本课程涵盖 DP-600 考试的每个领域，包括 225+ 问题（含答案和说明）。这些领域包括：

规划、实施和管理数据分析解决方案 （10–15%）

规划数据分析环境

• 确定解决方案的要求，包括组件、功能、性能和容量库存单位 （SKU）

• 建议 Fabric 管理门户中的设置

• 选择数据网关类型

• 创建自定义 Power BI 报表主题

实施和管理数据分析环境

• 实现 Fabric 项的工作区和项目级访问控制

• 为工作区、仓库和湖仓一体实施数据共享

• 管理语义模型和湖仓一体中的敏感度标签

• 配置启用 Fabric 的工作区设置

•  管理 Fabric 容量

管理分析开发生命周期

• 实现工作区的版本控制

• 创建和管理 Power BI Desktop 项目 （.pbip）

• 规划和实施部署解决方案

• 对湖仓一体、数据仓库、数据流和语义模型的下游依赖关系进行影响分析

• 使用 XMLA 终结点部署和管理语义模型

• 创建和更新可重用资产，包括 Power BI 模板 （.pbit） 文件、Power BI 数据源 （.pbids） 文件和共享语义模型

准备和提供数据 （40–45%）

在湖仓一体或仓库中创建对象

• 使用数据管道、数据流或笔记本引入数据

• 创建和管理快捷指令

• 在湖仓一体中为分析工作负载实现文件分区

• 创建视图、函数和存储过程

• 通过添加新列或表来扩充数据

 复制数据

• 选择将数据从 Fabric 数据源复制到湖仓一体或仓库的适当方法

• 使用数据管道、数据流或笔记本复制数据

• 将存储过程、笔记本和数据流添加到数据管道

•  计划数据管道

• 计划数据流和笔记本

 转换数据

• 实施数据清理过程

• 为湖仓一体或仓库实现星形架构，包括 Type 1 和 Type 2 缓慢变化的维度

• 为湖仓一体或仓库实施桥表

•  非规范化数据

• 聚合或反聚合数据

•  合并或联接数据

• 识别并解决重复数据、缺失数据或空值

• 使用 SQL 或 PySpark 转换数据类型

•  筛选数据

 优化性能

• 识别并解决数据流、笔记本和 SQL 查询中的数据加载性能瓶颈

• 在数据流、笔记本和 SQL 查询中实现性能改进

• 识别并解决增量表文件大小问题

实现和管理语义模型 （20–25%）

设计和构建语义模型

• 选择存储模式，包括 Direct Lake

• 确定 DAX Studio 和表格编辑器 2 的用例

• 为语义模型实现星型架构

• 实现关系，例如桥接表和多对多关系

• 编写使用 DAX 变量和函数（如迭代器、表筛选、窗口化和信息函数）的计算

• 实现计算组、动态字符串和字段参数

• 设计和构建大幅面数据集

• 设计和构建包含聚合的复合模型

• 实现动态行级安全性和对象级安全性

• 验证行级安全性和对象级安全性

优化企业级语义模型

• 在查询和报表视觉对象中实现性能改进

• 使用 DAX Studio 提高 DAX 性能

• 使用表格编辑器 2 优化语义模型

• 实现增量刷新

浏览和分析数据 （20–25%）

执行探索性分析

• 实施描述性和诊断性分析

• 将规范性和预测性分析集成到视觉对象或报表中

•  配置文件数据

使用 SQL 查询数据

• 使用 SQL 查询或可视化查询编辑器在 Fabric 中查询湖仓一体

• 使用 SQL 查询或可视化查询编辑器在 Fabric 中查询仓库

• 使用 XMLA 终结点连接到数据集并查询数据集