Paniere completo di Sistemi per il supporto alle decisioni (2025) - Risposte multiple e aperte

INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)

Docente: Fiorentini Luigi

Lezione 007

01. Come sono i dati memorizzati in un data warehouse?

Sono solo i dati storici

Sono i dati correnti

Sono sia dati correnti che storici

Sono dati derivati da analisi di mercato

02. Quali delle seguenti frasi è vera?

Il DB usa tabelle normalizzate e bisogna eseguire frequentemente dei join nelle ricerche

Il DB usa tabelle non normalizzate e bisogna eseguire frequentemente dei join nelle ricerche

Il DB usa tabelle non normalizzate e quindi non bisogna eseguire frequentemente dei join nelle ricerche

Il DB usa tabelle normalizzate quindi non bisogna eseguire frequentemente dei join nelle ricerche

03. Chi usa un data warehouse?

Analisti

Clienti

Tutte le risposte

Dipendenti

04. Come sono le tabelle in un data warehouse?

Sempre normalizzate per minimizzare lo spazio occupato su disco

Sempre normalizzate per facilitare gli aggiornamenti

Mai normalizzate per facilitare gli inserimenti

Parzialmente normalizzate

05. Per cosa è ottimizzato un data warehouse?

Transazioni

Aggiornamento di dati esistenti

Cancellazione di dati precedentemente inseriti

Operazioni in lettura

06. Come vengono aggiornati i dati in un data warehouse?

Con aggiornamenti periodici

Con aggiornamenti casuali

Ad ogni variazione del database sorgente

Non vengono mai aggiornati

07. In un Data Warehouse le ricerche

Restituiscono sempre la somma di tutti i valori ottenuti

Devono essere previste in modo da creare indici per ottimizzare le ricerche

Non vengono previste durante la creazione del DW

Non permettono mai di raggiungere il livello di dettaglio con cui vengono memorizzati i dati nella fact-table

08. Elenca almeno 6 differenze tra Database e Data Warehouse © 2016 - 2022 Università Telematica eCampus - Data Stampa 11/07/2022 21:13:25 - 10/48

Set Domande: SISTEMI PER IL SUPPORTO ALLE DECISIONI

INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)

Docente: Fiorentini Luigi

Lezione 008

01. Da dove provengono le informazioni presenti in un Data Warehouse?

Da altre sorgenti esterne

Tutte le altre risposte

Da altre sorgenti interne

Dal database operazionale

02. Quale componente di un Data Warehouse può essere descritto come "Data Warehouse di dimensioni ridotte"?

Dato aggregato

Database

Metadata

Data Mart

03. Di quale fase è propria la validazione e la pulizia dei dati?

Ricerca dei dati

Caricamento dei dati

Estrazione dei dati

Trasformazione dei dati

04. Come vengono chiamati i sistemi usati nell'area di aggregazione?

Data Warehouse Aggregator System

Extract, Transform, Loading System

Data Provider System

Data Loader System

05. Perchè è necessario un Data Warehouse separato?

Il database operativo non è ottimizzato per le aggregazioni

Tutte le altre risposte

Il database operativo non può essere rallentato

C'è la possibilità di filtrare e pulire i dati

06. Elenca tutti i componenti che compongono un Data Warehouse descrivendo brevemente la funzionalità e le carattreristiche di ognuno di essi

© 2016 - 2022 Università Telematica eCampus - Data Stampa 11/07/2022 21:13:25 - 11/48

Set Domande: SISTEMI PER IL SUPPORTO ALLE DECISIONI

INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)

Docente: Fiorentini Luigi

Lezione 009

01. Qual è lo svantaggio di un'architettura di Data Warehouse a 3 livelli?

Utilizzo di molti computer

Procedure complesse per il trasferimento dei dati tra i vari livelli

Maggior tempo di elaborazione delle richieste

Utilizzo di molta memoria

02. Quale elemento non appartiene ad un Data Warehouse progettato con la tecnica Top-Down?

Data Mart popolati direttamente da database operazionali

Staging Area

Modello centralizzato

Data Mart popolati dal Data Warehouse centralizzato

03. Quali architetture di Data Warehouse possono prendere dati da più sorgenti di dati?

Solo le architetture a 2 o 3 livelli

Tutte le architetture

I dati devono provenire sempre da un'unica sorgente di dati per garantire la consistenza degli stessi

Solo l'architettura a 3 livelli

04. Dove vengono memorizzati i dati in un'architettura di Data Warehouse a 1 livello?

In un solo Data Warehouse

Nessuna delle altre risposte

In un solo Data Mart

Nel database transazionale

05. Evidenzia le differenze tra un approccio Top Down ed uno Bottom Up nella progettazione e realizzazione di un Data Warehouse

Nella progettazione e realizzazione di un Data Warehouse, gli approcci Top-Down e Bottom-Up rappresentano due approcci distinti

che si differenziano per il modo in cui vengono sviluppati e implementati. Ecco le principali differenze tra i due approcci:

Approccio Top-Down:

Visione aziendale: L'approccio Top-Down parte dalla visione aziendale e si concentra sull'identificazione dei requisiti aziendali e

degli obiettivi strategici. Si analizzano le necessità del business per determinare quali dati sono rilevanti e come devono essere

organizzati nel Data Warehouse.

Progettazione concettuale: In questo approccio, si sviluppa una progettazione concettuale ad alto livello del Data Warehouse.

Vengono identificati i principali soggetti aziendali, le dimensioni e le gerarchie dei dati, e si definisce uno schema concettuale che

rappresenta la struttura generale del Data Warehouse.

