検証済み！Databricks-Certified-Data-Analyst-Associate日本語問題集と解答でDatabricks-Certified-Data-Analyst-Associate日本語テストエンジン正確解答付き
あなたを必ず合格させるDatabricks-Certified-Data-Analyst-Associate日本語問題集PDF2026年最新のに更新された118問あります
質問 # 50
データエンジニアはデータパイプラインの一部としてデルタテーブルを使用する必要があるが、適切な権限を持っているかどうかわからない。
データエンジニアは、以下のどの場所でテーブルに対する自身の権限を確認できますか？
- A. 休息
- B. ダッシュボード
- C. 仕事
- D. Databricksファイルシステム
- E. データエクスプローラ
正解：E
解説：
Option E is correct. In the current Databricks UI, Data Explorer is known as Catalog Explorer. It is the location used to browse catalogs, schemas, tables, and views, review object metadata, and request or inspect access-related information. DBFS, Jobs, Dashboards, and Repos are not the table-permission review location.
Official Databricks extract: users can navigate the catalog tree, open an object's page, and request additional privileges from Catalog Explorer.
質問 # 51
データ アナリストは Databricks SQL でクエリを作成しましたが、そのクエリから 2 つのデータ視覚化を作成し、その両方のデータ視覚化を同じ Databricks SQL ダッシュボードに追加したいと考えています。
両方のデータ視覚化を作成して Databricks SQL ダッシュボードに追加するときに、次の手順のどれを実行する必要がありますか?
- A. 2 つの別々の結果セットを返すようにクエリを変更する必要があります。
- B. クエリをコピーし、クエリごとに 1 つのデータ視覚化を作成する必要があります。
- C. 同じクエリに基づいて、ダッシュボードに 2 つの個別の視覚化を追加する必要があります。
- D. 2 つの個別のダッシュボードを作成する必要があります。
- E. ダッシュボードに追加する単一のデータ視覚化を決定する必要があります。
正解：C
解説：
A data analyst can create multiple visualizations from the same query in Databricks SQL by clicking the + button next to the Results tab and selecting Visualization. Each visualization can have a different type, name, and configuration. To add a visualization to a dashboard, the data analyst can click the vertical ellipsis button beneath the visualization, select + Add to Dashboard, and choose an existing or new dashboard. The data analyst can repeat this process for each visualization they want to add to the same dashboard. Reference: Visualization in Databricks SQL, Visualize queries and create a dashboard in Databricks SQL
質問 # 52
user_ltvという名前のテーブルは、さまざまなチームのデータアナリストが使用するビューを作成するために使用されます。
ワークスペース内のユーザーはグループに分けられ、そのグループはACL(アクセス制御リスト)を使用してデータアクセスを設定するために使用されます。
user_ltvテーブルのスキーマは以下のとおりです。
email 文字列、age 整数、ltv 整数
以下のビュー定義が実行されます。
CREATE VIEW user_ltv_no_minors AS
SELECT email, age, ltv
FROM user_ltv
WHERE
CASE
WHEN is_member( " auditing " ) THEN TRUE
ELSE age > = 18
END;
監査グループに所属していないアナリストが、以下のクエリを実行します。
SELECT * FROM user_ltv_no_minors;
このクエリによって返される結果を説明しているのは、次のうちどれですか？
- A. age 列のすべての値は null 値として返され、その他の列は user_ltv の値で返されます。
- B. 18歳以上の記録については、すべての列が通常どおり表示されます。この条件を満たさない記録は省略されます。
- C. 18歳未満の年齢値はすべてnull値として返され、その他の列はすべてuser_ltvの値で返されます。
- D. 年齢が17歳以上のレコードについては、すべての列が通常どおり表示されます。この条件を満たさないレコードは省略されます。
- E. すべての列のすべてのレコードがuser_ltvの値とともに表示されます。
正解：D
解説：
Option A is correct. The user is not a member of the auditing group, so is_member( " auditing " ) evaluates to false and the ELSE age > = 18 branch controls the filter. Rows with age > = 18 are returned; rows under 18 are omitted. "Age greater than 17" is equivalent to age > = 18 for integer ages. Official Databricks extract:
is_member() "returns TRUE if the current user is a member" of the specified group, and Databricks describes dynamic views as views that can filter rows based on group membership.
質問 # 53
データ アナリストは Databricks SQL でクエリを作成しましたが、そのクエリから 2 つのデータ視覚化を作成し、その両方のデータ視覚化を同じ Databricks SQL ダッシュボードに追加したいと考えています。
両方のデータ視覚化を作成して Databricks SQL ダッシュボードに追加するときに、次の手順のどれを実行する必要がありますか?
