第8章データ管理
Exercises 16–20練習問題 16–20
16. Explain how QBE works.
16. QBEがどのように動作するか説明しよう。
17. What is a key constraint in the relational model?
17. 関係モデルにおけるキー制約とは何か。
18. What is an NFNF DBMS? a. a database data model that does meet any of the conditions of database normalization defined by the relational model b. a database data model that does not meet any of the conditions of database normalization defined by the relational model c. a database data model that does meet all of the conditions of database normalization defined by the relational model d. a database data model that takes a nonrelational data model and formats the tables to conform to a standard format
18. NFNF DBMSとは何か。a. 関係モデルで定義されたデータベース正規化の条件の、いずれかを満たすデータベースのデータモデルb. 関係モデルで定義されたデータベース正規化の条件を、いずれも満たさないデータベースのデータモデルc. 関係モデルで定義されたデータベース正規化の条件を、すべて満たすデータベースのデータモデルd. 非関係データモデルを取り込み、表を標準の形式に合わせて整える、データベースのデータモデル
19. Which term is described as a simple database that uses an associative array that stores only key-value pairs, provides basic functionality for retrieving the value associated with a known key, and works best with a simple database schema? a. tuple and document stores b. graph-based databases c. key-value stores d. column-oriented databases
19. キーと値の組だけを保存する連想配列を使い、既知のキーに対応する値を取得する基本的な機能を備え、単純なデータベーススキーマで最もよく機能するデータベースを、何と呼ぶか。a. タプル・文書ストアb. グラフ型データベースc. キーバリューストアd. 列指向データベース
20. What is a data lake? a. a scaled-down version of a data warehouse aimed at meeting the information needs of a homogeneous small group of end users b. data stored without organization to make retrieval easy c. a large data repository that stores raw data and can be set up without having to first define the data structure and schema d. centralizes an enterprise’s data from its databases, supporting the flow of data from operational systems to analytics/decision systems by creating a single repository of data from various sources both internal and external
20. データレイクとは何か。a. 共通した性質を持つ少人数のエンドユーザーの情報ニーズを満たすため、データウェアハウスを小規模にしたものb. 検索しやすくするための整理をせずに保存されたデータc. 生のデータを保存する大きなリポジトリーで、データ構造やスキーマを先に定義せずに設置できるものd. 社内外のさまざまな情報源から単一のデータリポジトリーを作り、企業の各データベースのデータを集約して、運用システムから分析・意思決定システムへのデータの流れを支えるもの
Exercises 21–25練習問題 21–25
21. How many schemas can a data warehouse consist of? a. Many; there is no defined number of schemas. b. One; all tables must conform to one schema. c. None; schemas are undefined in data warehouses. d. There is one for each table in the data warehouse.
21. データウェアハウスは、いくつのスキーマから構成できるか。a. 多数。スキーマの数は決まっていない。b. 1つ。すべての表が1つのスキーマに従わなければならない。c. 0個。データウェアハウスにはスキーマが定義されていない。d. データウェアハウス内の表ごとに1つある。
22. Which is one of the five Vs of big data? a. verified data b. validated data c. volatile data d. volume of data
22. ビッグデータの5つのVの1つはどれか。a. 検証済みデータb. 妥当性確認済みデータc. 変化しやすいデータd. データの量
23. What is the definition of data governance? a. It is a technique that hides the physical location of data and uses data integration patterns to produce a unified data view. b. It uses enterprise application integration (EAI) corresponding to the synchronous or asynchronous propagation of updates in a source system to a target system. c. It aims to set up a company-wide controlled and supported approach toward data quality that is accompanied by data quality management processes. d. It uses enterprise information integration (EII) to provide a unified view over data sources.
23. データガバナンスの定義はどれか。a. データの物理的な場所を隠し、データ統合のパターンによって統一されたデータの見え方を作る技法。b. 企業アプリケーション統合（EAI）を用い、元のシステムの更新を対象のシステムへ同期的または非同期的に伝えること。c. データ品質の管理過程を伴い、全社的に統制・支援されたデータ品質への取り組みを確立することを目指すもの。d. 企業情報統合（EII）を用いて、複数のデータ源を統一した形で見せること。
24. Is MapReduce part of Hadoop?
24. MapReduceはHadoopの一部か。
25. What is informatics and how does it relate to information systems?
25. 情報学とは何か。情報システムとは、どのような関係にあるか。
Conceptual Questions概念を考える問題
1. How can you measure the effectiveness of data governance in an organization, and can you quantify it?
1. 組織のデータガバナンスの有効性を、どう測れるか。数値化できるだろうか。
2. What is the relationship between data governance and data quality?
2. データガバナンスとデータ品質には、どのような関係があるか。
3. Should the age of data be a factor in the quality of data?
3. データの古さを、データ品質の要素とすべきか。
4. We typically use the “pyramid of knowledge” to relate to the various level of abstractions encountered when managing data. These levels are known (going from top to bottom) as data, information, knowledge, and wisdom. Can you explain why we use a pyramid to represent the levels of abstraction? Give a specific example of a pyramid starting with actual data. Can you explain the thinking process that makes it possible to go from one level to another?
4. データ管理で出会う各抽象化レベルの関係を表すため、通常「知識のピラミッド」を使う。これらのレベルは、上から下へ、データ、情報、知識、知恵と呼ばれる。抽象化のレベルをピラミッドで表す理由を説明できるか。実際のデータから始まる具体的なピラミッドの例を挙げよう。あるレベルから別のレベルへ進める思考の過程を説明できるだろうか。
5. Why would it be easier to scale unstructured data than structured data?
5. 構造化データより非構造化データの方が、規模を拡大しやすいのはなぜか。
6. Use a free trial version of ErWin to put together a universe of discourse (UoD) for a conceptual relational model involving the following entities: EMPLOYEE, DEPARTMENT, PROJECT, WORKS_ON.
6. ErWinの無料試用版を使い、EMPLOYEE、DEPARTMENT、PROJECT、WORKS_ONという実体を含む概念的な関係モデルについて、談話領域（UoD）を組み立てよう。
7. Both NFNFs and ODBs allow nested queries. Can you explain why ODBs are better at supporting deeply nested queries? (Hint: think about object identity.)
7. NFNFもODBも、入れ子のクエリーを使える。深く入れ子になったクエリーを支えるうえで、ODBの方が優れる理由を説明できるか。（ヒント：オブジェクトの同一性を考えよう。）
8. Draw a simple star schema for a problem involving product sales according to time, region, and price.
8. 時間・地域・価格に応じた製品販売を扱う問題のために、単純なスタースキーマを描こう。
9. Explain the use of MapReduce on the simple example that consists of counting words in a very large document.
9. 非常に大きな文書の単語を数えるという単純な例で、MapReduceの使い方を説明しよう。
10. How can informatics be used to solve problems?
10. 情報学を問題解決にどう使えるか。