Azure認定資格 WEB問題集&徹底解説

DP-900:Microsoft Azure Data Fundamentals

DP-900 の試験概要(Microsoft Azure Data Fundamentals)

DP-900 は、問題数は非公表(目安 40〜60 問)で、試験時間は 45 分、1,000 点満点中 700 点以上で合格です。配点が最も大きい分野は「データの主要概念の説明」(25〜30%)です。当サイトには 500 問を収録しています(分野ごとの問題数は下の表のとおり)。

公式試験ガイドの最終確認日: 2026年10月20日

DP-900 の試験の基本

試験コードDP-900
問題数 公式には非公表(一般に 40〜60 問程度)
試験時間45 分
合格点1,000 点満点中 700 点以上(換算スコア。正答率そのものではありません)
受験方法テストセンターまたはオンライン(Pearson VUE)
受験料 国・地域によって異なります。公式の試験ページで確認してください(公式スタディガイドから試験ページへ進めます)
有効期限有効期限なし
再受験初回の不合格のあとは 24 時間、2 回目以降は 14 日待てば再受験できます。同じ試験は 12 か月で 5 回までです。
※ 受験方法・受験料・有効期限・再受験の規定は 2026年10月30日 時点の Microsoft の公式情報です。変わることがあるため、申し込みの前に公式ページで確認してください。

分野と配点

本試験の出題分野と配点、当サイトの収録問題数です。分野名から、その分野の問題だけを解けます。

分野本試験の配点当サイトの問題
データの主要概念の説明 25〜30% 110 問
Azure 上のリレーショナルデータの考慮事項の特定 20〜25% 139 問
Azure 上の非リレーショナルデータの操作の考慮事項の説明 15〜20% 115 問
分析ワークロードの説明 25〜30% 136 問
合計100%500 問
※ 各分野はさらに細かい「タスク」に分かれます。タスクごとの収録問題数は収録問題と試験ガイドの対応、各タスクで求められる知識・スキルの全文はMicrosoft の公式試験ガイドで確認できます。

本試験の問題はこんな形

公式のサンプル問題と試験ガイドを分析し、本試験の問題の特徴をまとめました。当サイトの問題もこの形に合わせて作っています。

  • 問題文は 1〜3 文の短い文章で、1 つの概念やサービスの定義・目的を直接問います。出題は一般提供(GA)の機能が中心です。
  • 「〜の説明として正しいものはどれか」「この用途に最も適したサービスやデータストアはどれか」のように、定義と選定を問う形式が中心です。複数の文の正誤を「はい / いいえ」で答える問題、ドロップダウンの穴埋め、ドラッグアンドドロップも使われます。
  • 構造化・半構造化・非構造化データの分類は、CSV・JSON・画像のような具体的なデータの例がどれに当たるかを判定させます。
  • トランザクション処理(OLTP)と分析処理(OLAP)の特徴の違いや、バッチ処理とストリーミング処理の違いがよく問われます。
  • SQL は、SELECT・INSERT・UPDATE・DELETE といった基本ステートメントの役割や、DDL と DML の区別がわかれば答えられる水準です。複雑なクエリを書かせる問題は出ません。
  • Azure SQL Database と Azure SQL Managed Instance と Azure Virtual Machines 上の SQL Server、Azure Table Storage と Azure Cosmos DB、Azure Databricks と Microsoft Fabric のように、似たサービスの使い分けが問われます。
  • データベース管理者・データエンジニア・データアナリストの 3 つの役割について、ある作業がどの役割の担当かを判定させます。

よくあるひっかけの型

誤りの選択肢には決まった型があります。型を知っておくと、もっともらしい選択肢を落ち着いて消去できます。

同じ分野の別のサービス

同じカテゴリの実在するサービスですが、用途が違うものを挙げた選択肢です。

例: SMB のファイル共有としてマウントしたい場面で Azure Blob Storage を選ぶ(適するのは Azure Files)。ストリーミングデータをリアルタイムに集計したい場面で Azure Data Factory を選ぶ(適するのは Azure Stream Analytics)。

OLTP と OLAP の特徴の入れ替え

トランザクション処理と分析処理の特徴を入れ替えた記述です。

例: 分析処理(OLAP)のワークロードを「大量の小さな書き込みに最適化されている」と説明する(これはトランザクション処理の特徴)。

役割の担当の入れ替え

データにかかわる役割の担当範囲を入れ替えた記述です。

例: データベースのバックアップと復元をデータアナリストの仕事とする(担うのはデータベース管理者)。

データの分類の誤り

データの例を、構造化・半構造化・非構造化の別の区分に入れた記述です。

例: JSON を構造化データとする(JSON は半構造化データ)。リレーショナルデータベースのテーブルを半構造化データとする(構造化データ)。

目的の取り違え

用語の説明はそれらしく見えても、その手法の目的を取り違えている記述です。

例: 正規化の主な目的をクエリの高速化とする(主な目的は、データの重複を減らして整合性を保つこと)。

旧名称を別のサービスのように並べる

改称前の製品名を、現行のサービスとは別のサービスであるかのように並べた選択肢です。

例: Azure Synapse Analytics の専用 SQL プールの旧名称である Azure SQL Data Warehouse を、別の選択肢として出す。

次の一歩