- A. 2 つの別々の結果セットを返すようにクエリを変更する必要があります。
- B. クエリをコピーし、クエリごとに 1 つのデータ視覚化を作成する必要があります。
- C. 同じクエリに基づいて、ダッシュボードに 2 つの個別の視覚化を追加する必要があります。
- D. 2 つの個別のダッシュボードを作成する必要があります。
- E. ダッシュボードに追加する単一のデータ視覚化を決定する必要があります。
正解：C
解説：
A data analyst can create multiple visualizations from the same query in Databricks SQL by clicking the + button next to the Results tab and selecting Visualization. Each visualization can have a different type, name, and configuration. To add a visualization to a dashboard, the data analyst can click the vertical ellipsis button beneath the visualization, select + Add to Dashboard, and choose an existing or new dashboard. The data analyst can repeat this process for each visualization they want to add to the same dashboard. References: Visualization in Databricks SQL, Visualize queries and create a dashboard in Databricks SQL
質問 # 54
データ チームには、コンサルタントから、Databricks Lakehouse プラットフォームに実装する必要がある一連のプロジェクトが与えられました。
次のプロジェクトのうち、Databricks SQL で完了する必要があるのはどれですか?
- A. 機械学習プロジェクトの特徴変数の使用状況の追跡
- B. 複数のタスクを含む複雑なノートブックベースのワークフローを自動化する
- C. クラスタリングアルゴリズムを使用して顧客を類似グループに分割する
- D. 2つのデータソースを1つの包括的なデータセットに結合する
- E. ソースからインポートされたデータの品質をテストする
正解：D
解説：
Databricks SQL is a service that allows users to query data in the lakehouse using SQL and create visualizations and dashboards1. One of the common use cases for Databricks SQL is to combine data from different sources and formats into a single, comprehensive dataset that can be used for further analysis or reporting2. For example, a data analyst can use Databricks SQL to join data from a CSV file and a Parquet file, or from a Delta table and a JDBC table, and create a new table or view that contains the combined data3.
This can help simplify the data management and governance, as well as improve the data quality and consistency. References:
* Databricks SQL overview
* Databricks SQL use cases
* Joining data sources
質問 # 55
データエンジニアは、2つのテーブルからデータを取得してリレーショナルオブジェクトを作成したいと考えています。このリレーショナルオブジェクトは、他のセッションで他のデータエンジニアが使用する必要はありません。ストレージコストを削減するため、データエンジニアは物理データのコピーと保存を避けたいと考えています。
データエンジニアは、次のうちどのリレーショナルオブジェクトを作成すべきでしょうか？
- A. Spark SQLテーブル
- B. 表示
- C. デルタ表
- D. 一時的な表示
- E. データベース
正解：D
解説：
Option D is correct. A temporary view is session-scoped and does not store physical data. It is suitable when the relational object is only needed in the current session or query context and should not be available to others in other sessions. A regular view also avoids copying physical data, but it is persistent and can be shared beyond the current session. Official Databricks extract: a view is a "virtual table that has no physical data," and temporary views are scoped to the notebook/script or query level and cannot be referenced outside that scope.
質問 # 56
クラウドベースのオブジェクト ストレージから直接データを取り込むために使用できるアプローチは次のどれですか?
- A. FROMにオブジェクトストレージパスを指定して外部テーブルを作成します。
- B. クラウドベースのオブジェクトストレージからデータを直接取り込むことはできません
- C. オブジェクトストレージパスをLOCATIONに指定して外部テーブルを作成します。
- D. DBFSストレージパスをFROMに指定して外部テーブルを作成します。
- E. DBFSストレージパスをPATHに指定して外部テーブルを作成します。
正解：C
解説：
External tables are tables that are defined in the Databricks metastore using the information stored in a cloud object storage location. External tables do not manage the data, but provide a schema and a table name to query the data. To create an external table, you can use the CREATE EXTERNAL TABLE statement and specify the object storage path to the LOCATION clause. For example, to create an external table named ext_table on a Parquet file stored in S3, you can use the following statement:
SQL
CREATE EXTERNAL TABLE ext_table (
col1 INT,
col2 STRING
)
STORED AS PARQUET
LOCATION ' s3://bucket/path/file.parquet '
AI-generated code. Review and use carefully. More info on FAQ.
