Guide complet DAS-C01 — AWS
AWS Certified Data Analytics - Specialty · Programme, plan de révision, ressources, examen blanc gratuit.
La certification AWS Certified Data Analytics - Specialty (DAS-C01) valide l'expertise en conception et maintenance de solutions analytiques sur AWS. Destinee aux data engineers, architectes data et analystes avec 2-5 ans d'experience, elle couvre l'ingestion, le stockage, le traitement, la visualisation et la securite des donnees. Format QCM de 65 questions en 180 minutes, score requis 750/1000, prix 300 USD. Note importante : DAS-C01 a ete retiree par AWS en avril 2024 et remplacee par AWS Certified Data Engineer Associate (DEA-C01).
Pourquoi passer la certification DAS-C01 ?
Bien que DAS-C01 ait ete officiellement retiree en avril 2024, sa maitrise reste pertinente en 2026 pour les professionnels travaillant sur des architectures heritees AWS et pour preparer la nouvelle certification Data Engineer Associate (DEA-C01) qui la remplace. Le marche de la data sur AWS explose : selon IDC, le marche du cloud analytics atteindra 130 milliards USD en 2026, avec AWS detenant pres de 32% de parts. Les competences validees par DAS-C01 (Kinesis, Redshift, EMR, Glue, Athena, QuickSight) restent au coeur des offres d'emploi data engineer en France et en Europe. Un profil certifie AWS Analytics valorise son CV de 15 a 25% selon l'etude Global Knowledge 2025. Les entreprises francaises (BNP, Carrefour, Doctolib, Veepee) recrutent massivement des profils maitrisant ces services. Passer DAS-C01 en 2026 n'est plus possible officiellement, mais reviser son contenu permet d'aborder DEA-C01 avec un socle solide et de comprendre les architectures data legacy encore largement deployees en production chez la majorite des clients AWS.
Caractéristiques de l'examen
| Format | QCM 65 questions (choix unique et multiple) |
|---|---|
| Duree | 180 minutes |
| Score requis | 750/1000 (environ 72%) |
| Prix officiel | 300 USD (environ 280 EUR) |
| Langues | Anglais, Japonais, Coreen, Chinois simplifie |
| Validite | 3 ans (certification retiree depuis avril 2024) |
| Prerequis | 5 ans experience data analytics, 2 ans sur AWS recommandes |
Programme détaillé par domaine
Domain 1 : Collection (Ingestion de donnees) 18%
- Objectifs
- Ce domaine evalue la capacite a determiner les solutions d'ingestion adaptees selon les caracteristiques des donnees (volume, velocite, variete). Le candidat doit savoir concevoir des pipelines temps reel et batch, gerer l'ordre des messages, les doublons et les pertes. Il faut comprendre les patterns push vs pull, les contraintes de debit et de latence, et savoir choisir entre streaming managed et solutions auto-gerees. La connaissance des limites de service (shards Kinesis, throughput DMS) est critique.
- Concepts clés
- Streaming temps reel avec Amazon Kinesis Data Streams (shards, partition keys, retention 24h-365j), Kinesis Data Firehose (delivery vers S3, Redshift, OpenSearch), Kinesis Producer Library (KPL) et Kinesis Client Library (KCL). Ingestion batch avec AWS DMS (CDC, full load, ongoing replication), AWS DataSync, AWS Snowball/Snowmobile. Apache Kafka via Amazon MSK (brokers, topics, partitions, replication factor). IoT Core pour devices edge. Comprehension des trade-offs entre latence, debit, cout et durabilite.
- Services / outils
- Amazon Kinesis Data Streams, Kinesis Data Firehose, Amazon MSK, AWS DMS, AWS DataSync, AWS Snow Family, AWS IoT Core, AWS Direct Connect, AWS Transfer Family (SFTP/FTPS).
- Temps estimé
- 12-15h
Domain 2 : Storage and Data Management 22%
- Objectifs
- Ce domaine couvre le choix du stockage optimal selon les patterns d'acces, les couts et la gouvernance. Le candidat doit concevoir des data lakes, definir des strategies de partitionnement, de compression et de formats de fichiers. La gestion du cycle de vie des donnees, le catalogage et la decouverte de schemas sont evalues. Il faut maitriser les concepts de chaud/tiede/froid et les classes de stockage S3 adaptees.
- Concepts clés
- Amazon S3 (Standard, Intelligent-Tiering, Glacier, lifecycle policies), partitionnement Hive-style, formats columnar (Parquet, ORC) vs row (Avro, JSON), compression (Snappy, GZIP, ZSTD). AWS Lake Formation pour gouvernance fine (row/column-level security, tag-based access). AWS Glue Data Catalog (databases, tables, crawlers, classifiers). DynamoDB pour NoSQL low-latency. Strategies de partitioning S3 pour optimiser Athena/EMR. Schema evolution avec Avro/Parquet.
- Services / outils
- Amazon S3, AWS Lake Formation, AWS Glue Data Catalog, Amazon DynamoDB, Amazon Redshift, Amazon RDS, S3 Glacier, AWS Backup.
