TEST MÓDULO 1 - TEMA 2 TGI

Las killer queries se deben evitar a toda costa, ya que perturba el trabajo transaccional diario de los sistemas de información originales. V. F.

Las bases de datos están diseñadas para el análisis de datos, no para el trabajo transaccional. V. F.

Es imposible realizar análisis de los datos en una base de datos. V. F.

Los sistemas operacionales (OLTP) generan bases de datos orientadas al proceso y los sistemas de almacén de datos (DW) generan bases de datos orientadas al análisis. V. F.

Los sistemas operacionales (OLTP) generan bases de datos orientadas al análisis y los sistemas de almacén de datos (DW) generan bases de datos orientadas al proceso. V. F.

Un almacén de datos es una colección de datos diseñada para dar apoyo a los procesos de toma de decisiones. V. F.

La colección de datos de un almacén de datos es: orientada hacia la información relevante de la organización, integrada, no volátil y variable en el tiempo. orientada hacia la información relevante de la organización, no integrada, volátil y variable en el tiempo. orientada hacia la información relevante externa, integrada, no volátil y estática en el tiempo. orientada hacia la información relevante externa, no integrada, no volátil y estática en el tiempo.

La colección de datos de un almacén de datos es: Subject oriented. Process oriented.

Un almacén de datos se diseña para consultar eficientemente información relativa a las actividades básicas de la organización. V. F.

Un almacén de datos se diseña para soportar los procesos que se realizan en la organización con las actividades de la misma. V. F.

Un almacén de datos es integrado porque: Integra datos recogidos de diferentes sistemas operacionales de la organización (y/o fuentes externas). Trabaja integrando datos que pertenecen únicamente a fuentes internas de la organización. Protege sus fuentes internas de datos para que no puedan trabajar junto a fuentes externas.

Un almacen de datos es variable en el tiempo porque: Los datos desaparecen después de determinado tiempo. Los datos son relativos a un periodo de tiempo, tras el cual dejan de ser inservibles y desaparecen. Los datos son relativos a un periodo de tiempo y deben ser incrementados periódicamente. Un almacén de datos no es variable en el tiempo.

En un almacén de datos los datos son almacenados como instantáneas (snapshots) correspondientes a periodos de tiempo. V. F.

Un almacén de datos es no volátil porque: Los datos almacenados no son actualizados, sólo son incrementados. Los datos almacenados son actualizados e incrementados. Los datos no expiran por lo que no "se volatizan". Un almacén de datos es volátil.

Un almacén de datos tiene como ventajas para su organización que produce rentabilidad de las inversiones realizadas para su creación, aumenta la competitividad en el mercado y aumenta la productividad de los técnicos de dirección. V. F.

Un almacén de datos tiene como desventaja que disminuye la competitividad en el mercado, por lo que también disminuye la productividad de los técnicos de dirección. V. F.

Un almacén de datos tiene entre sus problemas que se infravalora el esfuerzo necesario para su diseño y creación y recursos necesarios para la captura, carga y almacenamiento de los datos. V. F.

Un almacén de datos tiene mucha privacidad de datos y no obliga a aumentar los requisitos de los usuarios. V. F.

Cuales de las siguientes son características de un OLTP. almacena datos actuales. los datos son dinámicos (actualizables). el número de transacciones es elevado. tiempo de respuesta pequeño (segundos). dedicado al procesamiento de transacciones. orientado a los procesos de la organización. sirve a muchos usuarios (administrativos). almacena datos de detalle y datos agregados a distintos niveles. bases de datos grandes (100Tbytes-1Pbyte). los procesos no son previsibles.

Cuales de las siguientes son características de un almacén de datos (DW): almacena datos históricos. almacena datos de detalle y datos agregados a distintos niveles. los datos son estáticos. los procesos no son previsibles. tiempo de respuesta variable (segundos-horas). orientado a la información relevante. soporta decisiones estratégicas. el número de transacciones es elevado. dedicado al procesamiento de transacciones. sirve a muchos usuarios (administrativos).

Un almacén de datos se compone por un ETL que se encarga de: Extraer los datos, filtrarlos, cargarlos al almacén y refrescar el almacén con los datos de las fuentes externas periódicamente. mantener información relevante, metadatos. permitir acceder a los datos y sobre ellos se conectan herramientas más sofisticadas (OLAP, EIS, minería de datos). se encargan de un mantenimiento global, copias de seguridad...