External tables
質問 # 57
データアナリストが視覚化を作成しました。関係者がその視覚化を見たところ、解釈が難しいと不満を述べています。視覚化を確認した後、アナリストはy軸の目盛りを変更する必要があると判断しました。
Databricks SQLでy軸のスケールを変更するためのコントロールはどこにありますか？
- A. クエリ エディター # Y軸
- B. 可視化エディタ # Y軸
- C. ダッシュボードエディター # 軸 # Y軸
- D. 設定 # ユーザー設定 # スケーリング
正解：B
解説：
The correct answer is C because axis settings are configured in the visualization editor, specifically under the Y-axis settings. The Query Editor is for writing SQL, not configuring chart axes. User Settings do not control individual chart scales. Dashboard editing may contain visualizations, but the specific control is in the visualization editor's Y Axis configuration.
Official documentation extract used: Databricks chart options state that to configure formatting for the X axis or Y axis, click the corresponding axis tab, and the Y-axis supports scale and range controls.
質問 # 58
データ アナリストが、NULL 値がゼロのテーブルで複雑な集計を処理しており、クエリによって次の結果が返されます。
この結果を得るためにアナリストはどのクエリを実行しましたか?
- A.
- B.
- C.
- D.
正解：A
質問 # 59
データエンジニアとデータアナリストが協力してデータパイプラインを構築しています。データエンジニアはPythonを使用してパイプラインのraw、bronze、silverレイヤーを担当し、データアナリストはSQLを使用してパイプラインのgoldレイヤーを担当しています。パイプラインのrawソースはストリーミング入力です。彼らは現在、パイプラインをDelta Live Tablesを使用するように移行したいと考えています。
Delta Live Tablesへの移行時に、パイプラインに対して以下のどの変更が必要になりますか？
- A. パイプラインはすべてSQLで記述する必要があります。
- B. パイプラインはすべてPythonで記述する必要があります。
- C. パイプラインは、SQLとPythonの異なるノートブックソースを持つことができます。
- D. パイプラインでは、ストリーミングソースの代わりにバッチソースを使用する必要があります。
正解：C
解説：
Option A is correct. Delta Live Tables, now documented under Lakeflow Declarative Pipelines, supports both Python and SQL source files in the same pipeline. The pipeline does not need to be rewritten entirely in one language, and it can still use streaming inputs. Official Databricks extract: "You can add Python and SQL source files to the same pipeline." The same documentation also shows examples for batch and streaming reads in Python and SQL.
質問 # 60
データ分析チームは、最も複雑なプロジェクトの一つにおいて、SQLテーブルtable_bronzeをソースとして扱っています。プロジェクトの関係者が、下流データの一部が重複していることに気付きました。分析チームは、重複の原因がtable_bronzeにあることを突き止めました。
次のクエリのうち、table_bronze のデータを重複排除して新しいテーブル table_silver に書き込むために使用できるのはどれですか。
A)
CREATE TABLE table_silver AS
SELECT DISTINCT *
FROM table_bronze;
B)
CREATE TABLE table_silver AS
INSERT *
FROM table_bronze;
C)
CREATE TABLE table_silver AS
MERGE DEDUPLICATE *
FROM table_bronze;
D)
INSERT INTO TABLE table_silver
SELECT * FROM table_bronze;
E)
INSERT OVERWRITE TABLE table_silver
SELECT * FROM table_bronze;
- A. オプションC
- B. オプションA
- C. オプションB
- D. オプションE
- E. オプションD
正解：B
解説：
Option A uses the SELECT DISTINCT statement to remove duplicate rows from the table_bronze and create a new table table_silver with the deduplicated data. This is the correct way to deduplicate data using Spark SQL12. Option B simply inserts all the rows from table_bronze into table_silver, without removing any duplicates. Option C is not a valid syntax for Spark SQL, as there is no MERGE DEDUPLICATE statement. Option D appends all the rows from table_bronze into table_silver, without removing any duplicates. Option E overwrites the existing data in table_silver with the data from table_bronze, without removing any duplicates. Reference: Delete Duplicate using SPARK SQL, Spark SQL - How to Remove Duplicate Rows
質問 # 61
次の記述のうち、記述統計を説明しているものはどれですか。
- A. 数え切れないほど多くの値を取る定量的変数を使用する統計学の分野。
- B. 要約統計を使用してデータを定量的に記述および要約する統計の分野。
- C. 有限または可算無限の値のセットを取る必要がある定量的変数を使用する統計の分野。
- D. さまざまなデータ分析手法を使用して、基礎となる確率分布の特性を推測する統計学の分野。
- E. 要約統計を使用してデータをカテゴリ別に説明および要約する統計の分野。
正解：B
解説：
Descriptive statistics is a branch of statistics that uses summary statistics, such as mean, median, mode, standard deviation, range, frequency, or correlation, to quantitatively describe and summarize data.
