Examen blanc ANALYTICS-ENG gratuit — 60 questions
Passez un examen blanc ANALYTICS-ENG 100% gratuit avec 60 questions chronométrées et corrigées. Préparez votre certification dbt Labs efficacement.
Pourquoi passer un examen blanc ANALYTICS-ENG ?
L'examen blanc est l'outil le plus efficace pour évaluer votre niveau réel avant le jour J de la certification ANALYTICS-ENG. Il vous met dans les conditions exactes de l'examen officiel : chronomètre, format des questions, niveau de difficulté, scoring.
Sur Certifexpress, les examens blancs ANALYTICS-ENG sont entièrement gratuits, sans limite de tentatives, et reproduisent le format officiel dbt Labs.
Comment se déroule l'examen blanc ANALYTICS-ENG sur Certifexpress ?
- Inscription gratuite en 30 secondes (email + pseudo)
- Lancement de la session : 60 questions chronométrées
- Réponse aux QCM dans l'ordre, possibilité de revenir en arrière
- Score final avec analyse domaine par domaine
- Correction détaillée de chaque question avec explication 200+ mots
- Option "Refaire les questions ratées" pour cibler vos lacunes
Aperçu de 3 questions de l'examen blanc
Question 1
Votre entreprise utilise dbt pour transformer les données dans Snowflake. Un data engineer a défini un test générique unique sur la colonne order_id du modèle fct_orders dans le fichier schema.yml. Après avoir exécuté dbt test, le test échoue car 15 doublons sont détectés. L'équipe métier confirme que ces doublons proviennent d'un bug connu dans le système source qui sera corrigé le mois prochain. Quelle configuration dbt permet de faire passer le test en warning au lieu d'error, sans supprimer le test ?
Question 2
Dans un projet dbt, vous avez déclaré une source avec des tests de fraîcheur (freshness). Après avoir exécuté 'dbt source freshness', vous constatez que la source 'raw_orders' affiche un statut 'warn' alors que 'raw_payments' affiche 'error'. Voici la configuration :
sources:
- name: jaffle_shop
freshness:
warn_after: {count: 12, period: hour}
error_after: {count: 24, period: hour}
loaded_at_field: _etl_loaded_at
tables:
- name: raw_orders
- name: raw_payments
freshness:
error_after: {count: 6, period: hour}
Que peut-on déduire de ces résultats ?
Question 3
Vous maintenez un projet dbt multi-packages. Le package 'finance_models' expose un modèle 'dim_accounts'. Votre projet principal souhaite référencer ce modèle. Un développeur écrit {{ ref('dim_accounts') }} dans un modèle du projet principal. Lors de l'exécution, dbt renvoie une erreur d'ambiguïté car un modèle local porte le même nom. Quelle est la syntaxe correcte pour résoudre explicitement cette ambiguïté ?
Pages associées ANALYTICS-ENG