Stratio Generative AI Data Fabric Basics

¿Cuál es el objetivo principal de una plataforma Data Fabric como Stratio?. Reemplazar bases de datos relacionales. Centralizar y gobernar datos de múltiples fuentes. Automatizar pruebas funcionales. Visualizar dashboards financieros.

En QA, la calidad de datos se refiere a: La velocidad de procesamiento. La cantidad de datos almacenados. La confiabilidad, exactitud y consistencia de los datos. El tipo de base de datos.

¿Qué tipo de pruebas se realizan principalmente en plataformas de datos?. Pruebas de interfaz. Pruebas de rendimiento web. Pruebas de datos. Pruebas unitarias.

¿Cuál es un pilar clave de la calidad de datos?. Diseño visual. Integridad. Estilos CSS. Navegabilidad.

¿Por qué la calidad de datos es crítica en un banco?. Para reducir consumo de CPU. Para mejorar el diseño de pantallas. Porque decisiones financieras dependen de los datos. Para evitar pruebas funcionales.

¿Qué significa “linaje de datos” (data lineage)?. La estructura visual de reportes. El recorrido del dato desde su origen hasta su consumo. El tamaño de las tablas. El tiempo de respuesta.

¿Qué rol cumple el gobierno de datos?. Aumentar la velocidad de consultas. Definir reglas, responsabilidades y controles sobre los datos. Automatizar pruebas funcionales. Diseñar interfaces.

¿Qué problema busca evitar una Data Fabric?. Automatización excesiva. Silos de información. Uso de SQL. Pruebas manuales.

¿Qué tipo de validación asegura que un campo no esté vacío cuando es obligatorio?. Validación de formato. Validación de integridad. Validación de unicidad. Validación de rendimiento.

¿Qué métrica se asocia a la calidad de datos?. FPS. Completitud. Throughput. Latencia.

En pruebas de datos, ¿qué se valida respecto a duplicados?. Rendimiento. Unicidad. Accesibilidad. Seguridad.

¿Qué riesgo existe si los datos no están gobernados?. Mejora la flexibilidad. Se reduce el tiempo de pruebas. Errores regulatorios y sanciones. Aumenta la automatización.

¿Qué tipo de prueba valida que los datos transformados sean correctos?. Pruebas de migración. Se reduce el tiempo de pruebasPruebas de transformación. Pruebas unitarias. Pruebas de UI.

¿Qué rol del QA es clave en proyectos de Data Fabric?. Diseñar la arquitectura. Validar reglas de negocio sobre los datos. Crear dashboards. Administrar servidores.

¿Qué ventaja ofrece una plataforma como Stratio en pruebas de datos?. Elimina pruebas manuales. Centraliza control y visibilidad del dato. Reemplaza herramientas de seguridad. Aumenta el diseño visual.

¿Qué se debe validar primero en un pipeline de datos?. Visualización final. Origen y calidad del dato fuente. Rendimiento del dashboard. Seguridad de la UI.

¿Qué problema detectan las pruebas de consistencia?. Cambios visuales. Datos contradictorios entre sistemas. Lentitud de red. Errores de compilación.

Si un reporte financiero muestra montos distintos según la fuente, ¿qué tipo de problema es?. Usabilidad. Seguridad. Consistencia de datos. Rendimiento.

Un QA detecta valores nulos en campos críticos tras una integración. ¿Qué debe hacer primero?. Ignorarlos. Reportar y analizar el origen del dato. Modificar el reporte. Ejecutar pruebas de UI.

¿Por qué las pruebas de datos no deben depender solo de validaciones automáticas?. Porque son lentas. Porque no existen herramientas. Porque requieren criterio de negocio. Porque no escalan.