O primeiro obstáculo do exame azure-dp-900 é descobrir exatamente o que ele espera que você saiba. Se esta é sua primeira certificação em nuvem, a amplitude do conteúdo pode parecer avassaladora — como chegar a uma cidade nova sem mapa. O DP-900 é um exame introdutório que percorre quatro grandes áreas do trabalho com dados, e cada área pede um jeito ligeiramente diferente de pensar. Ao traçar os limites entre essas quatro áreas primeiro, fica mais fácil saber por onde começar.
O que um exame de 45 minutos realmente verifica
Um check-up médico de rotina não dura o dia todo. Ele percorre um punhado de indicadores-chave em janela curta e fixa, e entrega um resultado. O DP-900 funciona de forma parecida: seu nome completo é Microsoft AZURE Data Fundamentals, dura 45 minutos, tem 50 questões, e a nota mínima é 700 de 1000.
Fiel ao seu nível Fundamentals, o DP-900 não exige certificação prévia nem experiência prática, e nunca expira depois de obtido — sem ciclo de renovação. O guia oficial está no Microsoft Learn (learn.microsoft.com/credentials/certifications/azure-data-fundamentals). A maioria das questões não testa se você decorou um nome de serviço; testa se escolhe a categoria certa de armazenamento ou ferramenta analítica para a situação descrita.
Separando os dados em três gavetas
Ao se mudar de apartamento, separar os pertences em guarda-roupa, gaveta e caixa torna tudo mais fácil de encontrar depois. O DP-900 começa com exercício parecido: todo dado é estruturado, semiestruturado ou não estruturado.
Dados estruturados vivem em linhas e colunas fixas, como uma planilha. Dados semiestruturados, como JSON, têm alguma organização mas não se encaixam em uma tabela. Dados não estruturados — imagens, vídeo, áudio — não carregam esquema predefinido algum. O exame também pergunta quando cada formato de arquivo faz sentido: CSV, JSON, Parquet, ORC e Avro. O post Conceitos Fundamentais de Dados cobre essa classificação em detalhe.
Pessoas que usam os mesmos dados de forma diferente
Imagine os dados de vendas de uma loja de conveniência. Ao caixa importa se o pagamento sendo processado agora foi concluído corretamente. A alguém na matriz importa quais produtos venderam mais no último mês. Essa diferença de perspectiva separa OLTP (Online Transaction Processing) de OLAP (Online Analytical Processing).
O OLTP é otimizado para registrar cada transação de forma rápida e precisa no momento em que acontece. O OLAP é otimizado para reunir dados acumulados e identificar tendências. O exame também cobre o que cabe a um administrador de banco de dados, a um engenheiro de dados e a um analista: o administrador mantém sistemas funcionando, o engenheiro constrói pipelines, e o analista extrai significado do que foi coletado. O post Cargas de Trabalho e Papéis de Dados aprofunda essa distinção.
Dados que seguem as regras de uma tabela
Pense em um cartão de empréstimo de biblioteca, onde nome, data de empréstimo e data de devolução precisam cair, cada um, em uma casela predefinida e específica. Esse tipo de dado pertence a um banco de dados relacional.
Bancos de dados relacionais usam normalização para reduzir duplicação, definem relações entre tabelas com chaves primárias e estrangeiras, e dependem de SQL para consultar registros. O DP-900 também verifica se você entende como índices aceleram buscas, e para que servem views e stored procedures. No Azure, isso inclui Azure SQL Database, Azure SQL Managed Instance e Azure Database for MySQL, PostgreSQL e MariaDB — as questões costumam pedir qual se encaixa em cada cenário. O post Fundamentos de Dados Relacionais aprofunda a normalização e as diferenças entre esses serviços.
Dados que se recusam a caber em uma tabela
As gavetas do guarda-roupa guardam roupas perfeitamente, mas uma bicicleta ou equipamento de camping ficam melhor em um depósito. Alguns dados ficam melhor armazenados de forma flexível do que forçados em esquema rígido.
