DP-600 e DP-700 sono entrambe certificazioni Microsoft di livello associate sullo stesso prodotto, Microsoft Fabric. Stesso costo indicativo, stesso passing score, stesso ciclo di rinnovo, e metà del vocabolario in comune: OneLake, lakehouse, warehouse, workspace, deployment pipeline. Per questo si confondono, e molti le leggono come due gradini della stessa scala, con il DP-600 nel ruolo di versione leggera. Non lo è: sono due esami paralleli su due mestieri diversi.
Il discriminante più netto sta nel profilo dei destinatari pubblicato da Microsoft. Il DP-600 chiede di interrogare i dati con SQL, KQL e DAX. Il DP-700 chiede SQL, PySpark e KQL. Cambia una sola voce su tre, ed è la voce che decide tutto: DAX significa modelli semantici e logica di calcolo, PySpark significa trasformazione distribuita e pattern di caricamento. Se sai quale dei due useresti volentieri per otto ore di fila, hai già scelto.
Cosa valida davvero il DP-600
Il DP-600 porta alla certificazione Fabric Analytics Engineer Associate e copre tre aree: mantenere la soluzione di analytics, preparare i dati, implementare e gestire i modelli semantici. L’area sulla preparazione dei dati è la più pesante del blueprint, e questo da solo smonta l’idea che sia “un esame su Power BI travestito”. Nel dettaglio, ti viene chiesto di:
- Costruire e ottimizzare modelli semantici enterprise: storage mode, schema a stella, relazioni molti-a-molti e bridge table, modelli compositi, formato large semantic model, refresh incrementale.
- Padroneggiare DAX oltre le misure di base: variabili, iteratori, filtri su tabella, funzioni di windowing e information function, calculation group, dynamic format string, field parameter.
- Configurare Direct Lake, incluso fallback predefinito e refresh, e scegliere fra Direct Lake su OneLake e Direct Lake su SQL analytics endpoint. È il punto in cui si separano i candidati preparati dagli altri.
- Preparare i dati: viste, funzioni e stored procedure, schema a stella su lakehouse o warehouse, denormalizzazione, aggregazioni, duplicati e valori mancanti, query con Visual Query Editor, SQL, KQL e DAX.
- Gestire il ciclo di vita: version control, progetti Power BI Desktop (.pbip), deployment pipeline, impact analysis delle dipendenze a valle, endpoint XMLA, file .pbit e .pbids.
- Applicare sicurezza e governance: accessi a workspace e item, sicurezza per riga, colonna, oggetto e file, sensitivity label, endorsement.
Cosa valida davvero il DP-700
Il DP-700 porta alla certificazione Fabric Data Engineer Associate, anch’essa su tre aree — implementare e gestire la soluzione, ingerire e trasformare i dati, monitorare e ottimizzare — questa volta con pesi sostanzialmente equivalenti: nessuna delle tre si può sacrificare. Nel dettaglio, ti viene chiesto di:
- Configurare l’ambiente: impostazioni Spark del workspace, domini, OneLake e Apache Airflow, database project, deployment pipeline, audit log, dynamic data masking.
- Orchestrare: scegliere fra Dataflow Gen2, pipeline e notebook, progettare schedulazioni e trigger basati su eventi, usare parametri ed espressioni dinamiche.
- Progettare pattern di caricamento full e incrementali, preparare i dati per un modello dimensionale, gestire dati duplicati, mancanti o in ritardo.
- Lavorare su shortcut di OneLake e mirroring, e trasformare con PySpark, SQL o KQL a seconda del caso.
- Gestire lo streaming: scegliere il motore, processare con Eventstream, Spark structured streaming o KQL, creare funzioni di windowing, decidere fra tabelle native e shortcut in Real-Time Intelligence.
- Monitorare e riparare: ingestione, trasformazione e refresh dei modelli semantici, alert, errori di pipeline, Dataflow Gen2, notebook, Eventhouse, Eventstream e shortcut.
- Ottimizzare: tabelle lakehouse, pipeline, warehouse, Eventstream ed Eventhouse, Spark e query.
Nota il verbo che compare solo qui: monitorare il refresh dei modelli semantici. Il DP-700 ti chiede di accorgerti che un modello non si aggiorna, non di progettarlo: è la linea esatta fra chi tiene in piedi la piattaforma e chi ci costruisce sopra.
La tabella di confronto
| Aspetto | DP-600 Fabric Analytics Engineer | DP-700 Fabric Data Engineer |
|---|---|---|
| Livello e stato | Associate (intermediate), attivo | Associate (intermediate), attivo |
| A chi si rivolge | Chi progetta e gestisce asset analitici: modelli semantici, warehouse, lakehouse | Chi si occupa di pattern di caricamento, architetture dati e orchestrazione |
| Linguaggi dichiarati | SQL, KQL, DAX | SQL, PySpark, KQL |
| Prerequisiti reali | SQL solido, DAX almeno intermedio, modellazione a stella, un tenant Fabric su cui esercitarsi | SQL solido, PySpark almeno in lettura, tabelle Delta, un orchestratore di pipeline, un tenant Fabric |
| Cosa NON copre | Processing di stream (Eventstream, Spark structured streaming), mirroring, Airflow, trigger e orchestrazione, monitoraggio e troubleshooting operativo, dynamic data masking | DAX, progettazione e ottimizzazione dei modelli semantici, configurazione di Direct Lake, progetti .pbip ed endpoint XMLA |
Nessuno dei due è prerequisito dell’altro né richiede una Fundamentals. Entrambi hanno passing score 700 su 1000, costano circa 165 USD come tutti i role-based associate e scadono dopo 12 mesi, con rinnovo online gratuito su Microsoft Learn. Nota spesso ignorata: nessuno dei due è oggi offerto in italiano, quindi si studia con la terminologia inglese dell’interfaccia di Fabric.