Progettazione logica: Successivamente, si passa alla progettazione logica, che si concentra sulla traduzione dello schema

concettuale in uno schema logico di database. Si definiscono le tabelle, gli attributi e le relazioni necessarie per implementare il

Data Warehouse.

Progettazione fisica: Infine, si procede alla progettazione fisica, che riguarda l'implementazione effettiva del Data Warehouse. Si

considerano gli aspetti di prestazioni, l'ottimizzazione delle query e la configurazione hardware necessaria per supportare il carico di

lavoro previsto.

Approccio Bottom-Up:

Data mart: Nell'approccio Bottom-Up, si inizia con la creazione di data mart specifici per un singolo dipartimento o area funzionale

dell'organizzazione. Questi data mart vengono sviluppati indipendentemente l'uno dall'altro per soddisfare le esigenze locali di

analisi dei dati.

Integrazione graduale: Una volta creati i data mart, si procede all'integrazione graduale di questi componenti in un Data Warehouse

più ampio. Gli schemi e i dati dei data mart vengono mappati e consolidati per creare una visione unificata dei dati aziendali.

Espansione iterativa: L'approccio Bottom-Up prevede un'espansione iterativa del Data Warehouse, aggiungendo gradualmente

nuovi data mart e integrandoli nel sistema esistente. Questo permette una crescita organica del Data Warehouse, in base alle

esigenze specifiche dell'organizzazione.

Agilità e flessibilità: L'approccio Bottom-Up offre maggiore agilità e flessibilità rispetto all'approccio Top-Down. Poiché si inizia con

l'implementazione di data mart specifici, è possibile rispondere rapidamente alle esigenze di analisi dei singoli dipartimenti, senza

dover attendere il completamento di un'intera progettazione del Data Warehouse.

In sintesi, l'approccio Top-Down parte da una visione aziendale e sviluppa un Data Warehouse completo in base ai requisiti

aziendali, mentre l'approccio Bottom-Up inizia con la creazione di data mart specifici e li integra gradualmente in un

© 2016 - 2022 Università Telematica eCampus - Data Stampa 11/07/2022 21:13:25 - 12/48

Datawharehouse Set Domande: SISTEMI PER IL SUPPORTO ALLE DECISIONI

INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)

Docente: Fiorentini Luigi

Lezione 010

01. A cosa servono gli attributi delle tabelle Dimensione?

Per i testi nei report

Per raggruppare

Per filtrare

Tutte le altre opzioni

02. Quale step non appartiene alla progettazione di un modello dimensionale

Selezionare il processo di business

Identificare le dimensioni

Identificare i fatti

Normalizzazione

03. Cosa indica la Granularità delle Misure?

Il numero di dimensioni presenti nel Data Warehouse

Il numero delle righe nella tabella delle Misure

Il livello di dettaglio delle Misure

Il numero di valori distinti delle Misure

04. In uno schema a stella di un modello dimensionale, come si chiama la tabella in cui vengono memorizzate le misurazioni?

Tabella delle misure

Tabella delle misurazioni

Tabella della dimensione

Tabella dei Fatti

05. Come può essere rappresentato il tempo in un modello multidimensionale?

Una colonna di tipo timestamp nella tabella dei fatti

Chiavi esterne multiple a più tabelle dimensione

Tutte le altre risposte

Una chiave esterna ad una tabella dimensione

06. Come vengono chiamati i valori nel Modello Multidimensionale?

Dimensioni

Misure

Campi

Attributi

07. Come vengono anche chiamate le Misure nel Modello Multidimensionale?

Entrambe le risposte

Fatti

Nessuna delle 2 risposte

Dati © 2016 - 2022 Università Telematica eCampus - Data Stampa 11/07/2022 21:13:25 - 13/48

Set Domande: SISTEMI PER IL SUPPORTO ALLE DECISIONI

INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)

Docente: Fiorentini Luigi

08. Come vengono chiamati i nodi delle Gerarchie?

Piani

Foglie

Gradi

Livelli

09. Dove vengono utilizzate le Gerarchie?

Esclusivamente per indicare la data in cui un fatto è avvenuto

Dimensioni

Misure

Sia nelle dimensioni che nelle misure

10. Quale affermazione sull'additività delle misure è vera?

Una misura additiva può essere sommata su tutte le dimensioni

Una misura additiva può essere sommata su più dimensioni, ma non necessariamente tutte

Una misura semi additiva può essere sommata su tutte le dimensioni

Una misura non additiva può essere sommata su qualche dimensione, anche se non in tutte

11. Come si chiama il livello di dettaglio dei dati nella Tabella dei fatti?

Granularità

Misurabilità

Contabilità

Dettaglio

12. Come sono definiti i modelli dimensionali realizzati in database multidimensionali?

Schemi a Costellazione

Schemi a fiocco di Neve

Online Analytical Processing Cubes (OLAP)

Schemi a stella

13. Quali delle seguenti catagorie sull'additività delle misure NON esiste?

Il modello Entità-Relazione (ER) e il modello Multidimensionale sono due approcci distinti utilizzati nella progettazione dei

Semi additivo database e dei data warehouse. Ecco le principali differenze tra i due modelli:

Pseudo additivo Modello Entità-Relazione (ER):

Non addititivo Struttura dei dati: Nel modello ER, i dati sono organizzati in entità (oggetti del mondo reale) e relazioni (connessioni tra le

entità). Questo modello si basa s