.

¿Cuál es el objetivo del procesamiento y análisis de datos?. Almacenar datos de forma segura. Transformar datos en información útil. Distribuir datos a los usuarios finales. Archivar datos antiguos.

¿Qué implica la limpieza de datos durante el procesamiento?. Organizar los datos en tablas. Convertir datos a un formato común. Corregir o eliminar errores y duplicados. Crear modelos predictivos.

¿Qué es la normalización de datos?. La identificación de patrones en los datos. La creación de modelos matemáticos. La conversión de datos a un formato común para asegurar coherencia. La presentación de resultados en gráficos.

¿Qué es un dashboard?. Un sistema de almacenamiento de datos brutos. Una interfaz que muestra indicadores clave de desempeño de forma gráfica. Una herramienta para la limpieza de datos. Un protocolo de comunicación entre aplicaciones.

¿Cuál es uno de los usos más importantes de los datos?. Archivarlos para su futura destrucción. Simplemente almacenarlos sin analizarlos. La toma de decisiones estratégicas y operativas. Aumentar la complejidad de los sistemas.

¿Qué implica el archivado, eliminación o destrucción de datos?. Procesar los datos para obtener información. Mover los datos a sistemas de menor costo para su recuperación. Analizar patrones y tendencias. Distribuir la información a los usuarios.

¿Cuál es el objetivo del análisis de datos?. Generar grandes volúmenes de datos brutos. Convertir datos en información útil y apoyar la toma de decisiones. Almacenar datos de forma segura en la nube. Diseñar infraestructuras para la gestión de datos.

¿Qué fase del análisis de datos consiste en entender la estructura y calidad de los datos?. Modelado de datos. Validación de modelos. Interpretación de los resultados. Exploración de datos.

¿Qué se crea en la fase de 'Modelado de datos'?. Gráficos y tablas descriptivas. Modelos matemáticos o estadísticos para predecir o simular. Informes para las partes interesadas. Infraestructuras de almacenamiento.

¿Cuál es el objetivo de la 'Validación de modelos'?. Interpretar los resultados estadísticos. Desplegar los modelos en sistemas operacionales. Probar la precisión y validez de los modelos construidos. Visualizar los hallazgos.

¿Qué implica la 'Interpretación de los resultados'?. Crear nuevos modelos de datos. Traducir los resultados en insights accionables y contextualizarlos. Almacenar los datos de forma segura. Limpiar los datos de errores.

¿Qué es el 'Despliegue de modelos' en la implementación?. La creación de modelos predictivos. La integración de modelos en sistemas operacionales para su uso. La validación de la precisión de los modelos. La comunicación de resultados a las partes interesadas.

¿Por qué es importante el 'Monitoreo continuo' de los modelos?. Para asegurar que sigan siendo precisos y relevantes, y ajustarlos si es necesario. Para crear nuevos modelos cada día. Para archivar los datos de forma permanente. Para aumentar la velocidad de procesamiento.

¿Qué se busca con la 'Visualización y comunicación de resultados'?. Ocultar los hallazgos a las partes interesadas. Presentar los hallazgos de manera clara y concisa para facilitar la comprensión. Realizar más análisis sin comunicar los resultados. Archivar los datos sin procesar.

¿Qué es Big Data?. Una infraestructura para almacenar pequeños volúmenes de datos. La infraestructura para almacenar, procesar y analizar grandes volúmenes de datos de manera eficiente. El proceso de limpieza de datos. La interpretación de resultados estadísticos.

¿Cuál de las siguientes es una característica principal del Big Data?. Gestiona solo datos estructurados. Se caracteriza por la lentitud en la generación y procesamiento de datos. Es capaz de gestionar una gran cantidad de datos. Los datos provienen de una única fuente.

¿Qué se ocupa el enfoque del Big Data respecto a las '5 V'?. Solo volumen y velocidad. Volumen, velocidad, variedad, veracidad y valor. Solo veracidad y valor. Volumen, variedad y visualización.

¿Cuál es el objetivo del análisis de Big Data?. Reducir la cantidad de datos disponibles. Ofrecer datos funcionales y relevantes para la toma de decisiones. Evitar el uso de herramientas avanzadas. Limitar el análisis a datos estructurados.

¿Qué herramientas se utilizan para manejar el Big Data?. Sistemas de procesamiento secuencial. Herramientas básicas de hojas de cálculo. Sistemas de almacenamiento distribuido y procesamiento paralelo. Métodos tradicionales de análisis de datos.

¿Qué es la Inteligencia Artificial (IA)?. Un campo enfocado en el análisis de datos históricos. Un campo de la informática enfocado en crear sistemas que imitan la inteligencia humana. Una tecnología para el almacenamiento masivo de datos. Una herramienta para la visualización de datos.

¿Qué busca emular la IA?. La velocidad de procesamiento de datos. La inteligencia humana mediante algoritmos y modelos. La capacidad de almacenamiento en la nube. La infraestructura de redes.

