Chi lavora con i dati in azienda spesso ci arriva di lato. Nessuno lo ha assunto come analista: produceva un report mensile che serviva a qualcuno, quel report è cresciuto, e a un certo punto il foglio Excel è diventato il mestiere. È un punto di partenza migliore di quanto sembri, ma anche uno in cui si resta bloccati facilmente, perché quelle competenze sono reali e invisibili allo stesso tempo.

Questa guida propone una sequenza precisa per formalizzarle, spiega la logica dietro l’ordine e, soprattutto, indica dove fermarsi e cosa saltare. Una roadmap che consiglia di prendere tutto non è una roadmap: è un catalogo.

A chi parla questa guida, e da quali competenze si parte davvero

Il lettore tipo sa costruire una tabella pivot senza pensarci, usa CERCA.VERT o INDICE e CONFRONTA con naturalezza, ha imparato a scrivere SELECT con qualche JOIN e un GROUP BY perché prima o poi qualcuno gli ha dato un accesso in sola lettura al gestionale. Produce report ricorrenti, conosce i dati aziendali meglio di chi li ha generati e sa dove sono sporchi.

Queste competenze valgono: chi ha passato anni a riconciliare fogli sa cosa succede ai dati fra il sistema che li produce e la persona che li legge, ed è la sensibilità che manca a chi arriva dall’informatica pura. Non è però ancora competenza analitica strutturata: una tabella pivot non è un modello dimensionale, e una query di estrazione non è una pipeline di caricamento.

Perché questa sequenza e non un’altra

La sequenza di riferimento è DP-900, poi PL-300, poi una sola tappa tra DP-600 e DP-700. L’ordine risponde a tre criteri: prima il vocabolario, poi il mestiere più vicino a quello che già fai, infine la piattaforma.

Una precisazione utile subito, perché è la confusione più diffusa su questo percorso: DP-600 e DP-700 non sono due livelli in progressione, ma due certificazioni associate allo stesso livello, sulla stessa piattaforma, che descrivono due ruoli diversi. Sceglierne una non è una rinuncia, è una decisione di identità professionale.

Va poi detto che questo percorso è cambiato di recente. Per anni il ramo di data engineering Microsoft passava da DP-203, oggi ritirato, e molti materiali in circolazione non se ne sono accorti. Prima di impegnare mesi di studio conviene controllare il calendario dei ritiri: in area dati l’offerta si è mossa parecchio.

Tappa 1: DP-900, il vocabolario

DP-900 Azure Data Fundamentals valuta quattro aree: i concetti fondamentali sui dati, le considerazioni per i dati relazionali in Azure, le considerazioni per i dati non relazionali in Azure e la descrizione di un carico di lavoro analitico in Azure. È un esame descrittivo: chiede di sapere cosa distingue un carico transazionale da uno analitico, non di configurarlo.

Sta in prima posizione perché tutto il resto del percorso dà quelle distinzioni per acquisite. Quando su Fabric dovrai scegliere tra un lakehouse e un warehouse, la domanda presuppone che tu sappia già cosa significa struttura dello schema, quando serve e quanto costa imporla.

Cosa serve saper fare prima: nulla di formale. Microsoft descrive il candidato come chi inizia a lavorare con i dati nel cloud e dovrebbe avere familiarità con i concetti di dato relazionale e non relazionale e con i tipi di carico di lavoro. Costo indicativo circa 99 USD, passing score 700 su 1000, e non scade.

Tappa 2: PL-300, dove Excel diventa un mestiere

PL-300 Power BI Data Analyst valuta quattro aree: preparare i dati, modellare i dati, visualizzare e analizzare i dati, gestire e proteggere Power BI. Microsoft è esplicita su un punto: devi essere competente nell’uso di Power Query e di DAX.

Sta in seconda posizione per la ragione più concreta di tutto il percorso: capitalizza quello che già sai. Chi produce report ricorrenti sta già facendo, in forma manuale e non riproducibile, buona parte di ciò che PL-300 misura in forma modellata e governata. Il ruolo che certifica, secondo Microsoft, è quello di chi lavora a stretto contatto con le funzioni aziendali per capirne i requisiti e collabora con analytics engineer e data engineer per procurarsi i dati.

Qui c’è però lo scoglio vero del percorso: DAX. Chi arriva da Excel tende a leggerlo come un linguaggio di formule più lungo, e sbaglia: DAX ragiona su un modello e su un contesto di filtro, non su celle. Finché quel passaggio mentale non è avvenuto, le misure sembrano funzionare per caso.

Cosa serve saper fare prima: aver costruito almeno un report completo su dati veri, dalla connessione alla pubblicazione, e aver capito la differenza tra una tabella piatta e un modello con tabelle dei fatti e delle dimensioni. Costo indicativo circa 165 USD, rinnovo annuale gratuito online.

