Font size
WorksheetsBrief BI on AZure
Total questions: 23
Worksheet time: 18mins
Quel est le principal avantage d'un modèle en étoile dans un entrepôt de données ?
Il empêche la duplication des données
Il est plus adapté aux bases relationnelles
Il simplifie les requêtes analytiques
Il permet de réduire la redondance des données
Quelles sont les caractéristiques d’un entrepôt de données bien structuré ?
Absence de partitionnement pour éviter la fragmentation
Stockage des données sous forme de colonnes optimisées
Suppression des index pour accélérer les requêtes
Utilisation d’un schéma en étoile ou en flocon
Votre entreprise observe que les performances des requêtes analytiques sur Synapse SQL Pool sont lentes. Après analyse, vous constatez que les tables de dimensions sont très volumineuses et souvent jointes avec la table de faits. Quelle solution proposez-vous ?
Supprimer les dimensions inutiles
Désactiver l’indexation des dimensions
Convertir le modèle en flocon
Dénormaliser les tables de dimensions
Quel service Azure est utilisé pour stocker un entrepôt de données relationnel ?
Azure Monitor
Azure Data Factory
Azure Synapse Analytics
Azure Blob Storage
Quelles bonnes pratiques s’appliquent à la création d’un entrepôt de données optimisé sur Azure ?
Utiliser un moteur de stockage NoSQL pour les requêtes analytiques
Toujours choisir le modèle en flocon pour maximiser la normalisation
Utiliser un stockage en colonnes pour les données analytiques
Partitionner les tables volumineuses
Vous constatez que votre entrepôt de données Azure Synapse SQL Pool est sous-utilisé, mais coûte cher en ressources. Que faites-vous ?
Supprimer les tables peu utilisées
Activer plus d’index pour accélérer les requêtes
Passer à un modèle Serverless pour payer uniquement à l’usage
Réduire la taille du stockage en compressant les données
Quel est le rôle principal d’Azure Data Factory dans un projet BI ?
Remplacer un moteur de base de données
Générer des rapports BI
Orchestrer et automatiser l'ingestion et la transformation des données
Stocker les données dans un Data Warehouse
Quelles bonnes pratiques améliorent les performances d’un pipeline ETL ?
Stocker toutes les étapes intermédiaires dans un fichier CSV
Traiter l’ensemble des données sans filtrage
Exécuter les transformations en mémoire avant le chargement
Charger uniquement les données nécessaires
Votre pipeline d’ingestion Data Factory prend trop de temps pour charger les données vers Synapse. Quelle action prenez-vous ?
Charger toutes les données en une seule fois
Remplacer Azure Data Factory par un traitement manuel
Augmenter la fréquence des exécutions du pipeline
Activer le partitionnement des données en entrée
Quelle option permet de réduire les coûts d’un entrepôt de données Azure Synapse inactif ?
Exécuter moins de requêtes
Limiter le nombre d’utilisateurs
Mettre en pause le service lorsque non utilisé
Supprimer les bases de données
Quels outils Azure permettent de surveiller et optimiser les performances d’un entrepôt de données Synapse ?
Azure Blob Storage
Power BI uniquement
SQL Query Performance Insights
Azure Monitor
L’équipe BI constate une forte latence dans les rapports générés à partir de Synapse. Quelle action recommandez-vous ?
Exporter les données vers Excel pour améliorer la rapidité
Réduire le nombre d’utilisateurs sur la plateforme
Augmenter la puissance des serveurs
Vérifier les requêtes SQL et optimiser les index
Quel type de gestion des dimensions permet de conserver l’historique des changements ?
Type 0
Type 1
Type 2
Type 3
Quelles pratiques sont courantes pour gérer les dimensions dans un Data Warehouse ?
Créer de nouvelles lignes à chaque modification importante
Ajouter des colonnes pour suivre l’évolution des données
Modifier directement les valeurs des dimensions
Supprimer les anciennes versions des enregistrements
Votre entreprise souhaite suivre les évolutions des tarifs des courses de taxis tout en conservant les versions précédentes pour l’analyse historique. Quelle stratégie utilisez-vous ?
Ne pas stocker les changements dans l’entrepôt
Supprimer les anciennes versions des tarifs
Modifier directement les enregistrements existants
Implémenter une gestion Type 2
Quelle est la première étape pour analyser un besoin métier BI ?
Installer les outils Azure
Déployer les tableaux de bord
Collecter les exigences métiers
Concevoir l’architecture
Quelles informations sont essentielles lors de l’analyse d’un besoin BI ?
Les sources de données disponibles
Le nombre de serveurs Azure
La stack technologique utilisée
Les KPI attendus
Quelle est la principale caractéristique d’un Data Lake ?
Il ne permet pas l’intégration avec Azure
Il est identique à un Data Warehouse
Il permet le stockage de données brutes et semi-structurées
Il stocke uniquement des données structurées
Votre client veut suivre l’évolution des prix des courses de taxis en conservant un historique complet. Quelle stratégie utilisez-vous ?
Supprimer l’ancienne donnée et insérer la nouvelle
Insérer une nouvelle ligne avec la date de modification pour chaque changement
Ajouter une colonne "Ancien prix" et mettre à jour la nouvelle valeur
Mettre à jour les prix directement dans la colonne existante
Après le déploiement du pipeline, vous constatez que certains fichiers de données sont corrompus, entraînant des erreurs d’intégration. Quelle est la meilleure action ?
Relancer l’ingestion plusieurs fois en espérant que ça passe
Charger les fichiers malgré les erreurs et corriger manuellement après
Ignorer les fichiers corrompus pour ne pas bloquer le pipeline
Mettre en place une validation automatique des fichiers en entrée
Votre entreprise souhaite migrer son entrepôt de données vers Azure Synapse Analytics. Le CTO vous demande d’évaluer les coûts potentiels avant de prendre une décision.
Quel outil devriez-vous utiliser pour estimer le coût mensuel du service
Azure Advisor
Azure Pricing Calculator
Azure Monitor
ADF
Vous souhaitez restreindre l’accès aux secrets stockés dans Azure Key Vault. Quelle solution est la plus sécurisée ?
Partager la clé d’accès de Key Vault avec tous les développeurs
Activer un accès public temporaire pour Key Vault
Ajouter un mot de passe supplémentaire dans Key Vault
Configurer Azure RBAC pour limiter l’accès aux services et utilisateurs autorisés
Vous devez connecter Azure Data Factory à Azure Synapse sans exposer les identifiants de connexion. Quelle est la meilleure pratique ?
Partager les identifiants avec l’équipe par e-mail
Utiliser un fichier texte dans Azure Blob Storage
Ajouter les identifiants directement dans le pipeline ADF
Stocker les identifiants dans Azure Key Vault et utiliser un Linked Service
