Data Analyst - Associate 练习题 — 数据分析师 - 助理级

本题考察的是All Certified Data Analyst Associate认证中数据架构模块的核心考点，即Medallion（徽章/奖牌）架构的分层应用。Medallion架构是当前湖仓一体平台的主流数据组织架构，共分为青铜、白银、黄金三个层级，各层级有明确的功能定位。其中黄金层的数据已经完成了全量清洗、去重、标准化处理，同时按照业务分析需求完成了维度建模和指标聚合，数据质量最高，无需分析师额外进行复杂的数据预处理即可直接用于报表制作、可视化展示、探索性分析等核心工作，因此是数据分析师最常使用的层级，对应选项B。 各选项分析： A. 该选项错误，Medallion架构是当前企业数据湖、湖仓一体平台的主流架构，数据分析师的日常取数、分析工作均基于该架构的不同层级数据开展，不可能不使用这些层。 B. 该选项正确，Gold层即黄金层属于面向分析的消费层，数据已经完成所有预处理和业务逻辑加工，完全匹配数据分析师日常工作的需求，使用频率远高于其他层级。 C. 该选项错误，不同层级的定位和数据质量差异极大，青铜层仅面向数据加工人员使用，白银层使用频率较低，黄金层使用频率最高，三者使用频率完全不同。 D. 该选项错误，西尔弗是Silver的音译，即白银层，该层存储的是清洗后的明细数据，仅在分析师需要做特殊的明细类自定义分析、且黄金层无对应数据时才会使用，使用频率远低于黄金层。 E. 该选项错误，青铜层存储的是未经加工的原始数据，存在格式混乱、脏数据多、无统一标准等问题，仅面向数据工程师做数据加工使用，数据分析师几乎不会直接使用该层数据。 关键知识点： 1. Medallion（徽章）架构分层定义，该架构是湖仓一体场景下的主流数据组织架构，分为青铜、白银、黄金三个层级，各层级有明确的功能定位。 2. 不同数据层级的使用场景差异，青铜层用于存储原始数据供ETL加工，白银层存储标准化明细数据供特殊分析使用，黄金层存储聚合后的业务数据供日常分析消费。 3. 数据分析师的核心工作数据需求，分析师日常工作需要高质量、可直接使用的业务数据，无需额外进行大量数据清洗工作，因此优先使用加工完成的黄金层数据。 参考资料： 1. Azure Databricks 奖牌架构指南, https://learn.microsoft.com/zh-cn/azure/databricks/lakehouse/medallion 2. Databricks 官方Medallion架构术语解释

本题考察Databricks SQL功能页面的核心定位，属于All Certified Data Analyst Associate认证的基础操作考点。题目要求找到可以编写和执行SQL查询的页面，SQL编辑器页面是Databricks为数据分析师提供的专属SQL开发环境，支持语法高亮、代码补全、查询执行、结果查看与导出、查询保存等全流程SQL操作，完全满足题目需求，因此正确答案为E。 各选项分析： A. 数据页的核心功能是浏览、管理Databricks工作区中的数据源、数据表、schema等元数据，不支持编写和执行SQL查询，因此该选项错误。 B. 仪表盘页面的核心功能是将已完成的查询结果以可视化组件的形式组合展示，用于数据汇报和看板分析，无法编写和执行SQL查询，因此该选项错误。 C. 查询页面是用户已保存的所有SQL查询的列表管理页面，仅支持查询检索、权限配置等管理操作，无法直接编写和执行SQL查询，因此该选项错误。 D. 警报页面的核心功能是配置查询结果阈值触发规则，当查询结果满足指定条件时自动发送通知，不支持SQL编写执行操作，因此该选项错误。 E. SQL编辑器页面是Databricks SQL提供的专属SQL开发页面，支持即席SQL编写、语法校验、查询执行、结果预览、查询保存等全流程SQL操作，完全符合题目要求，因此该选项正确。 关键知识点： 1. Databricks SQL核心功能页面的定位与适用场景，考生需明确不同页面对应的支持操作，是All Certified Data Analyst Associate认证的基础必考点。 2. Databricks SQL查询操作的核心入口，SQL编辑器是执行即席SQL查询、调试SQL代码的官方指定功能入口。 3. Databricks SQL基础操作流程，编写执行SQL是数据分析师使用Databricks SQL的核心基础操作，对应专属的功能模块。 参考资料： 1. Databricks SQL 编辑器使用指南, 2. Databricks Certified Data Analyst Associate Exam Guide, https://www.databricks.com/learn/certification/data-analyst-associate