¿Cuál es una aplicación de la Inteligencia Artificial?. Análisis de datos en tiempo real. Sistemas de recomendación y asistentes virtuales. Procesamiento de datos en lotes. Gestión de bases de datos relacionales.

¿Qué es la Ingeniería de Datos?. El análisis de datos para descubrir patrones. La disciplina encargada de las infraestructuras y sistemas para la gestión y análisis de grandes volúmenes de datos. La creación de modelos predictivos. La visualización de resultados.

¿En qué parte del ciclo de vida del dato se encuentra principalmente la ingeniería de datos?. En la fase final de archivado. Al principio, afectando la captura, almacenamiento y preparación. Únicamente en la fase de uso de los datos. En la distribución de la información.

¿Cuál es la diferencia principal entre Ingeniería de datos y Minería de datos?. La ingeniería de datos analiza patrones y la minería de datos construye infraestructuras. La ingeniería de datos se enfoca en la infraestructura y mover datos, mientras que la minería se enfoca en analizar para obtener información. No hay diferencia, son sinónimos. La minería de datos se enfoca en la captura y la ingeniería en el análisis.

¿Qué garantiza el proceso de ingeniería de datos?. Que los datos sean inaccesibles. Que los datos estén disponibles, sean accesibles y preparados para el análisis. Que los datos se eliminen inmediatamente después de su creación. Que solo los expertos puedan acceder a los datos.

¿Qué significa ETL en el contexto de la ingeniería de datos?. Evaluación, Transformación y Logística. Extracción, Transformación y Carga. Estudio, Trazabilidad y Limpieza. Ejecución, Transmisión y Lanzamiento.

¿Qué es el almacenamiento de datos en la nube?. Guardar datos en discos duros locales. Un modelo donde los datos se guardan en servidores remotos accesibles vía internet. Almacenar datos únicamente en dispositivos móviles. Utilizar únicamente bases de datos relacionales.

¿Por qué los centros de datos en la nube distribuyen y replican datos en múltiples ubicaciones?. Para aumentar la velocidad de procesamiento. Para garantizar la disponibilidad y la redundancia. Para limitar el acceso a los datos. Para reducir la necesidad de seguridad.

¿Cuál es una ventaja del almacenamiento en la nube?. Escalabilidad y reducción de costes de infraestructura. Menor accesibilidad a los datos. Dependencia exclusiva de hardware local. Mayor complejidad en la gestión.

¿Qué permite la integración de datos en la nube?. Limitar el acceso a los usuarios. Asegurar que los datos se pierdan en caso de desastre. Facilitar el trabajo colaborativo y la integración con otras aplicaciones. Reducir la capacidad de almacenamiento.

¿Qué es la Ciencia de Datos?. Una disciplina enfocada solo en la estadística. Una disciplina que combina varias áreas para extraer información valiosa de los datos. El proceso de almacenar datos en la nube. La creación de redes de computadoras.

¿Cómo puede la ciencia de datos ayudar en Dirección?. Ajustando precios dinámicamente según la demanda y la competencia. Gestionando únicamente el almacenamiento de datos. Realizando copias de seguridad de los datos. Diseñando interfaces de usuario.

¿Qué beneficio aporta la ciencia de datos en el área de Marketing?. La creación de firewalls. La segmentación de bases de datos en grupos con comportamientos y preferencias similares. La protección de cuentas de usuario. La respuesta a incidentes cibernéticos.

¿Qué implica la protección contra ataques cibernéticos?. Utilizar únicamente antivirus. Una combinación de medidas técnicas, procedimientos y concienciación. Limitar el acceso a internet. Ignorar las actualizaciones de software.

¿Qué son los Firewalls y antivirus en seguridad?. Métodos para analizar datos. Herramientas para controlar el tráfico y detectar/eliminar malware. Técnicas de modelado de datos. Sistemas de almacenamiento en la nube.

¿Qué es la Autenticación de múltiples factores (MFA)?. Un método para el respaldo de datos. Una capa adicional de seguridad para proteger cuentas de usuario. Una técnica para la visualización de datos. Un sistema de control de acceso.

¿Por qué es importante realizar copias de seguridad regulares (Respaldo de datos)?. Para aumentar el tamaño de los archivos. Para asegurar que los datos importantes no se pierdan en caso de fallo. Para dificultar el acceso a los datos. Para reducir la velocidad de acceso.

¿Qué implica el Control de acceso?. Limitar el acceso a los sistemas y datos solo a quienes lo necesitan para su trabajo. Dar acceso ilimitado a todos los usuarios. Aumentar la complejidad de las contraseñas. Eliminar la necesidad de autenticación.

¿Qué se debe hacer con el software, incluyendo sistemas operativos y aplicaciones?. Mantenerlo obsoleto para evitar cambios. Mantenerlo actualizado con los últimos parches de seguridad. Solo actualizar las aplicaciones críticas. Evitar las actualizaciones para no afectar el rendimiento.