| (4) | 1.在 ETL(萃取、轉換、載入)的過程中，應著重於輸入與輸出資料的一致性。這方面的驗證，可以由下列幾種方式來進行，請問下列何者並不包括在內 (41) |
| (1) | 資料筆數 |
| (2) | 特定值的資料筆數 |
| (3) | 數值總和 |
| (4) | 檔案大小 |
| | |
| (1) | 2.在 ETL(萃取、轉換、載入)的最後階段，需擬定一個正式測試計畫。而通常一個完整的測試，包含以下幾種測試，請問下列何者為非 (42) |
| (1) | 事後測試 |
| (2) | 單元測試 |
| (3) | 整合測試 |
| (4) | 迴歸測試 |
| | |
| (3) | 3.詮釋資料資料庫(Meta Data Repository)有三種作法，請問下列何者為非 (43) |
| (1) | 集中式的 |
| (2) | 分散式的 |
| (3) | XML 標籤化集中式 |
| (4) | XML 標籤化分散式 |
| | |
| (4) | 4.商業智慧(BI)系統的應用程式通常係指「即時線上分析處理工具(Online Analytical ProcessingTools, OLAP)」，OLAP 具有以下優點，請問下列何者正確 (44) |
| (1) | 多維度分析 |
| (2) | 簡易方便的瀏覽介面 |
| (3) | 以圖表呈現資料分析結果 |
| (4) | 以上皆是 |
| | |
| (3) | 5.BI 專案之生命週期之排序何者正確 (45) |
| (1) | 評估階段→規劃階段→系統導入階段→專案分析階段→系統設計與建構階段 |
| (2) | 評估階段→規劃階段→系統設計與建構階段→專案分析階段→系統導入階段 |
| (3) | 評估階段→規劃階段→專案分析階段→系統設計與建構階段→系統導入階段 |
| (4) | 評估階段→規劃階段→專案分析階段→系統導入階段→系統設計與建構階段 |
| | |
| (4) | 6.專案管理主要處理哪些事情 (1) 專案要達成哪些目標 (2) 達成各項目標所需的時間 (3) 達成各項目標所需的成本 (4) 各項目標達成的負責人 (46) |
| (1) | 123 |
| (2) | 234 |
| (3) | 124 |
| (4) | 1234 |
| | |
| (4) | 7.下列關於 ETL(萃取、轉換、載入)之敘述何者錯誤 (47) |
| (1) | ETL 過程的準確性應著重於輸入與輸出資料的一致性 |
| (2) | ETL 過程的準確性可利用資料筆數、特定值的資料筆數及數值總和來進行驗證 |
| (3) | ETL 本身應具有驗算(Reconciliation)的能力，以證明此工具的可信度 |
| (4) | ETL 中最繁重的一部份是更正，最主要是輸出資料驗證的問題 |
| | |
| (4) | 8.下列關於詮釋資料之相關敘述何者錯誤 (48) |
| (1) | 要將資料清楚且唯一地定義需借助詮釋資料 |
| (2) | 一般資料庫為儲存資料庫之用，而詮釋資料資料庫為儲存「資料的背景資訊」 |
| (3) | 詮釋資料主要描述資料內容、資料背景、資料屬性、資料結構以及其他有關該資料的相關訊息 |
| (4) | 詮釋資料又稱為權限資料 |
| | |
| (4) | 9.目前商業智慧(BI)系統設計以用簡易的視覺化拖曳(Drag & Drop)方式來進行資料選取，下列有關 BI 系統的描述何者正確 (49) |
| (1) | 從維度資料表內挑選出來的欄位，BI 系統都會事先針對這些欄位內容值相同者進行加總(Sum)的計算 |
| (2) | 從事實資料表中挑選出來的數值性內容的欄位，都會依據同一群組的資料值進行群組(Group By)的動作 |
| (3) | 從維度資料表內挑選出來的欄位，BI 系統都會事先針對這些欄位內容值不相同者進行加總(Sum)的動作 |
| (4) | 從維度資料表內挑選出來的欄位，BI 系統都會事先針對這些欄位內容值相同者進行群組(GroupBy)的動作 |
| | |
| (1) | 10.下列哪一選項是維度模型(Dimensional Model)的別稱 (50) |
| (1) | 星狀綱要(Star Schema) |
| (2) | 實體關係體模型(Entity Relationship Model, ERM) |
| (3) | 物件導向資料模型(Object-Oriented Data Model) |
| (4) | 關聯式資料模型(Relational Data Model) |
| | |
| (4) | 11.下列選項中哪一個不是實體關係體模型(Entity Relationship Model, ERM)不適合 BI 系統設計的原因 (51) |
| (1) | ERM 內資料需正規化(Normalization)技術分析過 |
| (2) | ERM 太過細碎因此不適合非 IT 人員閱讀 |
| (3) | ERM 查詢時候需作很多速度慢的合併(Join) 運算 |
| (4) | ERM 內資料之間的關係被要求是反正規化(Denormalization)的型式 |
| | |
| (3) | 12.在 1997 年 Kimball 提出的全新的資料模型架構稱為維度模型(Dimensional Model)，下列有關維度模型的描述何者錯誤 (52) |
| (1) | 此模型又稱為星狀綱要(Star Schema) |
| (2) | 此模型不建議以實體關係體圖(Entity Relationship Diagrams, ERD)來呈現 |
