Gabarito disponível
Texto-base:
Texto 2A2-II
Um órgão ambiental federal responsável pelo monitoramento e pela fiscalização de recursos pesqueiros iniciou um projeto nacional de combate à pesca ilegal. O projeto envolve a integração de dados heterogêneos, incluindo registros administrativos de licenças de pesca, dados de rastreamento de embarcações, imagens de satélite, informações geoespaciais, relatórios de fiscalização e séries históricas de infrações ambientais. A equipe técnica precisa estruturar um ambiente analítico que permita consultas eficientes, automatização de rotinas recorrentes, análise e comunicação clara dos resultados para os gestores responsáveis pela formulação de políticas públicas e pela priorização de ações de fiscalização.
Ainda em relação à situação apresentada no texto 2A2-II, na arquitetura analítica do projeto de combate à pesca ilegal, a integração entre consultas em SQL e o uso de linguagens como Python e R seria tecnicamente justificável porque essa integração
Texto 2A2-II
Um órgão ambiental federal responsável pelo monitoramento e pela fiscalização de recursos pesqueiros iniciou um projeto nacional de combate à pesca ilegal. O projeto envolve a integração de dados heterogêneos, incluindo registros administrativos de licenças de pesca, dados de rastreamento de embarcações, imagens de satélite, informações geoespaciais, relatórios de fiscalização e séries históricas de infrações ambientais. A equipe técnica precisa estruturar um ambiente analítico que permita consultas eficientes, automatização de rotinas recorrentes, análise e comunicação clara dos resultados para os gestores responsáveis pela formulação de políticas públicas e pela priorização de ações de fiscalização.
Ainda em relação à situação apresentada no texto 2A2-II, na arquitetura analítica do projeto de combate à pesca ilegal, a integração entre consultas em SQL e o uso de linguagens como Python e R seria tecnicamente justificável porque essa integração
Resolução comentada
A integração SQL com Python/R une extração estruturada e análise estatística automatizada.
O SQL extrai e prepara dados de forma estruturada e eficiente no banco. Python e R acrescentam métodos estatísticos, modelagem, visualização e automação de rotinas, de modo que a integração complementa as duas camadas e justifica a arquitetura.
Análise das alternativas
A) A integração amplia a escalabilidade, não a limita. B) Ela distribui as etapas entre banco e linguagens, não as concentra no banco. C) Não elimina a necessidade de modelagem e saneamento. E) Persistência e integridade continuam sob responsabilidade do SGBD.
Referência: Ciência de dados: pipeline analítico com SQL, Python e R.
Resolução comentada do VaiConcursos.