¿Cuál de las siguientes características NO pertenece a la definición clásica de un Data Warehouse?
2
En un esquema estrella (star schema) la tabla central se denomina:
lightbulb
Explicación
<strong>Resumen de puntos clave</strong>
<ul>
<li>En un esquema estrella, la tabla central almacena los datos medibles del negocio.</li>
<li>Esta tabla se llama <strong>tabla de hechos</strong> y contiene métricas (ventas, ingresos, etc.).</li>
<li>Las tablas que la rodean son tablas de dimensiones, que describen los hechos.</li>
</ul>
<strong>Cómo recordarlo</strong>
<ul>
<li>Mnemotécnico: <em>Hecho</em> está en el <em>centro</em> de la estrella, como el sol.</li>
<li>Consejo: Imagina la tabla central como el “corazón” de la información; todo lo demás gira alrededor de él.</li>
</ul>
3
Si una organización necesita integrar datos de distintas fuentes y mantener la historia de los cambios, ¿qué propiedad del Data Warehouse es esencial?
4
Una empresa quiere crear un repositorio solo para el análisis de ventas regionales. ¿Qué solución es más adecuada?
5
Durante la fase de Transformación en ETL, ¿cuál de los siguientes procesos es considerado avanzado?
6
¿Cuál es la principal diferencia entre un Data Warehouse y un Data Mart según su alcance?
7
En la fase de Extracción de ETL, ¿qué factor NO afecta directamente al rendimiento del proceso?
8
Un metadato que describe la periodicidad de carga de una tabla pertenece a:
9
Si durante la limpieza de datos se detecta que el campo "sexo" contiene valores "M", "F", "Masculino", "Femenino" y null, ¿qué transformación es la más adecuada?
lightbulb
Explicación
<strong>Resumen de puntos clave</strong>
<ul>
<li>Los valores de sexo deben estar normalizados para análisis consistentes.</li>
<li>Convertir a códigos numéricos (0/1) simplifica el modelado y evita ambigüedades.</li>
<li>Los valores nulos deben reemplazarse por un código válido (por ejemplo, 0).</li>
<li>No es necesario eliminar filas ni crear tablas externas cuando la codificación es directa.</li>
</ul>
<strong>Cómo recordarlo</strong>
<ul>
<li>Mnemotécnico: <em>“Codifica, no elimines”</em> – piensa en transformar, no en descartar datos.</li>
<li>Consejo: Usa siempre una tabla de mapeo simple (M → 1, F → 0) y asigna 0 a los null para mantener la fila.</li>
</ul>
10
En un proyecto de BI, ¿qué porcentaje aproximado del tiempo total suele consumir la fase ETL?
11
Una empresa que requiere datos actualizados cada minuto probablemente optará por:
lightbulb
Explicación
<strong>Resumen de puntos clave</strong>
<ul>
<li>Los datos deben estar actualizados cada minuto, lo que requiere una carga casi en tiempo real.</li>
<li>Un Data Warehouse puede configurarse con carga incremental para actualizar solo los cambios.</li>
<li>Las otras opciones (Data Lake, Data Mart, OLTP) no garantizan esa frecuencia de actualización.</li>
</ul>
<strong>Cómo recordarlo</strong>
<ul>
<li>Mnemotécnico: <em>DW‑RI</em> → Data Warehouse + Refresh Incremental (casi real).</li>
<li>Consejo: Si la frecuencia es “cada minuto”, piensa en “casi en tiempo real”, que solo un DW con carga incremental lo logra.</li>
</ul>
12
Al integrar fuentes con diferentes unidades de medida (p.ej., metros vs. pies), ¿qué paso es esencial antes de la carga?
13
¿Cuál de los siguientes enunciados describe mejor la naturaleza de los datos en un Data Warehouse?
lightbulb
Explicación
<strong>Resumen de puntos clave</strong>
<ul>
<li>Los datos del Data Warehouse se cargan una sola vez y luego no se modifican.</li>
<li>Son datos persistentes (no volátiles) que permanecen almacenados a lo largo del tiempo.</li>
<li>Se utilizan principalmente para análisis histórico y toma de decisiones.</li>
<li>El acceso es de solo lectura; no se realizan transacciones en tiempo real.</li>
</ul>
<strong>Cómo recordarlo</strong>
<ul>
<li>Mnemotécnico: <em>R</em>ead‑<em>O</em>nly, <em>S</em>table, <em>H</em>istoric (RO‑SH) → “Solo lectura, estable, histórico”.</li>
<li>Consejo: Piensa en el Data Warehouse como una “biblioteca” de datos: los libros (datos) se guardan, no se reescriben, y los consultamos para estudiar el pasado.</li>
</ul>
14
Durante la fase de Carga (Load) de ETL, ¿qué acción es típica para asegurar la integridad referencial?
15
En el contexto de Data Warehouse, ¿qué significa que los datos sean "integrados"?
16
Una empresa que necesita consultar datos de ventas de los últimos cinco años sin alterar los registros originales está aprovechando cuál de las siguientes propiedades del Data Warehouse?
17
En la fase de Transformación, ¿cuál de los siguientes es un ejemplo de transformación básica?
18
Si durante la extracción de datos se produce un error de credenciales, ¿qué acción es la más apropiada?
19
¿Cuál de los siguientes enunciados describe mejor la relación entre Data Warehouse y Data Marts?
20
En la arquitectura de un Data Warehouse, ¿qué rol cumplen los metadatos?
21
Durante la fase de carga, ¿por qué es importante mantener la no volatilidad de los datos?
0%
Puntuación
0
Correctas
0
Incorrectas
¿Quieres ir más lejos?
Crea una cuenta gratuita y genera quizzes ilimitados a partir de tus propios apuntes.
