El primer obstáculo con el examen azure-dp-900 es descubrir exactamente qué espera que sepas. Si es tu primera certificación en la nube, la amplitud del temario puede resultar abrumadora, algo parecido a llegar a una ciudad desconocida sin un mapa en la mano. DP-900 es un examen de nivel introductorio que recorre cuatro grandes áreas del trabajo con datos, y cada área te pide pensar de una manera ligeramente distinta. En cuanto trazas los límites entre esas cuatro áreas, resulta mucho más sencillo saber por dónde empezar a estudiar.
Qué comprueba realmente un examen de 45 minutos
Un chequeo médico de rutina no dura todo el día. Recorre un puñado de indicadores clave en una ventana de tiempo fija y corta, y te entrega un resultado. DP-900 funciona de forma parecida: su nombre completo es Microsoft AZURE Data Fundamentals, dura 45 minutos, incluye 50 preguntas y la puntuación mínima para aprobar es 700 sobre 1000.
Fiel a su nivel Fundamentals, DP-900 no exige ninguna certificación previa ni experiencia práctica, y una vez obtenido no caduca — no hay ciclo de renovación que rastrear. La guía oficial del examen está en la página de Microsoft Learn (learn.microsoft.com/credentials/certifications/azure-data-fundamentals). La mayoría de las preguntas no comprueban si memorizaste el nombre de un servicio, sino si eres capaz de elegir la categoría correcta de almacenamiento o herramienta analítica para una situación descrita.
Ordenar los datos en tres cajones
Al mudarte de apartamento, separar tus pertenencias en un armario, un cajón y una caja hace que todo sea mucho más fácil de encontrar después. DP-900 arranca con un ejercicio de clasificación parecido: todo dato es estructurado, semiestructurado o no estructurado.
Los datos estructurados viven en filas y columnas fijas, como una hoja de cálculo. Los datos semiestructurados, como JSON, tienen cierta organización pero no encajan perfectamente en una tabla. Los datos no estructurados — imágenes, video, audio — no llevan ningún esquema predefinido. Sobre esa división, el examen también pregunta cuándo conviene cada formato de archivo: CSV, JSON, Parquet, ORC y Avro. Para el desglose más profundo de esta clasificación y las ventajas de cada formato, la publicación Conceptos Fundamentales de Datos cubre ese terreno en detalle.
Personas que usan los mismos datos de forma distinta
Imagina los datos de ventas de una tienda de conveniencia. Al cajero le importa si el pago que se está procesando ahora mismo salió bien. A alguien en la oficina central le importa qué productos se vendieron más durante el último mes. Esa diferencia de perspectiva es exactamente lo que separa OLTP (Online Transaction Processing) de OLAP (Online Analytical Processing).
OLTP está optimizado para registrar cada transacción de forma rápida y precisa en el instante en que ocurre. OLAP está optimizado para reunir datos acumulados y detectar tendencias más amplias. Sobre esa distinción, el examen también cubre qué es responsabilidad de un administrador de bases de datos, un ingeniero de datos y un analista de datos. El administrador mantiene los sistemas funcionando de forma confiable, el ingeniero construye los pipelines que mueven y transforman los datos, y el analista extrae significado de lo que ya se ha recopilado. Para practicar cómo distinguir estas cargas de trabajo y roles mediante preguntas de escenario, la publicación Cargas de Trabajo y Roles de Datos es el lugar indicado.
Datos que respetan las reglas de una tabla
Piensa en una tarjeta de préstamo de biblioteca, donde el nombre, la fecha de préstamo y la fecha de devolución tienen que caer, cada uno, en una casilla predefinida y específica. Ese tipo de dato pertenece a una base de datos relacional.
Las bases de datos relacionales usan la normalización para reducir la duplicación, definen relaciones entre tablas mediante claves primarias y foráneas, y se apoyan en SQL para consultar y modificar registros. DP-900 también comprueba si entiendes cómo los índices aceleran las búsquedas, y para qué sirven las vistas y los procedimientos almacenados. En Azure, ese mundo incluye varios servicios relacionales — Azure SQL Database, Azure SQL Managed Instance y Azure Database for MySQL, PostgreSQL y MariaDB — y las preguntas suelen pedirte elegir cuál encaja en un escenario dado. La publicación Fundamentos de Datos Relacionales recorre los pasos de normalización y las diferencias entre estos servicios con mayor profundidad.
Datos que se niegan a caber en una tabla
Los cajones del armario guardan la ropa perfectamente, pero una bicicleta o el equipo de camping quedan mejor en un trastero. Algunos datos realmente están mejor guardados de forma flexible que forzados dentro de un esquema rígido.
