DifícilVárias respostas

Questão de prática de DA0-002

Quais TRÊS dimensões de qualidade de dados são comumente avaliadas em uma tarefa de perfil de dados?

Escolha todas as respostas corretas.

Respostas corretas

  • BConsistência
  • CUnicidade
  • ECompletude

Explicação

A consistência é uma dimensão central da qualidade de dados avaliada no perfil de dados porque avalia se os valores dos dados estão livres de contradição e aderem às mesmas regras de representação em todos os registros. Em ferramentas de perfil como Informatica ou Talend, as verificações de consistência identificam violações como 'NY' vs 'New York' em uma coluna de estado, garantindo a uniformidade semântica.

Por que cada alternativa está certa ou errada

A

Incorreta

Escalabilidade

A escalabilidade é uma métrica de desempenho do sistema, não uma dimensão de qualidade de dados.

B

Correta

Consistência

A consistência garante a representação uniforme dos dados, uma verificação comum de perfil.

C

Correta

Unicidade

A unicidade garante que não haja registros duplicados, parte do perfil de dados.

D

Incorreta

Disponibilidade

A disponibilidade trata do tempo de atividade do sistema, não da qualidade dos dados.

E

Correta

Completude

A completude verifica se há valores ausentes, uma dimensão padrão de perfil.

Para se aprofundar

O perfil de dados examina os valores reais das colunas para caracterizar um conjunto de dados, e as dimensões canônicas incluem a completude (a proporção de valores não nulos em relação aos registros esperados), a unicidade (se os valores que deveriam ser distintos, como uma chave primária, realmente são) e a consistência (se os valores estão em conformidade entre sistemas, formatos ou relacionamentos referenciais, como um código de país correspondendo a uma lista de referência). Escalabilidade e disponibilidade descrevem características da plataforma em vez da qualidade dos dados, portanto, estão fora do escopo do perfil. Uma sutileza: as ferramentas de perfil calculam essas métricas por coluna e por relacionamento, e uma alta pontuação de completude ainda pode mascarar inconsistência, como uma data armazenada como MM/DD/YYYY em uma fonte e DD/MM/YYYY em outra. Em um cenário de migração, criar o perfil de uma tabela de clientes pode revelar 98 por cento de completude, mas apenas 80 por cento de unicidade na chave pretendida, expondo registros duplicados antes que eles corrompam o data warehouse de destino.

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.