DP-900のサンプル問題（本番形式・解説付き）

他の選択肢が誤りである理由

• 「バイナリデータ」バイナリデータは画像・音声・実行ファイルなど機械向けのビット列を指し、行と列で整理された表形式データとは概念が異なります。
• 「半構造化データ」半構造化データはJSONやXMLのように構造のヒントを持つが固定スキーマはないもので、列が事前定義された表形式とは性質が異なります。
• 「非構造化データ」非構造化データは画像・音声・自然文のように内部に決まった構造を持たないもので、行列が固定された表形式とは正反対の性質です。

他の選択肢が誤りである理由

• 「データウェアハウジング」データウェアハウジングは分析目的でデータを統合・蓄積する仕組みで、1件ずつのリアルタイム取引処理とは用途が根本的に異なります。
• 「OLAP（オンライン分析処理）」OLAPは蓄積済みの大量データをまとめて集計・分析する操作で、1件の購入を即時確定させる処理とは目的が逆です。
• 「バッチ処理」バッチ処理はデータをまとめて一括処理する方式で、購入が発生するたびに即時確定させる要件には合いません。

他の選択肢が誤りである理由

• 「ELT処理」ELTはデータをまずロードしてから変換するデータ統合手法で、センサーデータのリアルタイム連続処理とは目的が異なります。
• 「バッチ処理」バッチ処理はまとまったデータを一定間隔で処理する方式で、到着直後に異常を検知するリアルタイム要件には対応できません。
• 「OLAP処理」OLAP処理は蓄積された大量データの集計・分析に使うもので、データが到着するたびに即時処理するリアルタイム用途には向きません。

他の選択肢が誤りである理由

• 「本番データベースの可用性・バックアップ・パフォーマンスを維持する」データベースの可用性・バックアップ管理はDBA（データベース管理者）の役割で、パイプライン構築を担うデータエンジニアとは担当領域が異なります。
• 「Power BIで売上ダッシュボードを作成し、傾向を可視化する」Power BIでのダッシュボード作成や傾向の可視化はデータアナリストの役割で、データエンジニアの主業務ではありません。
• 「機械学習モデルを設計し予測精度を高める」機械学習モデルの設計・精度向上はデータサイエンティストの役割で、データエンジニアとは職務が明確に分かれています。

他の選択肢が誤りである理由

• 「YAML」YAMLは人間が読みやすい設定ファイル用のテキスト形式で、列指向の圧縮や大規模分析への最適化はされていません。
• 「CSV」CSVはテキストの行指向フォーマットで列単位の圧縮ができず、大規模な列集計には非効率です。
• 「XML」XMLはタグを使った冗長なテキスト形式で、ビッグデータ分析向けの列指向圧縮には対応していません。