Un almacén de datos se compone por un Repositorio Propio de Datos que se encarga de: Extraer los datos, filtrarlos, cargarlos al almacén y refrescar el almacén con los datos de las fuentes externas periódicamente. mantener información relevante, metadatos. permitir acceder a los datos y sobre ellos se conectan herramientas más sofisticadas (OLAP, EIS, minería de datos). se encargan de un mantenimiento global, copias de seguridad...

Un almacén de datos se compone por Interfaces y Gestores de Consulta que se encarga de: Extraer los datos, filtrarlos, cargarlos al almacén y refrescar el almacén con los datos de las fuentes externas periódicamente. mantener información relevante, metadatos. permitir acceder a los datos y sobre ellos se conectan herramientas más sofisticadas (OLAP, EIS, minería de datos). se encargan de un mantenimiento global, copias de seguridad...

Un almacén de datos se compone por Sistemas de Integridad y Seguridad que se encarga de: Extraer los datos, filtrarlos, cargarlos al almacén y refrescar el almacén con los datos de las fuentes externas periódicamente. mantener información relevante, metadatos. permitir acceder a los datos y sobre ellos se conectan herramientas más sofisticadas (OLAP, EIS, minería de datos). se encargan de un mantenimiento global, copias de seguridad...

Las herramientas de explotación de los almacenes de datos han adoptado un modelo multidimensional de datos. V. F.

Si queremos analizar la venta diaria de productos en distintos almacenes, el producto, el tiempo y el almacén son: Dimensiones (puntos de vista) desde los que se puede analizar la actividad. Actividad que es objeto de análisis con los indicadores que interesa analizar.

Si queremos analizar la venta diaria de productos en distintos almacenes, las ventas, con su importe y unidades son: Dimensiones (puntos de vista) desde los que se puede analizar la actividad. Actividad que es objeto de análisis con los indicadores que interesa analizar.

En un modelo multidimensional: La actividad a analizar se denomina hecho y las dimensiones caracterizan esta actividad. Los indicadores que representan información relevante sobre un hecho se denominan medidas o atributos de hecho. La información descriptiva de cada dimensión se representa por un conjunto de atributos (atributos de dimensión). Ninguna es correcta. Todas son correctas.

En un modelo multidimensional, los atributos de una dimensión pueden formar jerarquías. V. F.

Un esquema multidimensional se llama estrella si: la jerarquía de dimensiones es lineal. si la jerarquía no es lineal.

Un esquema multidimensional se llama estrella jerárquica o copo de nieve si: la jerarquía de dimensiones es lineal. si la jerarquía no es lineal.

En un modelo multidimensional un nivel de agregación para un conjunto de dimensiones se denomina cubo. V. F.

En un modelo multidimensional un nivel de agregación para un conjunto de dimensiones se denomina colección. V. F.

Un esquema multidimensional se llama también datamart. V. F.

Un datamart es suficiente para almacenar toda la información necesaria. V. F.

Un data mart es un subconjunto de un almacén de datos, generalmente en forma de estrella o copo de nieve. V. F.

Un datamart se caracteriza por: su forma de tabla. contener menos información de detalle y más información agregada. contener información de distintos almacenes de datos.

Señala cuales de las siguientes es cierta para las herramientas OLAP: presentan al usuario una visión multidimensional de los datos para cada actividad que es objeto de análisis. El usuario debe conocer la estructura interna (esquema físico) del almacén de datos si quiere formular consultas a la herramienta OLAP. El usuario formula consultas a la herramienta OLAP sin conocer la estructura interna (esquema físico) del almacén de datos. La herramienta OLAP genera las correspondientes consulta y la envía al gestor de consultas del sistema. presentan al usuario una visión unidimensional de los datos para cada actividad que es objeto de análisis.

En las herramientas OLAP una consulta a un almacén de datos consiste generalmente en la obtención de medidas sobre los hechos parametrizadas por atributos de las dimensiones y restringidas por condiciones impuestas sobre las dimensiones. V. F.

Las herramientas OLAP tienen como desventaja que no pueden utilizar operadores de refinamiento o manipulación de consultas como drill, roll, slice and dice... V. F.

Une los siguientes operadores con su definición. agregación (roll). disgregación (drill). slice & dice. pivot.

Las herramientas OLAP necesitan operadores que le permitan agregar y disgregar los datos con facilidad. V. F.

Los operadores de agregación (roll) y disgregación (drill) se pueden hacer: atributos de una dimensión sobre los que se ha definido una jerarquía. sobre dimensiones independientes. en ambos casos. en ninguno de los dos casos.

Une las características y definiciones correspondientes con ROLAP o MOLAP. ROLAP. MOLAP.