- Temps estimé
- 15-18h
Domain 3 : Processing (Traitement) 24%
- Objectifs
- Plus gros domaine de l'examen, il evalue la conception de pipelines de transformation batch et streaming. Le candidat doit savoir choisir entre EMR, Glue, Lambda et Kinesis Data Analytics selon le contexte. Optimisation de jobs Spark, gestion des erreurs, orchestration et monitoring sont au programme. Comprehension des patterns ETL vs ELT et des architectures Lambda/Kappa.
- Concepts clés
- AWS Glue ETL (jobs PySpark/Scala, DynamicFrames, bookmarks, workflows). Amazon EMR (clusters transient vs persistent, instance fleets, Spot, EMRFS). Apache Spark optimization (partitioning, broadcast joins, caching). Kinesis Data Analytics (SQL et Apache Flink). AWS Lambda pour micro-batch. Step Functions pour orchestration. Apache Airflow via MWAA. Window functions streaming (tumbling, sliding, session).
- Services / outils
- AWS Glue, Amazon EMR, Amazon Kinesis Data Analytics, AWS Lambda, AWS Step Functions, Amazon MWAA, Apache Spark, Apache Hive, Presto.
- Temps estimé
- 18-22h
Domain 4 : Analysis and Visualization 18%
- Objectifs
- Ce domaine evalue la capacite a concevoir des solutions analytiques performantes et adaptees aux utilisateurs metier. Choix entre Redshift, Athena, OpenSearch selon les patterns de requetes. Conception de dashboards QuickSight, gestion des permissions et du partage. Optimisation des couts via concurrency scaling, RA3 nodes, materialized views.
- Concepts clés
- Amazon Redshift (distribution keys, sort keys, vacuum, analyze, Spectrum, RA3, AQUA). Amazon Athena (Presto/Trino, workgroups, federated queries, CTAS). Amazon OpenSearch Service (clusters, indices, shards, ISM). Amazon QuickSight (SPICE, datasets, parametres, RLS/CLS, embedded analytics). Optimisation requetes SQL et coûts par scan.
- Services / outils
- Amazon Redshift, Redshift Spectrum, Amazon Athena, Amazon OpenSearch Service, Amazon QuickSight, AWS Glue, Apache Zeppelin, Jupyter notebooks.
- Temps estimé
- 12-15h
Domain 5 : Security 18%
- Objectifs
- Domaine transversal couvrant le chiffrement, l'authentification, l'autorisation et l'audit sur l'ensemble de la stack data. Le candidat doit concevoir des architectures conformes RGPD, gerer les cles KMS, masquer les donnees sensibles et tracer les acces. Comprehension des modeles IAM et des integrations cross-service.
- Concepts clés
- Chiffrement at-rest (SSE-S3, SSE-KMS, SSE-C, CSE) et in-transit (TLS). AWS KMS (CMK, key policies, grants, envelope encryption). IAM roles, policies, condition keys. Lake Formation permissions (LF-tags, data filters). VPC endpoints pour services analytiques. AWS CloudTrail, CloudWatch Logs, Macie pour detection PII. Anonymisation et tokenization.
- Services / outils
- AWS IAM, AWS KMS, AWS Lake Formation, AWS CloudTrail, Amazon Macie, AWS Secrets Manager, AWS PrivateLink, VPC endpoints.
- Temps estimé
- 10-12h
Plan de révision hebdomadaire
Planning sur 10 semaines a raison de 8-10h par semaine, soit 80-100h totales. Semaine 1-2 : Lecture du guide officiel DAS-C01 (Exam Guide PDF) et de l'AWS Big Data Analytics Whitepaper. Creation d'un compte AWS Free Tier et familiarisation avec la console. Visionnage du cours AWS Skill Builder Exam Readiness DAS-C01. Semaine 3 : Domain 1 Collection. Labs Kinesis Data Streams avec producteurs Python (boto3), configuration Firehose vers S3, test DMS sur RDS source. Lecture documentation MSK. Semaine 4 : Domain 2 Storage. Construction d'un data lake S3 avec partitionnement, configuration Lake Formation, creation de crawlers Glue, exploration via Athena. Semaine 5-6 : Domain 3 Processing (le plus gros). Developpement de jobs Glue PySpark, deploiement d'un cluster EMR transient avec Spark, ecriture d'une application Kinesis Data Analytics Flink, orchestration via Step Functions. Semaine 7 : Domain 4 Analysis. Provisionnement Redshift RA3, chargement via COPY, requetes Spectrum sur S3, deploiement OpenSearch, creation de dashboards QuickSight avec SPICE. Semaine 8 : Domain 5 Security. Configuration KMS, policies IAM granulaires, tests Lake Formation row-level security, activation CloudTrail et Macie. Semaine 9 : Examens blancs Tutorials Dojo et Whizlabs (minimum 4 examens complets). Analyse approfondie des erreurs, retour sur la documentation des points faibles. Semaine 10 : Revision finale, relecture des FAQ AWS de chaque service, examens blancs supplementaires. Examen blanc officiel AWS la veille. Reposez-vous 24h avant l'examen.
