Uma Secretaria de Fazenda estadual implantou um projeto de Business Intelligence para monitorar a arrecadação do ICMS. A equipe de dados recebeu três conjuntos de informações: (i) arquivos XML de Notas Fiscais Eletrônicas, com estrutura padronizada e validada por esquema; (ii) registros de acesso ao portal do contribuinte, armazenados em arquivos de log semiestruturados, com pares chave-valor e campos variáveis; e (iii) gravações de chamadas do call center, transcritas em texto livre para análise de sentimento.

Durante a modelagem, surgiu a discussão sobre a natureza dos dados e o tratamento adequado em cada camada do pipeline. Considere as afirmativas a seguir:

• I. Os XMLs de NF-e são dados estruturados, pois possuem esquema predefinido e são passíveis de consulta relacional direta, dispensando etapas de parsing ou mapeamento para o modelo dimensional.
• II. Os logs semiestruturados exigem técnicas de parsing e podem ser acomodados em modelos flexíveis, como documentos JSON, sem que isso implique ausência total de organização ou de hierarquia.
• III. As transcrições de texto livre são dados não estruturados e, para gerar valor analítico, demandam técnicas de processamento de linguagem natural, não sendo adequadas a consultas SQL tradicionais sem transformação prévia.
• IV. A classificação de um dado como estruturado ou não estruturado é absoluta e independe do contexto de uso, de modo que um mesmo conjunto de dados não pode ser tratado de formas distintas em camadas diferentes do pipeline.

Está correto o que se afirma APENAS em: