Questões de Tecnologia da Informação - Big Data

Big Data aplicada à auditoria permite análises mais abrangentes e preditivas, aplicando o conceito de variedade, por utilizar dados de várias fontes para identificar padrões e anomalias.

Big data aplica-se à auditoria, já que a natureza dos dados-alvo de análises contempla a característica da volatilidade, ou seja, inclui os tipos e a frequência dos dados que afetam as ferramentas de gerência de dados.

Big Data é uma tecnologia não aplicável à auditoria, dada a necessidade de imposição de sigilo dos dados, que limita o volume de dados passível de uso.

Big Data não tem refletido o conceito de valor na auditoria, pois os métodos tradicionais são suficientes, pela natureza dos documentos fiscais.

Big Data refere-se apenas a conjuntos de dados armazenados em bancos de dados relacionais, a fim de garantir a veracidade implícita da arquitetura ANSI/SPARC.

O GraphX é um componente do Hadoop permite visualizar e analisar dados com gráficos.

O Apache Spark copia os dados para a RAM antes de processá-los em vez de acessar dados do armazenamento externo.

O Yet Another Resource Negotiator (YARN) é um componente do Spark que aloca recursos para a execução de aplicações.

O Apache Spark não tem bibliotecas de machine learning integradas, enquanto o Apache Spark dispõe da biblioteca de machine learning MLlib.

O Apache Hadoop conta com uma tecnologia especial de processamento de dados chamada Conjunto de Dados Distribuídos Resiliente (RDD ).

velocidade, variação, valor, volatilidade e visibilidade.

vantagem, visibilidade, veracidade, volume e variedade.

volume, velocidade, variedade, veracidade e valor.

variedade, vantagem, velocidade, valor e vulnerabilidade.

valor, veracidade, visibilidade, volatilidade e variedade.

Necessidade de demissão das pessoas de tecnologia da informação uma vez que esta tecnologia suprime a necessidade de profissionais especializados.

Poucos dados relevantes para análise.

Excesso de dados estruturados presente nos big data.

A velocidade com que os dados são gerados e precisam ser processados.

Impossibilidade de adotar medidas robustas e eficientes para tratar a segurança e privacidade dos dados coletados.

Descritiva.

Diagnóstica.

Prescritiva.

Preditiva.

Cognitiva.