Besoin d'un planning sur mesure ? 30 jours · 60 jours · 90 jours
Ressources recommandées
Page officielle (archivee) avec exam guide PDF et sample questions. La cert est remplacee par DEA-C01.
Plateforme officielle AWS avec parcours Exam Prep Data Analytics et labs guides gratuits/payants.
Reference du marche pour examens blancs AWS, explications detaillees question par question, cheat sheets.
Blog officiel pour patterns avances et videos re:Invent sur YouTube pour deep-dives services analytics.
5 erreurs classiques à éviter
- Erreur 1 : Sous-estimer Redshift. Beaucoup negligent les distribution/sort keys, le VACUUM, Spectrum et les nouveaux RA3 nodes. Pratiquez la conception de schemas optimises et lisez le Redshift Best Practices Guide complet.
- Erreur 2 : Confondre Kinesis Data Streams et Firehose. Streams = real-time custom processing avec shards et retention configurable; Firehose = delivery managee buffered (60s min) vers destinations. Maitrisez les cas d'usage de chaque service.
- Erreur 3 : Ignorer Lake Formation au profit d'IAM seul. L'examen teste les permissions fines (column/row-level) que seul Lake Formation offre. Pratiquez les LF-tags et data filters.
- Erreur 4 : Choisir EMR par defaut pour tout traitement. Souvent Glue (serverless) est la bonne reponse pour ETL ponctuel. EMR brille pour workloads longs, custom ou multi-frameworks. Analysez les contraintes cout/duree.
- Erreur 5 : Negliger les formats de fichiers et le partitionnement. Parquet + partitionnement reduit drastiquement les couts Athena. L'examen pose plusieurs questions sur l'optimisation par compression et columnar formats.
5 questions types corrigées
Carrière & salaire après DAS-C01
En 2026, un Data Engineer AWS certifie en France gagne entre 55k et 75k EUR brut annuel (junior 2-4 ans), 75k a 95k EUR pour les profils confirmes (5-8 ans), et 95k a 130k EUR pour les architectes data senior. En Europe (Allemagne, Pays-Bas, Suisse), les salaires sont 15 a 30% superieurs, jusqu'a 140k CHF en Suisse. Les debouches : Data Engineer, Cloud Data Architect, Analytics Engineer, ML Engineer, Lead Data Platform. Les certifications complementaires recommandees apres DAS-C01/DEA-C01 : AWS Solutions Architect Professional, AWS Machine Learning Specialty, Databricks Certified Data Engineer, et Snowflake SnowPro. Les secteurs qui recrutent le plus : banque/assurance, retail, sante, gaming, adtech.
FAQ — DAS-C01
Combien de temps faut-il pour preparer DAS-C01 ?
Entre 80 et 120 heures sur 8 a 12 semaines pour un candidat ayant deja une experience AWS et data. Sans experience prealable AWS, comptez 150 a 200 heures sur 4 a 6 mois.
Cette certification est-elle reconnue en France ?
Oui, les certifications AWS sont parmi les plus reconnues du marche IT francais. Cependant DAS-C01 est retiree depuis avril 2024 et remplacee par DEA-C01 (Data Engineer Associate), desormais privilegiee par les recruteurs.
Quel est le taux de reussite a DAS-C01 ?
AWS ne publie pas les taux officiels, mais les estimations communautaires situaient le taux de reussite au premier essai entre 55 et 65%, soit une des certs AWS Specialty les plus exigeantes.
Quel est le salaire apres DAS-C01 ?
En France en 2026, un Data Engineer certifie AWS gagne entre 55k et 95k EUR selon l'experience. La certification apporte typiquement 5 a 15k EUR de valorisation salariale.
Faut-il une experience prealable ?
AWS recommandait officiellement 5 ans d'experience en data analytics et 2 ans sur AWS. Sans experience, la cert est tres difficile car elle teste des scenarios reels d'architecture.
DAS-C01 ou cert concurrente : laquelle choisir ?
DAS-C01 etant retiree, choisissez DEA-C01 (AWS Data Engineer Associate). Pour Azure : DP-203. Pour GCP : Professional Data Engineer. Pour Databricks : Certified Data Engineer Professional.
Combien coute l'examen DAS-C01 ?
L'examen coutait 300 USD (environ 280 EUR). Il n'est plus passable depuis avril 2024. DEA-C01 (remplacant) coute 150 USD soit environ 140 EUR.
Combien de fois peut-on repasser DAS-C01 ?
AWS imposait un delai de 14 jours entre deux tentatives, sans limite du nombre de passages, chacun etant facture. La cert n'etant plus active, ces regles s'appliquent desormais a DEA-C01.
Prêt à passer à la pratique ?
Lancez votre examen blanc gratuit ou faites le test d'orientation pour valider votre choix.
Démarrer l'examen blanc DAS-C01 → Test d'orientation