Cual de estas es cierta para las herramientas MOLAP: El servidor MOLAP construye y almacena datos en estructuras multidimensionales y la herramienta de OLAP presenta estas estructuras multidimensionales. Utiliza servidores relacionales para almacenar la información y utiliza las herramientas OLAP para transformarlo en estructuras multidimensionales. La complejidad de la BD es visible para los usuarios.

Utilizando herramientas ROLAP los datos se almacenan en arrays, se oculta la complejidad de la BD a los usuarios y el análisis se hace sobre datos agregados y métricas o indicadores precalculados. V. F.

ROLAP es en general más eficiente que MOLAP. V. F.

MOLAP puede aprovechar la tecnología relacional y por lo tanto pueden utilizarse sistemas relacionales genéricos (más baratos o incluso gratuitos). V. F.

Une la definición con el acrónimo. WOLAP. DOLAP. RTOLAP. SOLAP.

El sistema encargado del mantenimiento del almacén de datos es el ETT (ETL). V. F.

Los sistemas ETT (ETL) son responsabilidad del equipo de desarrollo del almacén de datos y es el mismo para todos los almacenes de datos. V. F.

No hay dos ETL iguales en ningún almacén de datos ya que se construyen específicamente para cada almacén de datos. V. F.

Una de las desventajas de un ETT (ETL) es que las transformaciones que realiza paraliza las bases de datos operacionales y el almacén de datos. V. F.

El almacenamiento intermedio de un ETT (ETL): Es único por cada almacén de datos. Permite realizar transformaciones sin paralizar la BBDD ni el AD (DW). Puede almacenar metadatos. Permite integrar datos de las BBDD operacionales y fuentes externas. Todas son correctas. Ninguna es correcta.

El mantenimiento de los metadatos en el ETL se realiza en: La extracción. La transformación. El transporte. En todos los anteriores.

Une cada característica a una de las etapas del ETT (ETL). Extracción. Transformación. Transporte.

La clave para el éxito de un almacén de datos es. La "calidad de los datos". El rendimiento del almacén. El uso de las herramientas correctas.

Cuando se realiza la extracción de datos en el ETT o ETL, estos siempre se encontrarán en un SGBDR por lo que la extracción de datos se puede reducir a consultas en SQL o rutinas programadas. V. F.

Antes de realizar la extracción de los datos en un AD es necesario identificar los cambios, para ello hay distintos métodos como la carga total, el uso de disparadores o logs en el sistema operacional, el uso de marca de tiempo, entre otros. V. F.

La transformación de los datos en un AD se da en el almacén intermedio y se encarga de eliminar anomalías realizando limpieza de datos y usando la estandarización. V. F.

No es posible archivar o eliminar datos obsoletos de un AD. V. F.

La indización y la obtención de agregados es un proceso que se realiza siempre antes del proceso de carga de datos en el AD. V. F.

Cuando realizamos indización después de la carga en el AD: cargamos con el índice deshabilitado y se realiza la creación del índice (total o parcial) (rápido). cargamos con el índice habilitado y se realiza la creación del índice (total o parcial) (rápido). cargamos con el índice habilitado, procesamos tupla a tupla y se realiza la creación del índice (total o parcial) (rápido).

Las etapas de diseño de un almacén de datos son: Recogida y análisis de requisitos, Diseño conceptual, Diseño lógico, Diseño físico e Implementación. Recogida y análisis de requisitos, Diseño conceptual, Análisis conceptual, Prototipado e Implementación. Recogida y análisis de requisitos, Análisis conceptual, Diseño lógico, Diseño físico, Prototipado e Implementación. Recogida y análisis de requisitos, Diseño conceptual, Análisis de datos, Prototipado, Extracción de datos e Implementación.

Une cada etapa del diseño de un AD con sus características. Análisis. Diseño conceptual. Diseño lógico. Diseño físico. Implementación.

El modelado multidimensional se puede aplicar utilizando distintos modelos de datos, la representación gráfica del esquema multidimensional dependerá del modelo de datos utilizado (relacional, ER, UML, OO, ...). V. F.

El temprano desarrollo industrial de la tecnología de almacenes de datos fue impulsado por las demandas de los usuarios. V. F.

La atención en el desarrollo de la tecnología de almacenes de datos ha estado principalmente en mejorar la eficiencia en la ejecución de consultas. V. F.

Ordena los pasos a seguir a la hora de diseñar un almacén de datos. 1. 2. 3. 4.

¿Qué es un proceso en el contexto de la construcción de un almacén de datos?. Una actividad que no está relacionada con un sistema OLTP. Una actividad de la organización soportada por un OLTP del cual se puede extraer información con el propósito de construir el almacén de datos. Una actividad que solo se lleva a cabo después de que el almacén de datos esté completamente construido. Una actividad que solo se lleva a cabo después de que el almacén de datos esté completamente construido.

