Ogni progetto sui dati coinvolge persone con competenze diverse che collaborano lungo l’intero ciclo di vita del dato: dall’ingestione all’archiviazione, dalla trasformazione fino alla visualizzazione per il business. L’esame DP-900 verifica la capacità di distinguere i tre ruoli principali e di riconoscere chi fa cosa in uno scenario dato. Vediamoli in dettaglio.

Database Administrator (DBA)

Il database administrator è il custode dei sistemi di dati operativi. Ha la responsabilità di garantire che i database siano disponibili, sicuri e performanti nel tempo.

Le sue responsabilità tipiche sono:

  • Installazione, configurazione e manutenzione di database (on-premises o in cloud).
  • Sicurezza e controllo degli accessi: gestione di utenti, permessi, ruoli e cifratura dei dati.
  • Backup e ripristino (backup/restore) e definizione delle strategie di disaster recovery e high availability.
  • Ottimizzazione delle performance: indicizzazione, tuning delle query, gestione delle risorse.

Gli strumenti tipici includono Azure SQL Database e SQL Managed Instance, SQL Server Management Studio (SSMS), Azure Data Studio e il portale Azure per il monitoraggio. In cloud molte attività (patching, backup automatici) sono gestite dalla piattaforma PaaS, ma il DBA resta responsabile di sicurezza e policy.

Data Engineer

Il data engineer costruisce e mantiene l’infrastruttura che rende i dati utilizzabili. È la figura che si occupa dell’ingestione, integrazione e trasformazione dei dati provenienti da fonti diverse.

Le sue responsabilità principali:

  • Progettare e gestire le data pipeline (processi ETL/ELT).
  • Ingestire dati da sorgenti eterogenee (database, file, streaming, API).
  • Integrare e trasformare i dati in strutture pronte per l’analisi, popolando data warehouse e data lake.
  • Garantire qualità, affidabilità e sicurezza del flusso dati.

Gli strumenti tipici sono Azure Data Factory (orchestrazione delle pipeline), Microsoft Fabric (piattaforma analytics end-to-end con OneLake), Azure Databricks, Azure Synapse Analytics e i servizi di storage come Azure Data Lake Storage. Il data engineer lavora sia con dati batch sia con dati in streaming (real-time).

Data Analyst

Il data analyst trasforma i dati grezzi in informazioni utili al business. È il ponte tra i dati tecnici e le decisioni aziendali.

Le sue responsabilità:

  • Modellare i dati (creazione di modelli semantici, misure, relazioni tra tabelle).
  • Esplorare e analizzare i dati per individuare trend e insight.
  • Creare report e dashboard interattivi e visualizzazioni comprensibili.
  • Presentare i risultati agli stakeholder per guidare le decisioni.

Lo strumento di riferimento è Microsoft Power BI, con cui il data analyst importa i dati, li modella con DAX, li pulisce con Power Query e pubblica dashboard. Oggi si affianca anche Microsoft Fabric con l’esperienza Power BI integrata.

Come collaborano i ruoli

Nel ciclo di vita del dato le tre figure operano in sequenza ma complementare:

  1. Il data engineer ingerisce e trasforma i dati, alimentando warehouse e data lake.
  2. Il DBA garantisce che i sistemi sottostanti siano sicuri, disponibili e performanti.
  3. Il data analyst attinge ai dati preparati per costruire modelli, report e dashboard.

La sovrapposizione è normale: engineer e analyst collaborano sulla forma dei dati, DBA ed engineer sulla sicurezza e le performance. In organizzazioni piccole una sola persona può ricoprire più ruoli.

Trappole tipiche d’esame

  • Scenario: “Devi creare una pipeline che carica ogni notte dati da più sorgenti in un data warehouse.” → Data engineer (ingestione e trasformazione), non il DBA né l’analyst.
  • Scenario: “Serve costruire una dashboard interattiva in Power BI per il management.” → Data analyst (modellazione e reporting), mai il data engineer.
  • Scenario: “Occorre configurare backup, cifratura e gestione dei permessi utente su un database.” → Database administrator (sicurezza, backup, disponibilità).
  • Scenario: “Chi ottimizza le performance e gli indici di un database in produzione?” → DBA, non l’engineer (che invece ottimizza le pipeline).
  • Trappola sugli strumenti: Power BI = data analyst; Azure Data Factory / Microsoft Fabric pipeline = data engineer; SSMS / Azure Data Studio = DBA. Associare lo strumento sbagliato al ruolo è l’errore più frequente.