| (3) | 一個維度模型只會有一個核心即一張維度資料表 |
| (4) | 模型中間核心的資料表稱為事實資料表(Fact Table) |
| | |
| (3) | 13.下列有關星狀綱要(Star Schema)的描述何者正確 (53) |
| (1) | 整個模型在正中央核心部分會以一張資料表來表示，稱為維度資料表(Dimension Table) |
| (2) | 星狀綱要如同一顆星星形狀，而星星會從中央核心射出許多閃爍的光芒，每一道光芒都以一張資料表來表示，稱為事實資料表(Fact Table) |
| (3) | 因為每一道光芒即代表一個維度方向或一個看資料角度的概念，所以此模型也稱為維度模型 |
| (4) | 不可新增維度資料表到已定義好的模型中 |
| | |
| (2) | 14.下列有關維度模型(Dimensional Model)的描述何者錯誤 (54) |
| (1) | 正中間的事實資料表主要用來表達企業組織在經營管理上可以清楚地被衡量(Measurement)且可以被拿來使用的績效(Performance)指標 |
| (2) | 模型中環繞核心維度資料表的為事實資料表 |
| (3) | 事實資料表內所儲存的都是記錄著企業組織在日常營運上每一件事情實際所產生的資料，所以稱為事實資料表 |
| (4) | 存在事實資料表格內的資料都稱為事實(Facts) |
| | |
| (2) | 15.下列哪些描述選項是維度模型化的優點 (1) 容易瞭解(Understandability) (2) 查詢運算快(QueryPerformance) (3) 模型中每一個維度資料表的重要性都相同 (4) 可以容納非預期中的新資料(Accommodate Unexpected New Data) (5) 只需要進行到第三正規型關聯表 (6)不需要反正規化技術 (55) |
| (1) | 1345 |
| (2) | 1234 |
| (3) | 1236 |
| (4) | 1246 |
| | |
| (1) | 16.維度模型工作必須辨別且擷取出可衡量(Measurements)的數值資料部份以及情境化(Context)的文字敘述資料部分，下列描述何者正確 (56) |
| (1) | 可衡量(Measurements)的數值資料部份就是指事實資料 |
| (2) | 情境化(Context)的文字敘述資料部分就是指事實資料 |
| (3) | 可衡量(Measurements)的數值資料部份就是指主鍵資料 |
| (4) | 情境化(Context)的文字敘述資料部分就是指外來鍵資料 |
| | |
| (4) | 17.維度模型中事實資料表的基本結構包含下列哪三個部份 (1) 擁有一組對應聯結到維度模型中各個維度資料表的外來鍵(Foreign Keys, FK) (2) 會有一個或者多個數值型態的欄位用來儲存事實資料 (3) 可能包含一個或者多個退化維度(Degenerate Dimensions, DD)的欄位 (4) 具有唯一性的超級鍵(Super Keys) (5) 具有一種 RSA 特性的加密欄位來確保資訊安全 (57) |
| (1) | 234 |
| (2) | 145 |
| (3) | 345 |
| (4) | 123 |
| | |
| (3) | 18.有關下列維度模型中事實資料表的顆粒度(Fact Table Granularity)描述何者錯誤 (1) 顆粒度是描述事實資料表中衡量欄位的精細度 (2) 同一張事實資料表中所有衡量欄位可以有不相同的精細度(3) 如果顆粒度是指一天的營業額，則銷售量與銷售金額就是一整天訂單中的銷售量與銷售金額的加總 (4) 如果顆粒度是訂單，則銷售金額與銷售量就是加總一整張訂單上的列項目所得的銷售量與銷售金額 (5) 同一張事實資料表中所有衡量欄位都要有相同的精細度 (6) 如果顆粒度是訂單中列項目(Line Item), 則銷售數量與銷售金額都是指某個品項在某張訂單中的銷售數字 (7) 儲存顆粒的大小的設定工作通常會是使用 BI 系統的決策者在訪談與討論前負責設定 (58) |
| (1) | 14 |
| (2) | 35 |
| (3) | 27 |
| (4) | 56 |
| | |
| (4) | 19.事實資料表內的顆粒的基本型態(Fundamental Grains)包含下列哪些選項 (1) 交易事實資料表(Transaction Fact Tables) (2) 週期快照事實資料表(Periodic Snapshot Fact Tables) (3) 累積快照事實資料表(Accumulating Snapshot Fact Tables) (4) 關聯規則事實資料表(Association Rule Fact Tables) (5)模糊事實資料表(Fuzzy Fact Tables) (59) |
| (1) | 125 |
| (2) | 234 |
| (3) | 245 |
| (4) | 123 |
| | |
| (3) | 20.有關維度模型中顆粒的大小的描述何者錯誤 (60) |
| (1) | 如果儲存顆粒設定大或粗，則事實資料表中資料量會變少，但是較細的資料就查詢不到 |
| (2) | 如果儲存顆粒設定小或細，雖然有較細小的報表資料可以提供查詢，但是事實資料表中的資料量會很龐大 |
| (3) | 顆粒度不同的資料可以放同一事實資料表中 |
| (4) | 如果資料量不太大，建議以顆粒度最細的方式儲存資料 |
| | |
