DP-900 Azure Data Fundamentals : Guide de préparation 2026

La certification DP-900 : Microsoft Azure Data Fundamentals est la certification de niveau fondamental dédiée au monde de la donnée sur Azure. Elle s'adresse aussi bien aux professionnels techniques souhaitant s'initier aux concepts de données cloud qu'aux profils non techniques (analystes métier, gestionnaires de données, décideurs IT) qui évoluent dans des environnements Azure Data. C'est une excellente porte d'entrée vers des certifications de données plus avancées.

À qui s'adresse la DP-900 ?

La DP-900 est conçue pour ceux qui :

• Souhaitent acquérir des bases solides sur les concepts de données relationnelles et non relationnelles
• Veulent comprendre les services Azure dédiés aux données : bases de données, analytique, big data
• Travaillent avec des données dans leur rôle métier et souhaitent mieux comprendre les architectures de données cloud
• Préparent des certifications de données plus avancées comme DP-100, DP-203 ou DP-300

Aucun prérequis technique n'est exigé. Une connaissance basique de ce qu'est une base de données et d'un tableur suffit pour commencer.

Les trois domaines de l'examen DP-900

1. Concepts de données fondamentaux (25-30 %)

Ce domaine couvre les bases théoriques des données. Vous devez comprendre :

• Les types de données : données structurées (tables, colonnes, lignes), semi-structurées (JSON, XML, CSV), non structurées (images, vidéos, texte libre)
• Les rôles professionnels des données : différences entre un administrateur de base de données (DBA), un ingénieur des données (Data Engineer), un analyste de données (Data Analyst) et un data scientist
• Les charges de travail transactionnelles (OLTP) : systèmes conçus pour des transactions rapides et fréquentes (insert, update, delete), propriétés ACID, normalisation des données
• Les charges de travail analytiques (OLAP) : systèmes conçus pour des requêtes complexes sur de grandes quantités de données historiques, schémas en étoile et en flocon de neige, faits et dimensions

2. Données relationnelles sur Azure (25-30 %)

Ce domaine couvre les bases de données relationnelles et les services Azure correspondants :

• Concepts relationnels fondamentaux : tables, colonnes, clés primaires, clés étrangères, index, vues, procédures stockées, instructions SQL de base (SELECT, INSERT, UPDATE, DELETE, JOIN)
• Azure SQL Database : base de données SQL Server managée dans Azure, options de déploiement (Single Database, Elastic Pool, SQL Managed Instance)
• Azure Database for MySQL / PostgreSQL / MariaDB : bases de données open-source managées dans Azure
• Azure SQL Edge : SQL Server optimisé pour les environnements edge/IoT
• Concepts de provisionnement, mise à l'échelle, haute disponibilité et reprise après sinistre pour les bases de données Azure

3. Données non relationnelles sur Azure (25-30 %)

Le NoSQL et le stockage cloud sont au cœur de ce domaine :

• Azure Cosmos DB : base de données NoSQL distribuée globalement, multi-API (SQL/Core, MongoDB, Cassandra, Gremlin, Table), modèles de cohérence, partitionnement
• Azure Blob Storage : stockage d'objets non structurés (fichiers, images, vidéos, sauvegardes), niveaux d'accès (Hot, Cool, Archive)
• Azure File Storage : système de fichiers partagés dans le cloud, compatible SMB et NFS
• Azure Table Storage : stockage clé-valeur NoSQL simple et économique
• Azure Data Lake Storage Gen2 : stockage hiérarchique pour les données de big data et analytique

4. Analytique des données sur Azure (25 %)

Ce domaine couvre l'écosystème analytique Azure :

• Azure Synapse Analytics : service analytique unifié combinant SQL, Spark, et pipelines de données. Le service phare pour le big data et le data warehousing sur Azure
• Azure Data Factory : service ETL/ELT pour l'intégration et la transformation des données entre sources
• Azure Databricks : plateforme d'analytique et d'apprentissage automatique basée sur Apache Spark
• Azure HDInsight : service de clusters Hadoop managé (Spark, Hive, Kafka, HBase)
• Microsoft Power BI : outil de visualisation et de business intelligence, intégration avec toutes les sources de données Azure
• Azure Stream Analytics : traitement de données en temps réel (streaming)

Concepts clés à bien comprendre

OLTP vs OLAP : la distinction fondamentale

L'examen teste souvent votre capacité à distinguer les scénarios OLTP et OLAP :

• OLTP : base de données opérationnelle d'une application (système de commandes, e-commerce, ERP). Beaucoup de transactions courtes et rapides. SQL Database est le service Azure typique.
• OLAP : entrepôt de données pour l'analyse et le reporting (tableau de bord BI, analyse historique). Peu de requêtes complexes sur de gros volumes. Azure Synapse Analytics est le service typique.

Les types de données NoSQL

Mémorisez les quatre grands types de bases de données NoSQL et leurs cas d'usage :

• Clé-valeur : stockage simple, accès ultra-rapide par clé (Azure Table Storage, Redis Cache)
• Documents : données JSON flexibles (Azure Cosmos DB API Core, MongoDB)
• Colonnes : données tabulaires massives avec peu de colonnes lues à la fois (Cosmos DB Cassandra API, HBase)
• Graphe : données avec des relations complexes (Cosmos DB Gremlin API, Neo4j)

ETL vs ELT

• ETL (Extract, Transform, Load) : les données sont transformées avant d'être chargées dans la destination. Approche traditionnelle.
• ELT (Extract, Load, Transform) : les données brutes sont d'abord chargées dans le data lake/warehouse, puis transformées. Approche moderne pour le big data.

Ressources de préparation

• Microsoft Learn Learning Path DP-900 : le parcours officiel gratuit, suffisant pour la plupart des candidats
• Documentation Microsoft Azure Data Services : complémentez avec les pages de service individuelles
• Examens blancs Microsoft Learn : disponibles directement sur la page de l'examen DP-900
• Cours Udemy DP-900 : de nombreux instructeurs proposent des cours de 4 à 6 heures très efficaces

Stratégie de préparation express (2 semaines)

1. Jours 1-4 : Complétez les modules Microsoft Learn sur les concepts de données et les données relationnelles
2. Jours 5-8 : Étudiez les données non relationnelles Azure et créez un compte de démonstration Azure pour explorer Cosmos DB, Blob Storage
3. Jours 9-11 : Focus sur l'analytique Azure (Synapse, ADF, Power BI)
4. Jours 12-14 : Examens blancs et révision des points faibles

Après le DP-900 : les certifications de données avancées

• DP-100 : Designing and Implementing a Data Science Solution on Azure (Data Scientist)
• DP-203 : Data Engineering on Microsoft Azure (Data Engineer)
• DP-300 : Administering Microsoft Azure SQL Solutions (DBA)
• PL-300 : Microsoft Power BI Data Analyst