Questions d'entraînement — ANALYTICS-ENG

Question 1

Vous concevez l'architecture de modélisation dbt pour un data warehouse d'entreprise. Votre équipe débat de la meilleure pratique pour organiser les modèles. Vous avez des sources brutes provenant de Salesforce et Stripe, des transformations intermédiaires, et des tables finales pour le reporting. Quelle organisation de répertoires et quelles conventions de matérialisation suivent les best practices recommandées par dbt Labs ?

Answer

A. models/raw/ (tables) → models/transform/ (tables) → models/analytics/ (views) — avec toutes les configurations dans dbt_project.yml

Answer

B. models/staging/ (views, renommage et retypage) → models/intermediate/ (éphéméral ou views, logique métier intermédiaire) → models/marts/ (tables, faits et dimensions pour le reporting)

Answer

C. models/bronze/ (ephemeral) → models/silver/ (incremental) → models/gold/ (tables) — architecture Medallion adaptée à dbt

Answer

D. models/sources/ (views) → models/marts/ (tables) — structure plate à deux niveaux pour maximiser la simplicité

Question 2

Dans un projet dbt de grande envergure, un data engineer exécute la commande 'dbt run --select fct_orders+'. Sachant que le DAG comporte la chaîne suivante : stg_orders -> int_orders_enriched -> fct_orders -> rpt_daily_orders -> exposure:exec_dashboard, quels modèles seront exécutés par cette commande ?

Answer

A. Uniquement fct_orders

Answer

B. fct_orders et tous ses ancêtres (stg_orders, int_orders_enriched)

Answer

C. fct_orders et tous ses descendants (rpt_daily_orders)

Answer

D. Tous les modèles de la chaîne, de stg_orders à rpt_daily_orders

Question 3

Votre équipe data travaille avec une base de données PostgreSQL externe contenant des tables de transactions financières. Vous souhaitez référencer ces tables dans votre projet dbt tout en activant des tests de fraîcheur (freshness) pour garantir que les données arrivent dans les délais attendus. Quelle configuration dans votre fichier sources.yml est correcte pour définir une source avec un loaded_at_field et un seuil de freshness warn_after de 12 heures ?

Answer

A. version: 2
sources:
  - name: finance
    database: external_pg
    schema: public
    freshness:
      warn_after: {count: 12, period: hour}
    loaded_at_field: 'updated_at'
    tables:
      - name: transactions

Answer

B. version: 2
sources:
  - name: finance
    database: external_pg
    schema: public
    tables:
      - name: transactions
        freshness:
          warn_after: {count: 12, period: hours}
        loaded_at_field: 'updated_at'

Answer

C. version: 2
sources:
  - name: finance
    database: external_pg
    schema: public
    freshness:
      warn_after: {hours: 12}
    loaded_at_field: 'updated_at'
    tables:
      - name: transactions

Answer

D. version: 2
sources:
  - name: finance
    database: external_pg
    schema: public
    tables:
      - name: transactions
        tests:
          - freshness:
              warn_after: {count: 12, period: hour}

Question 4

Votre équipe data travaille sur un projet dbt avec la structure suivante : un modèle stg_customers dans staging, un modèle dim_customers dans marts qui référence stg_customers, et un modèle rpt_customer_lifetime_value dans reporting qui référence dim_customers. Vous souhaitez exécuter uniquement dim_customers ET tous ses modèles en aval. Quelle commande dbt utilisez-vous ?

Answer

A. dbt run --select dim_customers+

Answer

B. dbt run --select +dim_customers

Answer

C. dbt run --select +dim_customers+

Answer

D. dbt run --select dim_customers --downstream

Question 5

Votre équipe utilise dbt avec un data warehouse Snowflake. Un data analyst signale que le modèle 'fct_revenue' produit parfois des montants négatifs pour la colonne 'total_revenue', ce qui est métier-impossable. Vous souhaitez créer un test singulier (singular test) qui échoue si des revenus négatifs existent, tout en stockant les résultats du test dans le schéma d'audit de dbt pour analyse ultérieure. Quelle combinaison d'actions est correcte ?

Answer

A. Créer le fichier tests/assert_no_negative_revenue.sql contenant un SELECT des lignes en violation, et configurer 'store_failures: true' dans le fichier YAML de propriétés ou via un bloc config() dans le fichier SQL

Answer

B. Créer le fichier tests/assert_no_negative_revenue.sql et ajouter 'store_failures: true' dans le fichier dbt_project.yml au niveau global uniquement, car les tests singuliers ne supportent pas la configuration individuelle

Answer

C. Créer le fichier macros/assert_no_negative_revenue.sql avec un bloc {% test %} et configurer 'store_failures' via le flag --store-failures dans la ligne de commande exclusivement

Answer

D. Créer le fichier tests/assert_no_negative_revenue.sql et utiliser la commande 'dbt test --store-failures --select assert_no_negative_revenue' car store_failures ne peut être configuré que via la CLI

Examen ANALYTICS-ENG — ANALYTICS-ENG — dbt Certified Analytics Engineer

À propos de l'examen ANALYTICS-ENG

Comment se préparer à l'examen ANALYTICS-ENG ?

5 exemples de questions — ANALYTICS-ENG

Encore 55 questions dans l'examen complet

📖 Préparez-vous avec nos guides

Commencer l'examen ANALYTICS-ENG complet