DP-900, l’esame che porta alla certificazione Microsoft Certified: Azure Data Fundamentals, è una prova di vocabolario. Non nel senso riduttivo del termine: il vocabolario dei dati è esattamente ciò che manca a chi si trova a lavorare accanto a un data team senza farne parte. Sapere cosa si intende per dato semi-strutturato, perché un carico transazionale e uno analitico hanno bisogno di archivi diversi, cosa distingue Azure SQL Managed Instance da SQL Server installato su una macchina virtuale: sono distinzioni che fanno la differenza fra partecipare a una conversazione tecnica e subirla.

Il blueprint ufficiale, aggiornato al 21 luglio 2026, è coerente con questa impostazione: ogni obiettivo comincia con “describe” o “identify”, e nessuno chiede di implementare o scrivere qualcosa. È la chiave per capire a chi serve l’esame e perché alcuni candidati lo affrontano male.

A chi si rivolge davvero

Il profilo ufficiale parla di un candidato “che inizia a lavorare con i dati nel cloud”. Nella realtà dei fatti, chi sostiene DP-900 appartiene quasi sempre a una di queste categorie.

  • Chi lavora accanto ai dati senza gestirli. Project manager, analisti funzionali, commerciali tecnici, consulenti che devono capire cosa propone un architetto dati e perché una soluzione costa quanto costa. Per questo profilo DP-900 ha forse il miglior rapporto fra sforzo e utilità di tutto il catalogo Microsoft.
  • Chi viene dal mondo on-premise e deve tradurre. Sistemisti e DBA che conoscono benissimo SQL Server ma non hanno mai ragionato in termini di servizi gestiti e archivi non relazionali. Qui l’esame serve soprattutto come mappa dei nomi.
  • Chi si sta riconvertendo verso ruoli dati da amministrazione, controllo di gestione o supporto, e ha bisogno di una base ordinata prima di affrontare qualcosa come PL-300. Vale anche per studenti e neolaureati che cercano un primo riferimento verificabile.

Chi invece scrive già pipeline, gestisce database in produzione o costruisce modelli semantici complessi non troverà in DP-900 alcuna sfida reale: per quei ruoli il riferimento sono le certificazioni di livello associate.

Cosa valida l’esame, area per area

Il blueprint è organizzato in quattro aree. Microsoft ne pubblica il peso come intervallo percentuale sulla pagina ufficiale, e conviene verificarlo lì perché cambia nel tempo: quello che conta sapere è che le aree sui concetti fondamentali e sui carichi analitici sono le più corpose, mentre la parte non relazionale è la più contenuta.

Concetti fondamentali di dato

È l’area di apertura e la più trasversale. Copre i modi di rappresentare i dati, quindi le caratteristiche dei dati strutturati, semi-strutturati e non strutturati; le opzioni di archiviazione, con i formati di file più comuni, le caratteristiche degli archivi dati inclusi i database, e l’identificazione degli archivi Azure adatti ai casi d’uso tipici. Copre poi la distinzione fra carichi transazionali e analitici, che è il vero snodo concettuale dell’intero esame. Chiude con ruoli e responsabilità: cosa fa un amministratore di database, cosa fa un data engineer, cosa fa un data analyst. Sembrano domande banali e invece sono fra quelle su cui si sbaglia di più: nella pratica aziendale i confini sono sfumati, nell’esame sono netti.

Dati relazionali su Azure

Due blocchi. Il primo è concettuale: caratteristiche dei dati relazionali, normalizzazione e perché la si usa, istruzioni SQL e oggetti di database più comuni. Il secondo è di prodotto e nomina esplicitamente la famiglia Azure SQL, cioè Azure SQL Database, Azure SQL Managed Instance e SQL Server su macchine virtuali Azure, oltre ai servizi Azure per i database open source. Il modo giusto di studiarlo è ragionare per responsabilità: quanta amministrazione resta a te e quanta se ne prende Microsoft, man mano che si scende dalla macchina virtuale al servizio completamente gestito.

Dati non relazionali su Azure

L’area più compatta, ma quella dove i nomi si confondono più facilmente. Copre le capacità di Azure Storage, quindi Azure Blob Storage, Azure Files e Azure Table storage, e quelle di Azure Cosmos DB, con i suoi casi d’uso e le sue API. La confusione tipica è fra Table storage e Cosmos DB, che risolvono problemi simili con caratteristiche molto diverse.

