CompTIA Data+ — Questões de prática e simulado

Tabelas de banco de dados impõem restrições que arquivos CSV não têm, então as linhas que violam essas regras são rejeitadas durante a carga. As violações comuns incluem: NOT NULL (valores obrigatórios ausentes), tipos de dados incompatíveis (texto em colunas numéricas), UNIQUE/PRIMARY KEY (identificadores duplicados), CHECK (valores fora da faixa) e FOREIGN KEY (referências órfãs). As 5.000 linhas que faltam aparecem em um log de erros ou de rejeições (CompTIA Data+ Obj 4.1; DAMA DMBOK Cap. 13). Por que não as outras? Bancos de dados não comprimem linhas automaticamente durante a carga: compressão é uma otimização de armazenamento. O tamanho do arquivo não limita a carga (os dados são transmitidos em lotes). Licenças não limitam tabelas a números arbitrários de linhas. Dica de prova: linhas na origem > linhas carregadas = violações de restrição; sempre concilie as contagens e confira os logs de rejeição.

Regras de validação automatizadas embutidas no pipeline de ETL pegam os problemas de qualidade já na ingestão, antes que os dados ruins cheguem aos relatórios. Elas incluem checagem de nulos, validação de tipos, verificação de faixas, restrições de unicidade, detecção estatística de anomalias (mudanças na contagem de linhas, desvio de distribuição) e aplicação de regras de negócio. Ferramentas como Great Expectations, dbt tests e Monte Carlo automatizam as verificações e disparam alertas quando os limites são ultrapassados (CompTIA Data+ Obj 4.1; DAMA DMBOK Cap. 13). Por que não as outras? Backups completos protegem contra perda de dados, não contra problemas de qualidade: eles preservam os dados ruins também. Revisar só quando os usuários relatam problemas é reativo: o estrago já aconteceu. Verificações manuais mensais por amostragem deixam passar tudo o que acontece entre uma revisão e outra e não escalam. Dica de prova: proativo = regras automatizadas + alertas em tempo real; reativo = reclamações de usuários + revisões manuais esporádicas.

Uma camada semântica abstrai o modelo físico de dados em termos que o negócio entende, permitindo que usuários sem perfil técnico montem 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 na linguagem do negócio, cálculos prontos (por exemplo, margem bruta), definições padronizadas que garantem consistência e relacionamentos simplificados que escondem a complexidade dos JOIN. Ferramentas como Looker LookML, a camada semântica do dbt e os modelos de dados do Tableau fornecem isso (CompTIA Data+ Obj 5.3; Gartner Augmented Analytics). Por que não as outras? Repositórios de código de ETL exigem habilidades de desenvolvedor: o oposto do self-service. SQL por linha de comando exige um conhecimento técnico que usuários não técnicos não têm. O acesso administrativo ao banco de dados é para DBAs, não para quem monta relatórios, e traz riscos de segurança. Dica de prova: self-service = camada semântica + arrastar e soltar; analytics técnico = SQL + código.