No contexto de análises estatísticas, os dados podem estar disponíveis em diferentes tipos de organização. Dependendo da forma de definição e armazenamento, os conjuntos de dados são tipicamente caracterizados como estruturados, semiestruturados e não estruturados. Diante do exposto, analise as afirmativas a seguir. I. Enquanto dados não estruturados são normalmente armazenados em seu formato nativo (como vídeos, imagens ou documentos de texto), dados estruturados são armazenados em linhas e colunas e podem ser mapeados para campos predefinidos. II. Ao contrário dos dados estruturados, que podem ser organizados e acessados por meio de bancos de dados relacionais, dados não estruturados não têm um modelo rígido de organização predefinido. III. Conjuntos de dados semiestruturados usam tags e marcadores (ou seja, metadados) em vez de exigir um esquema predefinido em tabelas, linhas e colunas, como nos dados estruturados. IV. Os data lakes podem ser projetados para armazenar dados semiestruturados juntamente com dados estruturados, permitindo a coexistência de dados de ambos os tipos. Está correto o que se afirma em
- A)I, II, III e IV.
Correta, porque as quatro afirmativas descrevem adequadamente as diferenças entre dados estruturados, semiestruturados, não estruturados e o papel do data lake.
- B)I e III, apenas.
Errada, porque a afirmativa II também está correta e a IV igualmente descreve corretamente o armazenamento em data lakes.
- C)II e IV, apenas.
Errada, porque a afirmativa I também está correta e a III não pode ser descartada, pois semiestruturados usam metadados/tags.
- D)I, II e III, apenas.
Errada, porque a afirmativa IV também está correta, já que data lakes podem armazenar dados de vários tipos ao mesmo tempo.
- E)I, III e IV, apenas.
Errada, porque a afirmativa II também está correta, então não faltam apenas I, III e IV.
Gabarito: A
Em Big Data, a primeira coisa que você precisa fixar é a diferença entre a forma de organização dos dados. Os estruturados são os mais “comportadinhos”: seguem esquema fixo, normalmente em linhas e colunas, como em bancos relacionais. Já os não estruturados fogem da tabela tradicional e costumam ser guardados no formato original, como imagens, áudios, vídeos e textos soltos. Isso torna a assertiva I correta. Os semiestruturados ficam no meio do caminho. Eles não dependem de uma tabela rígida, mas trazem marcas, tags ou metadados que ajudam na organização, como ocorre em XML, JSON e similares. Por isso, a assertiva III também está correta. A assertiva II acerta ao dizer que os dados não estruturados não possuem um modelo rígido de organização predefinido, em contraste com os estruturados, que se encaixam bem em bancos de dados relacionais. A assertiva IV também está certa porque o conceito de data lake é justamente o de um repositório capaz de armazenar grandes volumes de dados em formatos variados, incluindo estruturados, semiestruturados e não estruturados, permitindo convivência entre eles. Em termos de doutrina de Big Data, isso é clássico: data warehouse costuma ser mais esquematizado, enquanto data lake aceita a bagunça organizada do mundo real. Conclusão: todas as afirmativas estão corretas, então o gabarito é a letra A. A banca explora bem essa classificação básica, então vale decorar: estruturado = esquema fixo, semiestruturado = tags/metadados, não estruturado = formato livre.