L’altra coppia insidiosa è Blob Storage e Azure Files, e qui la scorciatoia “cambia solo il protocollo di accesso” è una semplificazione che costa punti. È vero che Azure Files espone condivisioni montabili come unità di rete e Blob Storage si usa via API e URL, ma la differenza non finisce lì: i livelli di accesso (hot, cool, cold, archive) e le regole di lifecycle management, che spostano o eliminano i dati automaticamente in base all’età, sono capacità di Blob Storage e non di Files. Il blueprint chiede esplicitamente di descrivere le caratteristiche di Blob Storage, quindi trattare i due servizi come equivalenti è il modo più rapido per sbagliare quelle domande.

Carichi analitici

L’area che negli ultimi anni è cambiata di più. Copre gli elementi comuni dell’analytics su larga scala, quindi ingestione ed elaborazione dei dati e opzioni di archivio analitico, e nomina esplicitamente Azure Databricks e Microsoft Fabric come servizi cloud Microsoft per l’analytics su larga scala.

Copre poi l’analisi in tempo reale, e qui gli obiettivi sono due, non uno. Il primo è la differenza fra dati in batch e dati in streaming, che è la parte concettuale. Il secondo chiede di identificare i servizi cloud Microsoft dedicati all’analytics in tempo reale, ed è quello che salta più spesso chi studia solo la distinzione batch/streaming. Vale la pena prendere l’elenco dei servizi direttamente dalla pagina ufficiale del blueprint invece che da un corso: è la parte del portafoglio dati che Microsoft riorganizza e rinomina più spesso, quindi qualsiasi elenco scritto altrove invecchia in fretta.

Chiude con la visualizzazione in Power BI: capacità del prodotto, caratteristiche dei modelli dati e scelta della visualizzazione appropriata al tipo di dato.

Vale la pena notarlo: fra i servizi nominati negli obiettivi compaiono Databricks e Fabric, mentre Azure Synapse Analytics compare soltanto fra i collegamenti alla documentazione. È un segnale della direzione presa da Microsoft, e spiega perché il materiale più vecchio risulti oggi sbilanciato.

Se vuoi misurare dove sei, su CertUp trovi una simulazione gratuita di DP-900 e un percorso di studio guidato che segue le quattro aree del blueprint.

I prerequisiti veri

Formalmente non ce n’è nessuno: puoi prenotare DP-900 senza aver superato nulla prima e senza dimostrare alcuna esperienza. Il profilo ufficiale chiede però due cose, ed è onesto prenderle sul serio.

La prima è la familiarità con i concetti di dato relazionale e non relazionale. Se il termine “tabella” ti evoca solo un foglio Excel, e non hai idea di cosa sia una chiave o una relazione fra entità, l’area relazionale ti risulterà astratta.

La seconda è la familiarità con i tipi di carico di lavoro, transazionale e analitico: capire perché un sistema ottimizzato per registrare migliaia di piccole scritture al secondo è pessimo per rispondere a una domanda aggregata su tre anni di storico.

Al di là dei requisiti formali, quello che serve davvero prima di prenotare è più prosaico: aver aperto il portale Azure e riconoscere come sono organizzate le risorse; aver visto un file JSON e un CSV e capito perché uno è semi-strutturato e l’altro no; aver aperto Power BI Desktop e caricato due tabelle. Non è esperienza, è esposizione. Ma cambia la qualità della preparazione in modo sproporzionato rispetto al tempo che costa.

Come prepararsi

Il punto di partenza sensato sono i percorsi di apprendimento gratuiti su Microsoft Learn indicati dallo study guide ufficiale di DP-900: non un unico corso monolitico, ma una collezione di learning path e moduli self-paced. Vanno seguiti integralmente e non a salti, perché sono costruiti sullo stesso blueprint e usano esattamente la terminologia con cui saranno formulate le domande, che per un esame descrittivo non è un dettaglio.

Sulla pratica, la regola è: poca ma mirata. Con una sottoscrizione di prova bastano quattro esperimenti. Creare un database Azure SQL con le impostazioni minime e osservare quali scelte ti vengono proposte. Creare un account di archiviazione, caricare un file in un container blob, guardare i livelli di accesso disponibili e poi confrontare l’esperienza con una condivisione Azure Files. Aprire Cosmos DB e vedere cosa significa scegliere un’API. Caricare un dataset in Power BI Desktop e costruire due visualizzazioni. Poche ore in totale, ma trasformano definizioni astratte in cose viste.

