Bancos de dados NoSQL, como MongoDB, são projetados para lidar com grandes volumes de dados não estruturados e são altamente escaláveis horizontalmente, enquanto bancos de dados SQL, como MySQL, são mais adequados para dados estruturados, suportando transações ACID.

Relatórios gerados em ferramentas de BI são sempre estáticos e não podem ser atualizados com novos dados.

Dashboards de BI permitem a visualização em tempo real de dados importantes para tomadas de decisão.

Em bancos de dados multidimensionais, a relação entre dados é sempre representada em estrutura tabular bidimensional, sem suporte a modelos de dados hierárquicos ou de rede.

Em Python, listas e tuplas possuem as mesmas propriedades, podendo ser aumentadas ou diminuídas após sua criação.

Valores outliers, isto é, inválidos para a amostra, como um valor textual em vez de um valor que deveria ser numérico, devem ser identificados na etapa de preparação de dados.

Variáveis quantitativas contínuas podem assumir qualquer valor numérico, mesmo que ele não corresponda a um número inteiro.

O gráfico de dispersão é o mais indicado para representar o relacionamento entre dois conjuntos de dados, como idade e tempo de tela dos usuários.

Em um conjunto de dados com muita variação entre si, a normalização garante um desvio padrão mínimo em relação à média dos valores.

Na análise exploratória de dados, as visualizações multivariadas permitem entender as interações entre diferentes variáveis nos conjuntos de dados.