Tappa 3: DP-600 oppure DP-700, mai entrambe subito

DP-600 Fabric Analytics Engineer valuta la manutenzione di una soluzione di analisi dei dati, la preparazione dei dati e l’implementazione e gestione dei modelli semantici. Il ruolo, secondo Microsoft, progetta e gestisce asset analitici quali modelli semantici, warehouse e lakehouse, e deve saper interrogare i dati con SQL, KQL e DAX.

DP-700 Fabric Data Engineer valuta l’implementazione e gestione di una soluzione di analisi, l’ingestione e trasformazione dei dati e il monitoraggio e ottimizzazione. Il ruolo copre schemi di caricamento, architetture dati e orchestrazione, e Microsoft indica competenze di manipolazione dei dati con SQL, PySpark e KQL.

La differenza operativa è netta. DP-600 è la prosecuzione naturale di PL-300: il modello semantico e DAX restano centrali, cambia la scala e si aggiunge la responsabilità sugli asset. DP-700 richiede invece di scrivere codice: PySpark non è un dettaglio nell’elenco, è il modo in cui si fa il lavoro.

Cosa serve saper fare prima, per entrambe: aver lavorato dentro un tenant Fabric reale. Sono certificazioni su una piattaforma, non su concetti: non si superano leggendo.

Quanto tempo richiede ciascuna tappa

Nessuno può dirti quante ore ti servono, e chi lo fa sta inventando. Quello che si può descrivere è la forma del percorso.

DP-900 è la tappa breve: qualche settimana di studio serale costante basta a molti, perché il livello richiesto è concettuale.

PL-300 è la tappa a durata variabile, e la variabile non è il numero di ore ma la distanza da DAX. Chi usa già Power BI ogni giorno sta formalizzando; chi lo apre per la prima volta impara un prodotto intero e un linguaggio nuovo insieme.

DP-600 e DP-700 sono le tappe lunghe e non comprimibili: richiedono mesi di esposizione a una piattaforma che si muove in continuazione, e sono le uniche dove il materiale di studio invecchia in fretta.

Gli errori tipici di chi segue questo percorso

Il primo errore è saltare direttamente su Fabric perché è la piattaforma del momento. Senza modellazione dei dati alle spalle, DP-600 diventa una prova di memoria sull’interfaccia, e ogni tentativo fallito costa un esame intero.

Il secondo errore è l’opposto, ed è più diffuso: collezionare fundamentals. Chi prende il badge base di dati, poi quello di AI, poi quello di Azure prima di affrontare una associate ha speso tempo e denaro per dimostrare di conoscere del vocabolario. Il livello base segnala interesse, non capacità.

Il terzo errore è esercitarsi solo su dataset di esempio, già puliti e già coerenti: il contrario del problema che PL-300 e le certificazioni Fabric misurano.

Il quarto errore è prendere DP-600 e DP-700 in blocco per completare il set: due esami e due rinnovi annuali per un profilo che il mercato legge come uno. E i rinnovi non vanno ignorati: le role-based scadono dopo 12 mesi, il rinnovo è gratuito e online, ma va fatto.

Cosa non serve certificare

Se lavori già con database relazionali, data warehouse e processi di caricamento, DP-900 non ti serve: non è prerequisito formale di nulla e non aggiunge segnale a un profilo che già maneggia quei concetti.

Non ti servono i fundamentals delle aree che non stai perseguendo: il badge base su Azure, su Power Platform o sulla sicurezza non è propedeutico a PL-300, sono percorsi paralleli.

E se sei un professionista Power BI con anni di produzione alle spalle, anche PL-300 diventa una scelta e non un obbligo: ha senso se ti serve la credenziale formale per un bando, un requisito di partner o un cambio di ruolo. Altrimenti conviene andare direttamente sull’associate Fabric che corrisponde al lavoro che vuoi fare.

Non serve infine certificare Excel o SQL di base: quelle competenze non hanno bisogno di un badge, hanno bisogno di essere ricollocate dentro un mestiere riconoscibile.

Dove porta il percorso e quali sono i bivi

Con DP-900, PL-300 e una associate Fabric il profilo che ne esce è quello di chi sa prendere dati grezzi, modellarli, renderli interrogabili e governarli: il perimetro di un data analyst strutturato o di un analytics engineer junior, a seconda della terza tappa scelta.

Da lì si aprono tre direzioni. La prima è prendere anche l’altra associate Fabric, ma solo quando ti ritrovi a fare abitualmente il lavoro che quella certificazione descrive. La seconda riguarda chi ha un profilo vicino allo sviluppo e a T-SQL: DP-800 copre la progettazione di soluzioni di database, la loro messa in sicurezza, ottimizzazione e distribuzione, e l’implementazione di capacità di intelligenza artificiale nelle soluzioni SQL. Microsoft richiede esperienza T-SQL e familiarità con embedding, vettori e modelli: non è una prosecuzione di PL-300, è un ramo per chi programma. La terza è l’intelligenza artificiale applicata, una linea dedicata da affrontare come percorso a sé.

Nessuna di queste tappe va presa perché completa un insieme. Vanno prese quando il lavoro che stai facendo, o quello a cui punti davvero, le rende utili.