Descriptive statistics can help data analysts understand the main features of a data set, such as its central tendency, variability, or distribution. Descriptive statistics can also help data analysts visualize data using charts, graphs, or tables. Descriptive statistics do not make any inferences or predictions about the data, unlike inferential statistics, which use data analysis techniques to infer properties of an underlying population or probability distribution from a sample of data. References: Databricks - Descriptive Statistics, Databricks - Data Analysis with Databricks SQL
質問 # 62
管理対象テーブルの所有者を特定するにはどの場所を使用できますか?
- A. データエクスプローラーを使用してスキーマページの所有者フィールドを確認します。
- B. SQLエディタを使用してテーブルページの所有者フィールドを確認します
- C. データエクスプローラーを使用してデータベースページの所有者フィールドを確認します。
- D. カタログエクスプローラを使用してテーブルページの所有者フィールドを確認します
正解：D
解説：
In Databricks, to determine the owner of a managed table, you can utilize the Catalog Explorer feature. The steps are as follows:
Access Catalog Explorer:
In your Databricks workspace, click on the Catalog icon in the sidebar to open Catalog Explorer.
Navigate to the Table:
Within Catalog Explorer, browse through the catalog and schema to locate the specific managed table whose ownership you wish to verify.
View Table Details:
Click on the table name to open its details page.
Identify the Owner:
On the table's details page, review the Owner field, which displays the principal (user, service principal, or group) that owns the table.
This method provides a straightforward way to ascertain the ownership of managed tables within the Databricks environment. Understanding table ownership is essential for managing permissions and ensuring proper access control.
質問 # 63
アナリストは、suppliersテーブルとnew_suppliersテーブルの2つのテーブルのデータを結合するよう依頼されました。supplier_idの値が両方のテーブルで一致する可能性があり、その場合、それらのサプライヤーは既にsuppliersテーブルに追加されています。その場合は、データに変更を加える必要はありません。
同じ supplier_id を持つ行を重複させずに、2 つのテーブルを結合するコマンドはどれですか？
- A. オプション AMERGE INTO suppliersUSING new_suppliersON suppliers.supplier_id = new_suppliers.
supplier_idWHEN NOT MATCHED THEN INSERT *; - B. Option DINSERT INTO suppliersUSING new_suppliersON suppliers.supplier_id = new_suppliers.
supplier_idWHEN NOT MATCHED THEN INSERT *; - C. Option CUPDATE suppliersUSING new_suppliersON suppliers.supplier_id = new_suppliers.
supplier_idWHEN NOT MATCHED THEN INSERT *; - D. オプション BCOPY INTO suppliersUSING new_suppliersON suppliers.supplier_id = new_suppliers.
supplier_idWHEN NOT MATCHED THEN INSERT *;
正解：A
解説：
The correct answer is A because MERGE INTO is the Databricks SQL command used to combine source rows with a target table based on a match condition. The condition checks whether supplier_id already exists.
If a row does not match, WHEN NOT MATCHED THEN INSERT * inserts it. If a row already matches, no WHEN MATCHED action is provided, so the existing row remains unchanged. This prevents duplicate supplier rows.
Official documentation extract used: Databricks shows the pattern MERGE INTO target USING source ON target.key = source.key WHEN NOT MATCHED THEN INSERT *.
質問 # 64
クラウドベースのオブジェクト ストレージから直接データを取り込むために使用できるアプローチは次のどれですか?
- A. FROMにオブジェクトストレージパスを指定して外部テーブルを作成します。
- B. クラウドベースのオブジェクトストレージからデータを直接取り込むことはできません
- C. オブジェクトストレージパスをLOCATIONに指定して外部テーブルを作成します。
- D. DBFSストレージパスをFROMに指定して外部テーブルを作成します。
- E. DBFSストレージパスをPATHに指定して外部テーブルを作成します。
正解：C
解説：
External tables are tables that are defined in the Databricks metastore using the information stored in a cloud object storage location. External tables do not manage the data, but provide a schema and a table name to query the data. To create an external table, you can use the CREATE EXTERNAL TABLE statement and specify the object storage path to the LOCATION clause. For example, to create an external table named ext_table on a Parquet file stored in S3, you can use the following statement:
SQL
CREATE EXTERNAL TABLE ext_table (
col1 INT,
col2 STRING
)
STORED AS PARQUET
LOCATION 's3://bucket/path/file.parquet'
AI-generated code. Review and use carefully. More info on FAQ.
質問 # 65
......
合格できるDatabricks Databricks-Certified-Data-Analyst-Associate日本語試験情報フリー練習テスト：https://www.passtest.jp/Databricks/Databricks-Certified-Data-Analyst-Associate-JPN-shiken.html