CompTIA Data+ — Questões de prática e simulado

Uma camada semântica abstrai o modelo físico de dados em termos compreensíveis para o negócio, permitindo que usuários sem perfil técnico criem relatórios sem SQL. Em vez de consultar “tbl_txn.amt_usd” com JOINs complexos, os usuários veem “Receita” como uma métrica governada e predefinida. Recursos principais: nomes compreensíveis para o negócio, cálculos predefinidos (por exemplo, margem bruta), definições padronizadas que garantem consistência e relacionamentos simplificados que escondem a complexidade dos JOINs. Ferramentas como Looker LookML, a dbt semantic layer e os modelos de dados do Tableau oferecem isso. Por que não as outras? Repositórios de código de ETL exigem habilidades de desenvolvedor, o oposto de self-service. SQL por linha de comando exige conhecimento técnico que usuários sem perfil técnico não têm. Acesso administrativo ao banco de dados é para DBAs, não para quem cria relatórios, e traz riscos de segurança. Dica para o exame: self-service = camada semântica + arrastar e soltar; análise técnica = SQL + código.

Tabelas de banco de dados impõem restrições que arquivos CSV não têm, por isso linhas que violam essas regras podem ser rejeitadas durante o carregamento. Violações comuns incluem NOT NULL (valores obrigatórios ausentes), incompatibilidade de tipos de dados (texto em colunas numéricas), UNIQUE/PRIMARY KEY (identificadores duplicados), CHECK (valores fora do intervalo) e FOREIGN KEY (referências órfãs). Se as linhas inválidas são ignoradas ou se o carregamento inteiro falha depende das configurações do carregador, como um limite de erros permitidos. Se um arquivo de erros ou de rejeições estiver configurado, você pode revisar ali as linhas ignoradas e os detalhes dos erros. Por que não as outras? Bancos de dados não fazem linhas sumirem por compressão automática durante o carregamento. A compressão é uma otimização de armazenamento que não altera a contagem de linhas. Um arquivo de 100.000 linhas está bem dentro da capacidade típica de um banco de dados. Licenças não limitam o tamanho das tabelas a quantidades arbitrárias de linhas. Dica para o exame: se linhas de origem > linhas carregadas, suspeite de linhas rejeitadas, como violações de restrições. Sempre concilie as contagens e verifique qualquer saída de erros ou rejeições configurada.

O intervalo interquartil é igual a Q3 menos Q1 e abrange os 50% centrais dos dados ordenados. Para detectar outliers: limite inferior = Q1 − 1,5×IQR, limite superior = Q3 + 1,5×IQR. Valores fora desses limites são sinalizados como possíveis outliers. Esse método é robusto porque os quartis resistem à influência de valores extremos, ao contrário da média e do desvio padrão nos métodos de escore z (objetivos do exame CompTIA Data+, domínio Data Analysis; NIST/SEMATECH e-Handbook §7.1.6). Por que não as outras? “Desvio padrão × 2” confunde o IQR com limites baseados em desvio padrão, que são outro método. “Média menos mediana” indica assimetria, não dispersão. “Máximo menos mínimo” é a amplitude, que inclui os outliers em vez de detectá-los. Dica para o exame: IQR = Q3 − Q1 (50% centrais); limites de 1,5×IQR identificam outliers de forma robusta.