Com relação ao data profiling, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa. I. Inspeciona dados e avalia a qualidade, usa dados e técnicas estatísticas para descobrir a verdadeira estrutura, conteúdo e qualidade de uma coleção de dados. II. O mecanismo produz estatísticas que os analistas de dados podem utilizar para identificar padrões no conteúdo e na estrutura dos dados. III. As contagens de nulos, a frequência de distribuição e os valores máximos e mínimos são exemplos de estatísticas utilizadas. As afirmativas são, respectivamente,
- A)F – V – V.
Esta alternativa marca a afirmativa I como falsa e mantém II e III como verdadeiras. O problema é que a I descreve corretamente o data profiling: trata-se da inspeção de dados para avaliar qualidade, estrutura e conteúdo, normalmente com apoio de estatísticas e regras de validação. Assim, a sequência não se sustenta porque o primeiro item também é verdadeiro.
- B)F – F – V.
Aqui se afirma que I e II são falsas e que apenas III é verdadeira. Isso contraria o conceito de data profiling, já que ele justamente examina a base para identificar estrutura, conteúdo e qualidade, além de produzir estatísticas úteis para localizar padrões e anomalias. As contagens de nulos, frequências, máximos e mínimos são exemplos típicos, mas não são as únicas informações corretas da questão.
- C)V – V – V.
Esta é a sequência compatível com o conceito de data profiling: I, II e III são verdadeiras. A técnica inspeciona dados para entender sua estrutura, conteúdo e qualidade, gera estatísticas para revelar padrões e usa medidas como nulidade, distribuição de frequência e valores extremos. Portanto, o conjunto das três afirmativas está alinhado com a definição técnica da área.
- D)F – V – F.
Esta alternativa considera verdadeiras apenas a II e falsas a I e a III. O erro está em negar a I, pois data profiling é exatamente a análise exploratória voltada a qualidade, estrutura e conteúdo dos dados, e também em negar a III, porque contagens de nulos, frequências e valores mínimo e máximo são estatísticas básicas dessa atividade. O único trecho que se aproveita é o da II, que realmente fala do uso de estatísticas para identificar padrões.
- E)V – F – F.
Nesta sequência, só a I aparece como verdadeira, enquanto II e III são tratadas como falsas. Isso não corresponde ao tema, porque o data profiling não se limita à inspeção da estrutura: ele também produz estatísticas para ajudar a encontrar padrões e inclui medidas como nulos, frequência e extremos. Assim, a alternativa erra ao negar justamente dois elementos centrais da prática.
Gabarito: C
Data profiling é, em termos simples, o processo de “radiografar” os dados antes de sair usando tudo em produção. Ele serve para inspecionar a coleção de dados, medir qualidade, descobrir estrutura, conteúdo e até problemas escondidos, como campos vazios, valores fora do padrão e distribuições suspeitas. A ideia é justamente entender o que existe no banco antes de tomar decisões de limpeza, integração ou modelagem. Na afirmativa I, a descrição está correta porque data profiling usa inspeção e técnicas estatísticas para revelar a estrutura real dos dados e sua qualidade. Na prática, isso ajuda a entender se os dados batem com o que se espera do domínio de negócio, o que é um passo clássico em projetos de data quality e ETL. A afirmativa II também está correta: o mecanismo gera estatísticas que permitem aos analistas enxergar padrões de conteúdo e de estrutura. É exatamente esse tipo de saída que ajuda a perceber, por exemplo, se uma coluna deveria ser numérica mas está cheia de texto, ou se um atributo tem valores muito concentrados. A afirmativa III também é verdadeira, porque contagem de nulos, frequências de distribuição, máximos e mínimos são exemplos típicos de métricas de profiling. Em doutrina de banco de dados e qualidade de dados, esses indicadores aparecem como estatísticas básicas para avaliar completude, consistência e variabilidade. Por isso, o gabarito C está correto: as três afirmativas são verdadeiras.