I punti su cui si arriva impreparati sono sempre gli stessi tre. Il primo è l’area analytics, che molti sottovalutano perché la percepiscono lontana dal proprio lavoro, e che invece è fra le più corpose: dentro c’è anche l’identificazione dei servizi Microsoft per il real-time, che quasi nessuno studia. Il secondo è la distinzione fra i tre modelli della famiglia Azure SQL, che sembra ovvia finché la domanda non è formulata per scenario. Il terzo sono i ruoli professionali: chi non li studia esplicitamente perde punti facili.

Nella fase finale le simulazioni servono a due cose: abituarsi al modo in cui Microsoft formula gli scenari e individuare l’area rimasta debole, su cui tornare invece di rifare l’intero giro.

Gli errori tipici

  • Studiare come se fosse un esame tecnico. Chi ha un background da sviluppatore o sistemista tende ad approfondire dettagli implementativi che non verranno mai chiesti, trascurando le distinzioni concettuali che costituiscono l’ossatura delle domande.
  • Usare materiale non aggiornato. L’area analytics è quella che ha subito più modifiche ed è dove il materiale vecchio fa più danni: corsi costruiti attorno a servizi non più centrali portano a studiare le cose sbagliate.
  • Trattare i ruoli professionali come riempitivo. Sono un obiettivo esplicito del blueprint e le domande relative sono fra le più facili da recuperare, a patto di averle studiate.
  • Sottovalutare l’esame perché è “solo” una Fundamentals. Il livello è basso ma la copertura è ampia: si tocca tutta la superficie dei dati su Azure. Chi si presenta senza alcuna esposizione pratica rischia non perché le domande siano difficili, ma perché sono tante e su cose diverse.
  • Aspettarsi che il badge sostituisca l’esperienza. DP-900 documenta che sai orientarti nel dominio, non che sai costruire qualcosa. Presentarlo come tale in un colloquio si ritorce contro.

Dove si colloca nel percorso

Prima di DP-900 non c’è niente di obbligatorio. Chi non ha alcuna familiarità con il cloud spesso fa prima AZ-900, perché il vocabolario Azure di base torna utile in più punti del blueprint dati, ma non è un passaggio richiesto.

Dopo, il percorso dati Microsoft passa in buona parte per Fabric. Le prosecuzioni più battute sono tre, a cui si affianca DP-300 per chi si orienta all’amministrazione di database SQL su Azure. PL-300 Power BI Data Analyst è la prosecuzione naturale per chi produce reportistica e modelli semantici. DP-600 Fabric Analytics Engineer è il riferimento per chi progetta soluzioni analitiche su Microsoft Fabric. DP-700 Fabric Data Engineer copre l’ingegneria dei dati: ingestione, trasformazione, orchestrazione.

Su questo punto serve un avvertimento esplicito, perché la disinformazione è ancora diffusa. DP-203: Data Engineering on Microsoft Azure, l’esame che portava alla certificazione Azure Data Engineer Associate, è ritirato dal 31 marzo 2025. Molti articoli, forum e persino piani di studio commerciali continuano a indicarlo come tappa successiva a DP-900: non lo è, e non porta più a una certificazione conseguibile. Se hai dubbi su altri codici, il riepilogo degli esami ritirati e in ritiro elenca la situazione aggiornata. Il profilo di candidato pubblicato da Microsoft cita, come esempi di percorsi verso cui DP-900 può fare da preparazione, l’amministrazione di database Azure e l’ingegneria dei dati: è un’indicazione di famiglie di ruolo, non un elenco di codici d’esame attivi.

Infine, le confusioni ricorrenti. DP-900 non va confusa con PL-900 Power Platform Fundamentals, che riguarda un’altra piattaforma. Non va confusa con AI-901 Azure AI Fundamentals, nominalmente allo stesso livello ma con un’anima da sviluppatore, visto che richiede familiarità con Python e con le API. E non va confusa con PL-300: la sovrapposizione riguarda solo la parte Power BI, descrittiva in DP-900 e operativa in PL-300. Per il quadro completo puoi consultare il catalogo delle certificazioni.

Sul piano pratico: si supera con 700 su 1000, il costo indicativo di una Fundamentals Microsoft è di circa 99 USD e il badge non scade. A differenza delle role-based, che vanno rinnovate ogni dodici mesi con un assessment online gratuito, una Fundamentals si conquista una volta sola.