Azure Blob Storage almacena datos no estructurados como imágenes, video y archivos de registro. Azure File Storage está pensado para migrar recursos compartidos de archivos existentes a la nube. Azure Table Storage guarda datos clave-valor con un esquema laxo. Azure Cosmos DB va un paso más allá como base de datos distribuida globalmente que replica automáticamente los datos entre regiones de todo el mundo, y admite cinco APIs distintas — Core, MongoDB, Cassandra, Gremlin y Table — para diferentes modelos de datos. La forma en que eliges la clave de partición tiene un impacto enorme en el rendimiento, y el throughput se mide en RU (Request Units). Para profundizar en cómo se diferencian estos servicios, la publicación Fundamentos de Datos No Relacionales es un excelente punto de partida.
De un montón de datos a una imagen terminada
Los granos de café pasan por la cosecha, el tostado, el empaquetado y la distribución antes de llegar a la estantería de una tienda. Los datos siguen un camino parecido: se recopilan de sus orígenes mediante ETL o ELT, se almacenan, se analizan y finalmente se convierten en algo visual.
Azure Synapse Analytics y Microsoft Fabric son plataformas unificadas para reunir y analizar grandes volúmenes de datos. Azure Databricks es un motor basado en Spark, muy fuerte en procesamiento a gran escala y machine learning. Azure Data Factory construye los pipelines que mueven y transforman datos provenientes de múltiples orígenes. Cuando los datos necesitan procesarse en el instante en que llegan — lecturas de sensores o registros de clics, por ejemplo — entran en juego servicios como Azure Stream Analytics, Event Hubs e IoT Hub. En la etapa final, la herramienta que convierte los resultados en algo que una persona puede realmente comprender es Power BI, donde construyes informes en Desktop, los compartes mediante Service y defines cálculos con DAX. El análisis a gran escala y en tiempo real se profundiza en las publicaciones Servicios de Análisis de Datos a Gran Escala y Análisis de Datos en Tiempo Real, mientras que la visualización tiene su propio desarrollo en la publicación Fundamentos de Power BI.
Comparar las cuatro áreas de un vistazo
Empacar una maleta con ropa, artículos de aseo, electrónica y documentos en bolsas separadas evita que tengas que buscar desesperadamente en el aeropuerto dónde quedó algo. Mantener las cuatro áreas de DP-900 separadas de la misma manera te ayuda a clasificar las preguntas del examen más rápido una vez que estás sentado frente a la pantalla.
| Área | Pregunta Central | Servicios Representativos | |:--|:--|:--| | Conceptos Fundamentales de Datos | ¿Este dato es estructurado, semiestructurado o no estructurado? | Enfoque conceptual, sin servicio específico | | Datos Relacionales | ¿Este dato pertenece a tablas con relaciones definidas? | Azure SQL Database, Azure Database for MySQL | | Datos No Relacionales | ¿Necesita una estructura flexible o distribución global? | Blob Storage, Azure Cosmos DB | | Análisis y Visualización | ¿Cómo se mueve, analiza y presenta el dato acumulado? | Synapse Analytics, Data Factory, Power BI |
Si empiezas desde cero, revisa primero Conceptos Fundamentales de Datos y Cargas de Trabajo y Roles de Datos para desarrollar buen ojo al clasificar los datos en sí, después compara el almacenamiento relacional y no relacional para entender cómo se guardan realmente, y termina con el análisis y Power BI una vez que la capa de almacenamiento te resulte sólida.
Resumen para el Examen
"Filas y columnas fijas, con forma de tabla" -- Datos Estructurados "Cierta estructura, como JSON, pero no encaja en una tabla" -- Datos Semiestructurados "Sin esquema predefinido, como imágenes o video" -- Datos No Estructurados "Registra cada transacción de forma rápida y precisa en el momento" -- OLTP "Reúne datos acumulados para analizar patrones" -- OLAP "Normalización, claves primarias y foráneas, consultado con SQL" -- Base de Datos Relacional "Base de datos distribuida globalmente, replicada entre regiones, throughput medido en RU" -- Azure Cosmos DB "Almacena datos no estructurados como imágenes, video y logs" -- Azure Blob Storage "Pipeline que mueve y transforma datos de múltiples orígenes" -- Azure Data Factory "Procesa datos de streaming en tiempo real apenas llegan" -- Azure Stream Analytics "Crear informes, compartirlos, definir cálculos con DAX" -- Power BI "45 minutos, 50 preguntas, 700/1000, sin renovación requerida" -- Formato del examen DP-900
OLTP = registro de transacciones en tiempo real, OLAP = análisis de datos acumulados, Azure Cosmos DB = almacenamiento no relacional distribuido globalmente
Con el panorama completo de las cuatro áreas en su lugar, es momento de poner ese criterio a prueba con el examen de práctica de DP-900.