Microsoft Fabric ha rimescolato le carte del mondo dati. Prima esistevano prodotti separati — Azure Synapse Analytics, Azure Data Factory, Power BI, Azure Data Lake Storage — e ognuno aveva il suo modello di sicurezza, il suo storage, il suo linguaggio. Fabric li ha uniti in una piattaforma SaaS unica, con un unico data lake logico (OneLake), un unico formato di archiviazione (Delta Lake su file Parquet) e un unico modello di capacity. La certificazione Fabric Analytics Engineer Associate, esame DP-600, è la credenziale che verifica se sai progettare e mantenere soluzioni di analytics dentro questo ecosistema.
Non è un esame su Power BI travestito, e nemmeno un esame di data engineering puro. È qualcosa di ibrido, ed è proprio questo il punto: la figura dell’analytics engineer sta tra il data engineer che costruisce le pipeline e l’analista che produce report. Il DP-600 chiede di sapere ingerire e trasformare dati in un lakehouse o in un warehouse, di modellarli in modo sensato, di esporli con un modello semantico performante, e di gestire tutto il ciclo di vita — sicurezza, permessi, versionamento con Git, promozione tra ambienti. È una certificazione trasversale, e per questo è più impegnativa di quanto il codice “600” lasci intendere.
Il valore pratico è concreto. Molte aziende che avevano investito in Power BI stanno migrando su Fabric, e chi sa muoversi tra Direct Lake, shortcut di OneLake e deployment pipeline diventa la persona a cui si chiede come impostare l’architettura. È una posizione di leva.
A chi serve
- Analisti Power BI che vogliono crescere. Se costruisci report da anni ma il pezzo a monte — dove stanno i dati, come arrivano, come si aggiornano — l’ha sempre fatto qualcun altro, il DP-600 è il ponte naturale. Ti obbliga a capire lakehouse, Delta e SQL analytics endpoint.
- Data engineer con background Azure. Chi viene da Synapse, Data Factory o Databricks trova molte cose familiari, ma deve imparare la logica SaaS di Fabric: workspace, capacity, item, permessi ereditati. E soprattutto deve prendere confidenza con la parte semantica e DAX, che spesso è il punto debole.
- BI developer e consulenti. Se lavori su progetti clienti, la certificazione è un argomento commerciale immediato e ti dà un vocabolario condiviso per discutere di architetture.
- Architetti dati che devono valutare se Fabric ha senso per la propria organizzazione: preparare l’esame è un modo strutturato per esplorare la piattaforma senza affidarsi al marketing.
- Team di data governance, per la parte su sensitivity label, endorsement (promoted/certified), row-level security e workspace roles.
Prerequisiti ed esperienza consigliata
Formalmente non ci sono prerequisiti: puoi iscriverti al DP-600 senza aver passato altri esami. Nella pratica, però, arrivarci a freddo è una pessima idea.
Serve SQL solido: join, aggregazioni, window function, CTE. Non è un esame di ottimizzazione query estrema, ma le domande danno per scontato che tu legga una query senza fatica. Serve familiarità con Power BI: modello a stella, relazioni, cardinalità, misure DAX di base e intermedie (CALCULATE, context transition, filtri sul contesto). Serve almeno una conoscenza di lettura di PySpark: non ti chiedono di scrivere notebook complessi, ma di riconoscere cosa fa uno snippet che legge un Delta table o scrive in un lakehouse.
Utile ma non obbligatorio: aver già preso il PL-300 (Power BI Data Analyst) o il DP-900 (Azure Data Fundamentals). Il PL-300 in particolare copre bene la parte di modellazione e DAX, e se ce l’hai già il DP-600 diventa molto più gestibile.
Il vero prerequisito è però un altro: avere le mani su un tenant Fabric. Esiste una trial gratuita, e va attivata prima ancora di aprire un libro. Studiare Fabric solo leggendo non funziona, perché metà della difficoltà sta nel sapere dove sono le opzioni nell’interfaccia e cosa succede davvero quando crei uno shortcut o promuovi un item.
Cosa copre l’esame
L’esame è organizzato in alcune aree principali, che trovi elencate nella pagina ufficiale della certificazione su Microsoft Learn. In sintesi:
| Area | Di cosa si occupa |
|---|---|
| Manutenzione della soluzione di analytics | Sicurezza e access control (workspace roles, item permission, row-level e object-level security, sensitivity label), governance ed endorsement, gestione del lifecycle: integrazione con Git, deployment pipeline, parametrizzazione tra ambienti dev/test/prod, uso delle API e di XMLA endpoint |
| Preparazione dei dati | Ingestion in lakehouse e warehouse, OneLake e shortcut, formato Delta e ottimizzazione (V-Order, OPTIMIZE, VACUUM), dataflow Gen2, notebook e pipeline, trasformazioni con SQL o PySpark, SQL analytics endpoint, scelta tra lakehouse e warehouse in base allo scenario |
| Implementazione e gestione dei modelli semantici | Progettazione a star schema, scelta della storage mode (Direct Lake, Import, DirectQuery), calcoli DAX e misure, gerarchie e relazioni, ottimizzazione delle performance, gestione del refresh e del fallback di Direct Lake |
Il tema che attraversa tutto è la scelta: molte domande non chiedono “come si fa X” ma “dato questo scenario e questi vincoli, quale opzione è la migliore”. Sapere che Direct Lake esiste non basta: bisogna sapere quando conviene rispetto a Import, e cosa causa il fallback a DirectQuery.