Databricks SQL是Databricks湖仓平台原生提供的无服务器SQL查询服务，核心优势是可以直接低延迟查询存储在Delta Lake中的全量原始数据，同时自带轻量的可视化、看板搭建能力。而Tableau、Power BI、Looker等专业商业智能工具，主打复杂可视化制作、企业级报表管控、多数据源整合、大规模用户分发等能力，二者的功能定位各有侧重，并非替代关系。在实际应用中，Databricks SQL可以支撑数据分析师无需跳转外部工具，快速在平台内完成即席查询、临时分析看板搭建等轻量BI工作，和专业BI工具的企业级复杂BI需求形成互补，因此正确答案为E。 各选项分析： A. 错误。Databricks SQL和专业BI工具的功能定位差异极大，专业BI工具具备的复杂可视化、跨平台报表分发、细粒度报表权限管控等能力是Databricks SQL不具备的，不可能作为功能完全相同的替代品。 B. 错误。首先二者并非替代关系，其次Databricks SQL具备直接对接湖仓底层数据、高并发低延迟查询海量数据的独特优势，并非单纯的功能更少的替代品。 C. 错误。Databricks SQL的能力边界聚焦在SQL查询和平台内轻量分析，不具备专业BI工具覆盖的全场景BI能力，不可能作为功能更全面的替代品。 D. 错误。Databricks SQL的核心价值是数据查询与分析，并非专门用于制作专业级演示文稿的辅助工具，该描述完全不符合其产品定位。 E. 正确。Databricks SQL可以直接在Databricks平台内为分析师提供快速即席查询、轻量看板搭建的能力，省去导出数据、对接外部BI工具的流程，作为专业BI工具的补充满足高频、临时的BI工作需求，符合其定位。 关键知识点： 1. Databricks SQL核心定位：Databricks SQL是构建在Delta Lake湖仓架构之上的无服务器SQL计算服务，支持低延迟查询湖仓数据，自带轻量可视化与看板能力，是Databricks平台原生的数据分析组件。 2. Databricks与第三方BI工具的关系：Databricks SQL既可以作为数据源对接各类专业BI工具，为其提供湖仓数据的查询支撑，也可以通过自身的轻量BI能力作为专业BI工具的补充，适配不同场景的分析需求。 3. BI场景划分规则：专业BI工具适用于企业级固定报表制作、复杂可视化呈现、多数据源整合分析、大规模用户分发的场景，Databricks SQL适用于分析师快速完成临时即席查询、探索性分析、临时看板搭建的轻量化场景。 参考资料： Databricks SQL 商业智能工具集成官方文档, Databricks Certified Data Analyst Associate 官方考试指南, https://www.databricks.com/learn/certification/data-analyst-associate

