Che esperienza serve per l'Associate Data Practitioner?

È una certificazione Associate senza prerequisiti formali, ma Google raccomanda circa 6 mesi di esperienza nel lavorare con i dati su Google Cloud. L'esame presuppone competenze concrete di data practitioner: ingerire e preparare dati, scegliere lo storage giusto (BigQuery, Cloud Storage, Cloud SQL, Bigtable, Firestore, Spanner), scrivere query SQL in BigQuery, costruire semplici pipeline e dashboard, e gestire accessi, lifecycle e cifratura dei dati. Serve familiarità con SQL e con i concetti di ETL/ELT.

Quanto costa, quanto dura e in che lingua si sostiene l'ADP?

L'esame ufficiale costa 125 USD (più tasse; l'importo effettivo varia per paese e valuta), dura 2 ore (120 minuti) ed è composto da 50-60 domande a risposta singola e multipla. È disponibile solo in inglese e giapponese (non in italiano). Come le altre certificazioni Associate e Foundational di Google è valida 3 anni (le Professional valgono 2 anni), con un esame di rinnovo. Google non pubblica il punteggio minimo esatto: l'esito è pass/fail su un punteggio in scala.

Quanto conta BigQuery nell'esame GCP-ADP?

Moltissimo: BigQuery è il servizio centrale dell'ADP. Devi saper scrivere query SQL per generare report ed estrarre insight, caricare ed estrarre dati, creare e addestrare modelli con BigQuery ML (CREATE MODEL, ML.PREDICT, ML.EVALUATE) e usare gli LLM pre-addestrati tramite remote connection. Attorno a BigQuery ruotano gli altri servizi dati: Cloud Storage, Dataflow, Dataform, Cloud Composer, Looker e Looker Studio, che l'esame ti chiede di scegliere in base allo scenario.

Quali sono i domini d'esame dell'ADP?

Sono quattro: preparazione e ingestione dei dati (circa 30%), analisi e presentazione dei dati (circa 27%), orchestrazione delle pipeline dati (circa 18%) e gestione dei dati (circa 25%). Coprono l'intero ciclo di vita del dato: dall'ingestione e trasformazione all'analisi e visualizzazione, dall'automazione delle pipeline alla governance, sicurezza e alta disponibilità.

Su CertUp posso esercitarmi per l'Associate Data Practitioner?

Sì. La simulazione con banco domande Associate Data Practitioner è disponibile: domande in inglese come all'esame reale — del resto l'ADP non è disponibile in italiano — timer server-side e spiegazione di ogni risposta, comprese le motivazioni per cui le alternative sono subottimali. Le domande hanno un taglio a scenario, come l'esame. Trovi il collegamento alla simulazione dalla scheda della certificazione.

Associate Data Practitioner: guida completa

Google Cloud Associate Data Practitioner (ADP) è la certificazione dedicata a chi lavora con i dati su Google Cloud: ingestione, trasformazione, gestione delle pipeline, analisi, machine learning di base e visualizzazione. Valida il ciclo di vita completo del dato, dall’ingestione alla governance, con un taglio concreto e a scenario: gli scenari chiedono quale servizio dati, quale strumento o quale configurazione risolve l’esigenza. È un esame Associate che presuppone qualche mese di pratica reale con i dati sulla piattaforma.

Cosa valida l’Associate Data Practitioner

L’ADP valida la capacità di usare i servizi dati di Google Cloud per compiti reali: preparare e ingerire dati scegliendo il formato e lo strumento giusti, caricarli nello storage appropriato, analizzarli con SQL in BigQuery e presentarli con Looker, costruire semplici pipeline di trasformazione e orchestrazione, e gestire i dati in termini di accesso, lifecycle, alta disponibilità e sicurezza. Il candidato tipico ha circa 6 mesi di esperienza con i dati su Google Cloud e una basica comprensione di IaaS, PaaS e SaaS.

I numeri d’esame sono pubblicati: 120 minuti, 50-60 domande, 125 USD. Due note pratiche: l’ADP è disponibile solo in inglese e giapponese (non in italiano), ed è valido 3 anni come le altre certificazioni Associate e Foundational di Google (le Professional valgono 2 anni).

A chi si rivolge

Il candidato tipico è un data analyst, data practitioner, aspirante data engineer o professionista IT che inizia a lavorare con i dati su Google Cloud. Non servono prerequisiti formali, ma è utile conoscere SQL e i concetti base di data warehousing e pipeline. È un buon punto di partenza prima del Professional Data Engineer (che guarda al design dei sistemi dati a livello professional) ed è complementare all’Associate Cloud Engineer (che copre l’infrastruttura generale).

