Questão de prática de DA0-002
Uma grande empresa de varejo está integrando dados de clientes de dois sistemas CRM separados em um novo data warehouse. O Sistema A armazena IDs de clientes como números inteiros (por exemplo, 12345), enquanto o Sistema B os armazena como strings alfanuméricas (por exemplo, 'CUST-12345-X'). Além disso, alguns clientes existem em ambos os sistemas, mas com pequenas variações de nomes (por exemplo, 'John Smith' vs 'Jon Smith'). O data warehouse exige uma tabela de clientes unificada com um único identificador exclusivo para cada cliente. O analista precisa projetar o processo de aquisição de dados. Qual das seguintes opções é a primeira etapa mais adequada?
Resposta correta
- CRealizar o profiling de dados para analisar distribuições de dados, tipos de dados e problemas de qualidade em cada origem
Explicação
O profiling de dados é a primeira etapa fundamental em qualquer projeto de integração de dados. Ele avalia sistematicamente os tipos de dados de origem, formatos, integridade e problemas de qualidade (por exemplo, IDs inteiros vs. alfanuméricos, variações de nomes) antes de projetar a lógica de transformação. Sem o profiling, as etapas subsequentes, como o fuzzy matching ou a padronização de IDs, correm o risco de serem construídas com base em premissas incorretas sobre os dados.
Para se aprofundar
O profiling de dados é o exame sistemático dos dados de origem para entender tipos de dados, distribuições, taxas de nulos, intervalos de valores e problemas de qualidade antes de projetar transformações. Neste cenário, os dois sistemas CRM usam formatos de ID incompatíveis e apresentam variações de nomes, portanto, o profiling revela exatamente como os IDs estão estruturados, com que frequência os nomes diferem e quais regras de correspondência são viáveis. Somente após o profiling o analista pode escolher a padronização, o fuzzy matching ou uma abordagem de tabela de referência (crosswalk). Ignorar o profiling arrisca construir um fuzzy matching em campos mal compreendidos ou padronizar IDs perdendo o significado. Um caso realista é descobrir que 'CUST-12345-X' do Sistema B incorpora o número inteiro do Sistema A, o que simplifica o design do crosswalk.
Sobre estas questões de prática
Esta é uma das questões de prática originais de DA0-002 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.