这道题考察的是Databricks与第三方数据摄取工具Fivetran集成的官方标准实践，属于All Certified Data Analyst Associate认证中数据集成模块的核心考点。官方推荐通过Databricks内置的Partner Connect功能完成与Fivetran的对接，该自动化工作流会自动创建适配Fivetran交互需求的SQL仓库（原SQL端点），同时自动完成权限配置、访问凭证生成等操作，无需手动搭建资源和配置参数，既符合安全规范又能降低集成出错概率，因此正确答案为D。 各选项分析： A. 错误，手动通过工作流创建SQL仓库对接Fivetran不是官方推荐的标准方案，需要手动配置访问权限、连接凭证等内容，效率低且容易出现配置错误，不符合Databricks数据集成的最佳实践。 B. 错误，Delta Live Tables是Databricks用于构建和管理ETL/ELT数据流水线的专用功能，核心作用是实现增量数据处理、数据质量管控，并不用于为Fivetran提供交互集群，功能场景完全不匹配。 C. 错误，首先Partner Connect对接Fivetran时创建的资源是SQL仓库而非通用计算集群，其次Fivetran作为数据摄取工具，对接专门优化过SQL访问的SQL仓库即可，无需使用通用集群，资源类型描述错误。 D. 正确，该选项完全符合Databricks官方推荐的Fivetran集成方案，Partner Connect的自动化工作流可一键完成SQL仓库创建、权限分配、Fivetran侧连接参数配置的全流程，是数据摄取场景下的标准对接方式。 E. 错误，手动通过工作流创建通用集群对接Fivetran完全不符合最佳实践，一方面通用集群的设计目标是数据工程开发、复杂计算任务，不适合对接Fivetran这类数据摄取工具，另一方面手动配置存在极高的权限泄露、配置错误风险。 关键知识点： 1. Databricks Partner Connect是官方提供的第三方工具集成入口，可自动化完成与数据摄取、BI、ETL等各类工具的对接，自动处理资源创建、权限配置、凭证生成等流程，是所有第三方工具对接的首选方案。 2. Databricks SQL仓库是专门为SQL查询、第三方工具对接、BI分析、数据摄取等场景设计的计算资源，区别于用于数据工程、数据科学场景的通用计算集群。 3. Fivetran与Databricks集成的官方最佳实践为通过Partner Connect完成自动化对接，使用专属SQL仓库作为交互端点，无需手动配置底层资源。 参考资料： Connect to Fivetran using Partner Connect, Databricks Partner Connect overview, https://docs.databricks.com/partner-connect/index.html

本题考核All Certified Data Analyst Associate认证中Databricks平台角色与服务匹配的核心考点，题目要求识别将Databricks SQL作为辅助服务、主要使用其他Databricks服务的角色。数据工程师的核心工作内容为数据管道开发、湖仓架构搭建、作业调度运维，这类工作主要在Databricks数据科学与工程服务中完成，仅当需要临时验证数据输出结果、快速探查数据内容时才会使用Databricks SQL，完全符合题目描述的场景，因此正确答案为C。 各选项分析： A. 商业分析师的核心工作为业务指标查询、业务问题分析、业务报表制作，核心使用工具就是Databricks SQL，会直接通过SQL服务完成查询、可视化等操作，因此Databricks SQL是其核心服务，该选项错误。 B. SQL分析师的核心工作就是通过编写SQL语句完成数据探查、指标计算、数据校验等任务，Databricks SQL是其完成工作的主要入口，因此该选项错误。 C. 数据工程师核心工作为数据管道开发、数据处理作业调度、湖仓层架构运维，主要使用Databricks数据科学与工程服务完成代码开发、作业配置、任务运维等工作，仅在临时查询验证数据时使用Databricks SQL，因此Databricks SQL是其辅助服务，该选项正确。 D. 商业智能分析师的核心工作为搭建BI看板、对接第三方BI工具、制作可视化分析报告，核心入口就是Databricks SQL，还会通过SQL服务的接口对接Tableau、Power BI等工具，因此Databricks SQL是其核心服务，该选项错误。 E. 数据分析师的核心工作为数据探查、指标体系建设、业务问题分析，主要通过Databricks SQL完成SQL查询、基础可视化、分析结果输出等工作，因此Databricks SQL是其核心服务，该选项错误。 关键知识点： 1. Databricks平台服务定位知识点，Databricks SQL是面向分析类角色的轻量化查询分析服务，Databricks数据科学与工程、机器学习服务是面向工程、算法类角色的全功能开发调度服务。 2. 数据岗位角色工作内容差异知识点，分析师类岗位核心工作围绕SQL查询、指标分析、可视化展开，工程类岗位核心工作围绕数据开发、架构运维、作业调度展开。 3. All Certified Data Analyst Associate认证角色工具匹配考核要求，要求考生能够准确区分不同数据角色在Databricks平台的核心使用工具与适用场景。 参考资料： Databricks SQL 官方文档, https://docs.databricks.com/sql/index.html Databricks平台概述官方文档, https://docs.databricks.com/getting-started/overview.html