Formato e costo
Il passing score è 700 su 1000, su una scala che non è una percentuale semplice: le domande hanno peso diverso e non c’è penalità per le risposte sbagliate, quindi rispondi sempre a tutto.
Il formato è quello tipico Microsoft: scelta multipla, risposta multipla, drag-and-drop di sequenze, e uno o più case study — scenari lunghi con requisiti tecnici e di business, seguiti da domande collegate. Aspettati in genere poche decine di domande in circa 1-2 ore. Le domande dei case study sono quelle che fanno perdere più tempo: leggi prima le domande, poi torna sul testo.
Trattandosi di un esame role-based associate, il costo è di circa 165 USD (in Italia intorno a 165 EUR + IVA), con possibili variazioni per fascia di paese. La certificazione scade dopo 12 mesi, ma il rinnovo è gratuito: si fa online su Microsoft Learn con un assessment senza proctoring, ripetibile.
Numero esatto di domande, durata precisa, aree d’esame e relativi pesi cambiano nel tempo: verifica sempre la pagina ufficiale della certificazione su Microsoft Learn prima di prenotare, ed è anche il posto dove scaricare la lista completa degli skill misurati.
Come prepararsi
Un piano realistico per chi ha già basi Power BI o SQL e può dedicare 6-8 ore a settimana.
Settimana 1 — Fondamenta e ambiente. Attiva la trial Fabric, crea un workspace, esplora i tipi di item. Studia OneLake: come è organizzato, cosa sono gli shortcut interni ed esterni. Capisci il modello di capacity e cosa significa “throttling”. Carica un dataset pubblico in un lakehouse.
Settimana 2 — Lakehouse vs warehouse. Costruisci entrambi con gli stessi dati. Interroga il lakehouse via SQL analytics endpoint e via notebook. Studia il formato Delta: transaction log, time travel, OPTIMIZE, V-Order. Confronta i limiti: dove puoi fare INSERT/UPDATE, dove no.
Settimana 3 — Ingestion e trasformazione. Dataflow Gen2, data pipeline, notebook PySpark, COPY INTO. Costruisci una pipeline medallion (bronze/silver/gold). Sperimenta lo shortcut verso un altro workspace.
Settimana 4 — Modello semantico. Star schema partendo dalle tabelle gold. Modello Direct Lake e confronto con Import. DAX: CALCULATE, time intelligence, misure con contesto di filtro modificato. Studia i casi di fallback di Direct Lake.
Settimana 5 — Sicurezza e lifecycle. Workspace roles, RLS e OLS, sensitivity label, endorsement. Collega il workspace a un repo Git e fai un commit. Configura una deployment pipeline con regole di parametrizzazione.
Settimana 6 — Consolidamento. Simulazioni ripetute, analisi degli errori, ripasso mirato sulle aree deboli. Rileggi la lista degli skill misurati e spunta voce per voce quelle che sapresti spiegare a voce alta.
Il percorso di studio su CertUp segue questa struttura, e la scheda della certificazione raccoglie i riferimenti ufficiali.
Errori comuni
- Studiare senza toccare Fabric. È l’errore numero uno. Molte domande descrivono situazioni che riconosci solo se le hai viste nel portale. Leggere la documentazione su Direct Lake senza mai aver creato un modello Direct Lake lascia buchi che l’esame trova subito.
- Sottovalutare il DAX perché “non è un esame Power BI”. Il DAX c’è, e non è solo
SUM. Aspettati misure con contesto di filtro modificato, relazioni inattive, time intelligence. Chi viene dal data engineering è qui che si fa male. - Confondere lakehouse e warehouse. Sono entrambi su OneLake e Delta, ma hanno capacità, permessi e workload diversi. Le domande di scenario giocano proprio su questa distinzione: se non hai chiaro chi supporta transazioni multi-tabella e chi si interroga solo in lettura via endpoint, sbagli.
- Ignorare la parte di governance e lifecycle. È l’area meno “divertente” e la più trascurata. Git integration, deployment pipeline, sensitivity label, endorsement: sembrano dettagli amministrativi, ma pesano nell’esame e nel lavoro reale.
- Studiare su materiale datato. Fabric evolve rapidamente e articoli o video di un anno fa possono descrivere comportamenti superati. La documentazione ufficiale Microsoft Learn è l’unica fonte davvero affidabile per i dettagli.
- Non allenarsi sul formato case study. Leggere tre pagine di requisiti sotto pressione è una competenza a sé. Va esercitata.
Il passo successivo
La differenza tra “conosco Fabric” e “so rispondere a una domanda di scenario su Fabric” si misura solo mettendosi alla prova. Fai la simulazione gratuita del DP-600 — 100 domande nel banco, con spiegazioni sulle risposte — e usa il risultato per capire dove concentrare le ultime settimane di studio. È il modo più veloce per scoprire quali aree conosci davvero e quali hai solo letto.