DP-900 · Analytique de données
Analytique de données : 12 questions DP-900 corrigées
« Analytique de données » est l'un des 4 domaines évalués à l'examen Microsoft DP-900. Voici 12 questions de ce domaine, chacune avec sa bonne réponse et son explication.
1. Qu'est-ce qu'un tableau de bord (dashboard) dans Power BI ?
Réponse : Une page unique regroupant des visuels épinglés provenant d'un ou plusieurs rapports
Le tableau de bord agrège : il rassemble sur une page des vignettes venues de rapports différents, ce qu'un rapport ne peut pas faire puisqu'il est lié à un seul modèle. C'est la vue de direction, le rapport étant la vue d'analyse.
2. Qu'est-ce que Microsoft Fabric ?
Réponse : Une plateforme d'analytique SaaS unifiée regroupant intégration, entreposage, science des données et BI
Fabric réunit sous un même toit ce qui demandait auparavant d'assembler plusieurs services : ingestion, entrepôt, lac, science des données et restitution, sur un stockage commun. L'intérêt est de supprimer les copies et les intégrations entre outils.
3. Dans un schéma en étoile utilisé pour l'analytique, quel type de table contient les mesures numériques comme le montant des ventes ?
Réponse : La table de faits
La table de faits porte les mesures numériques et les clés vers les dimensions. Les tables de dimension décrivent le contexte — produit, client, date — et les tables de journal ou de configuration n'appartiennent pas au schéma en étoile.
4. Quel composant de Microsoft Fabric fournit un lac de données central unique pour toute l'organisation ?
Réponse : OneLake
OneLake est le lac unique de Fabric : toutes les expériences y écrivent et y lisent, sans copie. OneDrive stocke les fichiers personnels, OneNote prend des notes, et OneAuth n'existe pas — la proximité des noms est le seul piège ici.
5. Quelle affirmation décrit le mieux le rôle de la modélisation de données dans Power BI ?
Réponse : Définir les relations entre les tables et créer des mesures pour permettre l'analyse
Le modèle est la couche invisible qui rend les visuels justes : sans relations correctes entre les tables, un filtre appliqué à un graphique n'atteindra pas les autres. La mise en page vient après — un joli rapport bâti sur un modèle faux reste faux.
6. Un data lake applique généralement son schéma à quel moment ?
Réponse : À la lecture des données (schema-on-read)
Un lac de données applique le schéma à la lecture : on stocke d'abord, on interprète ensuite. Le schéma à l'écriture caractérise l'entrepôt de données classique, et dire qu'aucun schéma n'est possible reviendrait à rendre les fichiers inexploitables.
7. Quel langage est le plus couramment utilisé pour interroger un pool SQL dédié dans Azure Synapse Analytics ?
Réponse : T-SQL (Transact-SQL)
Le pool SQL dédié de Synapse s'interroge en T-SQL. KQL sert aux journaux dans Data Explorer, DAX aux mesures d'un modèle Power BI, et M à la transformation dans Power Query : trois langages du même écosystème, mais pas celui du pool SQL.
8. Quel langage de formule est utilisé pour créer des mesures et colonnes calculées dans Power BI ?
Réponse : DAX (Data Analysis Expressions)
DAX raisonne en contexte : la même mesure renvoie un résultat différent selon le filtre appliqué au visuel, ce qui permet d'écrire une formule une fois et de la réutiliser partout. SQL interroge la source, Python sert à préparer, HTML n'a aucun rôle ici.
9. Quelle charge de travail correspond typiquement à une base de données transactionnelle (OLTP) plutôt qu'analytique (OLAP) ?
Réponse : L'enregistrement en temps réel de commandes clients
Enregistrer une commande à l'instant où elle arrive est une opération transactionnelle. L'analyse de tendances sur plusieurs années, les rapports décisionnels mensuels et l'agrégation de ventes annuelles lisent au contraire un historique déjà constitué.
10. Dans Azure Data Factory, qu'est-ce qu'un pipeline ?
Réponse : Un regroupement logique d'activités qui exécutent ensemble une tâche de traitement de données
Le pipeline est l'unité qu'on planifie et qu'on surveille : il enchaîne des activités — copier, transformer, appeler un traitement — avec leurs dépendances et leur reprise sur erreur. C'est le niveau auquel on raisonne, pas l'activité isolée.
11. Quel outil de Power BI permet de nettoyer et transformer les données avant leur chargement dans le modèle ?
Réponse : Power Query
Power Query prépare les données avant chargement : suppression de colonnes, changement de type, fusion de sources. Power Automate orchestre des flux, Power Apps construit des applications, et Power Virtual Agents des agents conversationnels.
12. Quelle option décrit le mieux les données non structurées ?
Réponse : Des données sans modèle prédéfini, comme des images, vidéos ou documents texte
Images, vidéos et documents texte n'ont aucun modèle prédéfini : données non structurées. Des lignes et colonnes strictes ou des tables relationnelles décrivent le structuré, et le format JSON balisé relève du semi-structuré.