¿Qué representa el término "gránulo" en el contexto de almacén de datos?. El formato de almacenamiento de datos en un almacén de datos. El nivel de detalle al que se desea almacenar información sobre la actividad a modelar. Un tipo específico de base de datos utilizado en almacenes de datos. La frecuencia con la que se ejecutan las consultas en un almacén de datos.

Un gránulo en el contexto de almacén de datos. define el nivel atómico de datos en el almacén de datos. determina el significado de las tuplas de la tabla de hechos. determina las dimensiones básicas del esquema. todas son correctas. ninguna es correcta.

En un almacén de datos, se almacena información a un nivel de detalle (gránulo) fino principalmente para facilitar la realización de consultas a ese nivel. V. F.

En aplicaciones reales, el número de dimensiones en un almacén de datos suele variar entre 3 y 15 dimensiones. V. F.

La dimensión que está presente en todos los almacenes de datos es: Usuario. Producto. Ubicación. Tiempo.

La dimensión "Tiempo" no puede calcularse de antemano. V. F.

¿Qué representan los "hechos" en un almacén de datos?. Dimensiones utilizadas para organizar los datos. Consultas específicas realizadas en el almacén de datos. Información que se desea almacenar en cada tupla de la tabla de hechos y que será el objeto del análisis. Reglas de análisis aplicadas a los datos almacenados.

Algunos datos que en el OLTP coincidirían con valores de atributos de dimensiones, en el almacén de datos pueden representar hechos. V. F.

En un almacén de datos las claves generadas deben ser con significado y si es posible debe hacerse uso de las claves del sistema operacional. V. F.

La única dimensión en un AD que no tendrá clave artificial es la dimensión "Tiempo". V. F.

Se debe utilizar las claves del OLTP en el AD porque. Es fácil modificarlas si se cambia la codificación de las claves en el OLTP. Permite reutilizar valores de la clave en el OLTP que no se estén utilizando. Las dos son correctas. Las dos son incorrectas.

Es necesario normalizar las tablas de las dimensiones en un AD porque. el ahorro de espacio es significativo. se multiplican los JOIN durante las consultas. hay que evitar normalizar. ninguna es correcta.

El almacenamiento de datos agregados por distintos criterios de agregación en la tabla de hechos mejora la eficiencia del AD. V. F.

Según la estrategia 1 sobre el almacenamiento de datos agregados... Se insertan tuplas en la tabla de hechos para representar la información agregada. Se definen nuevas tablas de hechos para almacenar la información agregada. Se eliminan dimensiones de la tabla de hechos. Se utilizan vistas en lugar de tablas de hechos.

Según la estrategia 2 sobre el almacenamiento de datos agregados.. Se insertan tuplas en la tabla de hechos para representar la información agregada. Se definen nuevas tablas de hechos para almacenar la información agregada. Se eliminan dimensiones de la tabla de hechos. Se utilizan vistas en lugar de tablas de hechos.

El almacén de datos puede estar formado por tablas adicionales además de los data marts. V. F.

Una agregación o disgregación realizada sobre atributos de una dimensión sobre los que se ha definido una jerarquía se denomina: DRILL-DOWN ROLL-UP. DRILL-ACROSS, ROLL-ACROSS.

Una agregación o disgregación realizada sobre sobre dimensiones independientes se denomina: DRILL-DOWN ROLL-UP. DRILL-ACROSS, ROLL-ACROSS.

Las herramientas OLAP se caracterizan por: ofrecer una visión multidimensional de los datos (matricial). no imponer restricciones sobre el número de dimensiones. ofrecer simetría para las dimensiones. permitir definir de forma flexible (sin limitaciones) sobre las dimensiones: restricciones, agregaciones y jerarquías entre ellas. ofrecer operadores intuitivos de manipulación: drill-down, roll-up, slice-and-dice, pivot. ser transparentes al tipo de tecnología que soporta el almacén de datos (ROLAP o MOLAP). todas son correctas. la 2 y la 4 son incorrectas.

El objetivo de los sistemas MOLAP es almacenar físicamente los datos en estructuras multidimensionales de forma que la representación externa y la representación interna coincidan. V. F.

No hay forma que el diseño lógico y físico se corresponda si utilizamos ROLAP. V. F.

Un inconveniente principal en MOLAP es el coste de construcción de las estructuras multidimensionales. V. F.

Una dimensión Tiempo permite representar otros atributos temporales no calculables en SQL. V. F.