O Azure Blob Storage guarda dados não estruturados como imagens, vídeos e logs. O Azure File Storage migra compartilhamentos de arquivos para a nuvem. O Azure Table Storage armazena dados chave-valor com esquema flexível. O Azure Cosmos DB vai além como banco distribuído globalmente que replica dados entre regiões, com cinco APIs — Core, MongoDB, Cassandra, Gremlin e Table. A escolha da chave de partição afeta muito o desempenho, e o throughput é medido em RU. O post Fundamentos de Dados Não Relacionais aprofunda essas diferenças.
De uma pilha de dados a uma imagem pronta
Grãos de café passam por colheita, torra, embalagem e distribuição antes de chegar à prateleira. Os dados seguem jornada parecida: coletados via ETL ou ELT, armazenados, analisados e, por fim, visualizados.
O Azure Synapse Analytics e o Microsoft Fabric são plataformas unificadas para reunir e analisar grandes volumes de dados. O Azure Databricks é um motor baseado em Spark, forte em processamento em larga escala e machine learning. O Azure Data Factory constrói pipelines que movem e transformam dados de múltiplas origens. Quando os dados precisam ser processados no instante em que chegam — sensores, logs de clique — entram em cena Azure Stream Analytics, Event Hubs e IoT Hub. Na etapa final, quem transforma resultados em algo compreensível é o Power BI, com relatórios no Desktop, compartilhamento pelo Service e cálculos em DAX. Análise em larga escala e em tempo real são aprofundadas nos posts Serviços de Análise de Dados em Larga Escala e Análise de Dados em Tempo Real, e a visualização no post Fundamentos do Power BI.
Comparando as quatro áreas em um só lugar
Arrumar uma mala com roupas, itens de higiene e documentos em bolsas separadas evita procurar desesperadamente no aeroporto onde ficou algo. Manter as quatro áreas do DP-900 separadas da mesma forma ajuda a classificar as questões mais rápido na hora do exame.
| Área | Pergunta Central | Serviços Representativos | |:--|:--|:--| | Conceitos Fundamentais de Dados | Este dado é estruturado, semiestruturado ou não estruturado? | Foco conceitual, sem serviço específico | | Dados Relacionais | Este dado pertence a tabelas com relações definidas? | Azure SQL Database, Azure Database for MySQL | | Dados Não Relacionais | Precisa de estrutura flexível ou distribuição global? | Blob Storage, Azure Cosmos DB | | Análise e Visualização | Como mover, analisar e apresentar dados acumulados? | Synapse Analytics, Data Factory, Power BI |
Começando do zero, revise primeiro Conceitos Fundamentais de Dados e Cargas de Trabalho e Papéis de Dados para desenvolver o olhar de classificar os dados, depois compare armazenamento relacional e não relacional, e termine com análise e Power BI quando a camada de armazenamento estiver sólida.
Resumo do Exame
"Linhas e colunas fixas, em forma de tabela" -- Dados Estruturados "Alguma estrutura, como JSON, mas não se encaixa em uma tabela" -- Dados Semiestruturados "Sem esquema predefinido, como imagens ou vídeo" -- Dados Não Estruturados "Registra cada transação de forma rápida e precisa no momento" -- OLTP "Reúne dados acumulados para analisar padrões" -- OLAP "Normalização, chaves primárias e estrangeiras, consultado com SQL" -- Banco de Dados Relacional "Banco de dados distribuído globalmente, replicado entre regiões, throughput medido em RU" -- Azure Cosmos DB "Armazena dados não estruturados como imagens, vídeos e logs" -- Azure Blob Storage "Pipeline que move e transforma dados de múltiplas origens" -- Azure Data Factory "Processa dados de streaming em tempo real assim que chegam" -- Azure Stream Analytics "Criar relatórios, compartilhá-los, definir cálculos com DAX" -- Power BI "45 minutos, 50 questões, 700/1000, sem renovação necessária" -- Formato do exame DP-900
OLTP = registro de transações em tempo real, OLAP = análise de dados acumulados, Azure Cosmos DB = armazenamento não relacional distribuído globalmente
Com o panorama completo das quatro áreas em mãos, é hora de colocar esse critério à prova com o exame de prática do DP-900.