Scegli il DP-600 se…
- Costruisci report Power BI da anni e vuoi risalire la catena. Sai fare misure e visual, ma il pezzo a monte — dove stanno i dati, come sono modellati, perché il modello è lento — l’ha sempre gestito qualcun altro.
- Sei il riferimento del modello semantico nel tuo team. Se le domande che ricevi sono “perché questa misura è lenta” o “conviene Import o Direct Lake”, stai già facendo il lavoro che il DP-600 certifica.
- Fai consulenza su modellazione e governance. Impact analysis, endorsement, sensitivity label e sicurezza per riga e colonna sono argomenti che discuti con i clienti, non teoria.
- Il tuo lavoro finisce dove inizia il report. Se non ti verrà mai chiesto di gestire uno stream o riparare una pipeline notturna, il DP-700 ti farebbe studiare cose che non userai.
Scegli il DP-700 se…
- Sei tu quello che viene chiamato quando il caricamento notturno fallisce. Il DP-700 dedica un’intera area a monitoraggio, diagnostica e ottimizzazione: è il tuo mestiere messo per iscritto.
- Vieni da Data Factory, Synapse o Databricks. Molti concetti si trasferiscono quasi intatti — attività, dipendenze, parametri, retry, tabelle Delta — e la vera curva è la logica SaaS di Fabric.
- Hai a che fare con dati che arrivano in continuo. Eventstream, Eventhouse, Spark structured streaming e scelta del motore di streaming esistono solo qui.
- Scrivi più PySpark che DAX. È il test più onesto che puoi fare su te stesso, e coincide con la differenza fra i due profili ufficiali.
Si possono fare entrambe? Sì, e spesso conviene
Non è ridondante come sembra. C’è un blocco quasi sovrapponibile nei due blueprint: accessi a workspace e item, sicurezza per riga, colonna e oggetto, sensitivity label, endorsement, version control e deployment pipeline. Preparare i due esami a distanza ravvicinata significa studiarlo una volta sola.
L’ordine dipende dal punto di partenza, non da una gerarchia. Chi arriva dal mondo BI parte dal DP-600, perché buona parte del blueprint gli è già familiare e il primo esame costa meno fatica; chi arriva dal data engineering su Azure parte dal DP-700 per la ragione simmetrica. In entrambi i casi il primo passaggio serve anche a prendere confidenza con workspace, capacity, item e permessi, che ritrovi identici nel secondo.
Due avvertimenti onesti: due certificazioni role-based significano due rinnovi all’anno, gratuiti ma da mettere in calendario, e nessuna delle due si prepara in fretta. Serve qualche mese di lavoro costante dentro un tenant Fabric, e la trial gratuita va attivata all’inizio, non alla fine.
Cosa viene dopo, per ciascuno dei due rami
Ramo analytics (DP-600). Il complemento più naturale, se non lo hai già, è il PL-300 Power BI Data Analyst, dedicato a modellazione, DAX e visualizzazione: c’è chi lo prende prima come riscaldamento e chi dopo, per consolidare il reporting. Va detto con chiarezza che oggi non esiste una certificazione Fabric di livello expert: “dopo” significa approfondire il prodotto o attraversare verso il DP-700.
Ramo data engineering (DP-700). Il passo laterale più coerente è il DP-800 SQL AI Developer Associate, che valida lo sviluppo di soluzioni di database abilitate all’AI su SQL Server, Azure SQL e i database SQL dentro Fabric, con T-SQL, embedding e vettori e CI/CD su GitHub. Dettaglio pratico: è offerto solo in inglese. Va poi chiarito che il vecchio riferimento del data engineering su Azure, il DP-203, è ritirato dal 31 marzo 2025: non esiste più un’alternativa Azure-native al posto del DP-700, e chi te la consiglia sta leggendo materiale vecchio. Cosa è ancora prenotabile lo trovi nel calendario dei ritiri.
Se non sei sicuro delle basi. Nessuno dei due richiede una Fundamentals, ma se “schema a stella”, “tabella Delta” o “modello semantico” non ti dicono ancora nulla, il DP-900 Azure Data Fundamentals è il modo più economico per verificarlo.
Il modo più rapido per decidere
Leggere i blueprint aiuta, ma la prova del nove è provare le domande. Su CertUp trovi una simulazione gratuita per entrambe: apri il DP-600 Fabric Analytics Engineer e il DP-700 Fabric Data Engineer, rispondi a qualche domanda di ciascuno e guarda dove ti senti più a casa. Quasi sempre la risposta arriva prima della fine della simulazione.
Ultima raccomandazione: al momento di prenotare, verifica aree misurate e pesi sulla pagina ufficiale su Microsoft Learn. Microsoft rivede i blueprint periodicamente.