I concetti trasversali

Alcuni concetti tornano in tutto l’esame e conviene padroneggiarli:

ETL vs ELT vs ETLT: nell’ETL trasformi i dati prima di caricarli; nell’ELT li carichi grezzi e li trasformi dopo, tipicamente dentro BigQuery. La scelta dipende da volume, strumenti e destinazione.
Scelta dello storage: BigQuery per l’analitico, Cloud Storage per oggetti/file, Cloud SQL per il relazionale OLTP regionale, Spanner per il relazionale globale, Bigtable per NoSQL wide-column a bassa latenza, Firestore per il documentale.
Classi di storage di Cloud Storage: Standard (accesso frequente), Nearline (circa mensile), Coldline (circa trimestrale), Archive (circa annuale). Si scelgono per frequenza di accesso e retention.
Cifratura: GMEK (gestita da Google, default), CMEK (customer-managed con Cloud KMS), CSEK (chiave fornita dal cliente); più la distinzione tra cifratura in transito e a riposo.

I quattro domini d’esame

1. Preparazione e ingestione dei dati (circa 30%)

Distinguere ETL/ELT/ETLT, scegliere lo strumento di trasferimento (Storage Transfer Service per l’online, Transfer Appliance per l’offline fisico), valutare la qualità dei dati ed eseguire il cleaning (Cloud Data Fusion, BigQuery, SQL, Dataflow). Poi distinguere i formati (CSV, JSON, Parquet, Avro), scegliere lo strumento di estrazione (Dataflow, BigQuery Data Transfer Service, Database Migration Service, Cloud Data Fusion) e la soluzione di storage giusta con il tipo di location (regional, dual-region, multi-region, zonal).

2. Analisi e presentazione dei dati (circa 27%)

Definire ed eseguire query SQL in BigQuery per report e insight, usare i notebook Jupyter (Colab Enterprise), creare dashboard in Looker e confrontare Looker (modello semantico LookML governato) e Looker Studio (self-service). Include il machine learning: BigQuery ML (creare, addestrare e valutare modelli in SQL, inference con ML.PREDICT), AutoML, gli LLM pre-addestrati via remote connection e l’organizzazione dei modelli nel Model Registry.

3. Orchestrazione delle pipeline dati (circa 18%)

Scegliere lo strumento di trasformazione (Dataproc per Spark/Hadoop, Dataflow per Apache Beam, Cloud Data Fusion, Cloud Composer, Dataform per l’ELT in SQL) in base ai requisiti, valutare ELT vs ETL, creare scheduled query, monitorare le pipeline Dataflow e i log in Cloud Logging/Monitoring, scegliere la soluzione di orchestrazione (Cloud Composer, scheduled query, Dataproc Workflow Templates, Workflows) e gestire l’ingestione event-driven da Pub/Sub a BigQuery con i trigger Eventarc.

4. Gestione dei dati (circa 25%)

Configurare access control e governance con IAM (basic vs predefined role, least privilege), l’access control di Cloud Storage (uniform bucket-level access, pubblico/privato) e la condivisione con Analytics Hub. Poi il lifecycle (classi di storage, regole di eliminazione, archiviazione), l’alta disponibilità e disaster recovery (backup e recovery gestiti, replication, ridondanza di location) e la sicurezza (CMEK/CSEK/GMEK, Cloud KMS, cifratura in transito e a riposo).

Come prepararsi

L’ADP premia chi ha messo le mani sui dati in Google Cloud. Un percorso efficace:

Parti da BigQuery. È il centro dell’esame: allena le query SQL, il caricamento dati e le basi di BigQuery ML (CREATE MODEL, ML.PREDICT, ML.EVALUATE).
Distingui i servizi per funzione. Storage: BigQuery vs Cloud Storage vs Cloud SQL vs Bigtable vs Firestore vs Spanner; trasformazione: Dataflow vs Dataproc vs Dataform vs Data Fusion; trasferimento: Storage Transfer Service (online) vs Transfer Appliance (offline) vs DMS vs BigQuery Data Transfer Service.
Interiorizza le regole pratiche. ETL vs ELT, le classi di storage per frequenza di accesso, i tipi di location e le differenze CMEK/CSEK/GMEK: sono decisioni ricorrenti negli scenari.
Alterna teoria e simulazione. Nelle ultime settimane passa alle prove pratiche per individuare le aree deboli. La simulazione ADP su CertUp usa domande a scenario in inglese come l’esame reale, con timer e spiegazione di ogni risposta.

Chi ha già lavorato con i dati su Google Cloud arriva pronto con alcune settimane di studio mirato; chi parte da zero dovrebbe prima accumulare pratica con BigQuery e Cloud Storage.

In sintesi

L’Associate Data Practitioner certifica che sai lavorare con i dati su Google Cloud end-to-end: ingerirli, trasformarli, analizzarli, orchestrarli e gestirli in sicurezza. È un ottimo primo traguardo per i profili data e un ponte verso il Professional Data Engineer. Se stai pianificando il percorso Google Cloud, confronta la scheda con le altre certificazioni nella pagina Google Cloud di CertUp.