模擬試験2

模擬試験2（やや難・総仕上げ）

Google Cloud Professional Data Engineer 本番直前の総仕上げ用模擬試験です。

受験案内

問題

Q1　【S1】単一選択

ある国際物流企業が、EU・米国・日本の3地域で配送実績を記録している。EU圏の個人データ（受取人氏名・住所）はGDPRにより必ずEU内に保存しなければならない。一方、経営層は3地域を横断した配送KPIをBigQueryで分析したい。データエンジニアが取るべき初期設計として最も適切なものはどれか。

Q2　【S2】複数選択（2つ選べ）

あるニュース配信サービスが、Pub/SubとDataflow（ストリーミング）で記事クリックイベントを処理している。イベントはモバイル網の遅延により最大10分順不同で到着するが、「1時間ごとの記事別クリック数」を正確に集計したい。設計に含めるべき要素を2つ選べ。

Q3　【S3】単一選択

あるソーシャルゲーム企業が、世界中のプレイヤーのゲーム内通貨残高を管理する。要件は「①世界中で強整合なトランザクション（二重支払い厳禁）、②無停止での水平スケール、③SQLインターフェース」である。最適なストレージはどれか。

Q4　【S5】単一選択

あるデータチームのBigQuery月額費用が、月によって大きく変動して予算が読めない。調査の結果、毎日定時に走る大量の定型ETLが費用の大半を占め、かつ重要なETLがアナリストの突発的なアドホッククエリでスロット不足になることが分かった。最も適切な対策はどれか。

Q5　【S2】単一選択

あるオンプレミスのデータ基盤チームが、既存のApache Spark / Hiveで書かれた大量のETLジョブをGoogle Cloudへ移行したい。コードの書き換えを最小限にしつつ、ジョブ完了後はコストを抑えたい。最適なアプローチはどれか。

Q6　【S1】複数選択（3つ選べ）

ある金融機関が、BigQueryに保管する顧客取引データの保護を強化したい。要件は「①暗号鍵を自社のCloud KMSで管理する、②IAMで権限を絞っても内部不正による外部へのデータ持ち出しを防ぐ、③アナリストには集計のみ見せ、口座番号列は触らせない」である。採用すべき機能を3つ選べ。

Q7　【S4】単一選択

あるEC企業のアナリストが、BigQuery MLで解約しそうな顧客（解約する／しない）を予測したい。表形式の顧客データがBigQueryにあり、できるだけ高い精度を求めている。最適なモデルタイプはどれか。

Q8　【S2】単一選択

あるIoTプラットフォームが、Pub/Subから受け取るセンサーイベントをDataflowで処理しBigQueryへ書き込んでいる。ネットワーク障害でPub/Subが同一メッセージを重複配信することがあり、BigQueryに重複行が生じている。重複なくちょうど1回だけ集計に反映するための最適な方法はどれか。

Q9　【S3】単一選択

ある広告配信企業が、入札ログを毎秒数百万件書き込み、ミリ秒で特定キャンペーンの直近ログを読み取るストレージを必要としている。SQLの複雑な結合は不要で、キー参照が中心である。最適なストレージはどれか。

Q10　【S5】単一選択

ある分析者が、誤って本番のBigQueryテーブルに対し UPDATE を実行し、3日前の正しい状態に戻したいと要請してきた。テーブルにはスナップショットもエクスポートも設定されていない。最も迅速かつ追加コストの少ない復旧方法はどれか。

Q11　【S2】複数選択（2つ選べ）

あるデータエンジニアが、Dataflowのストリーミングジョブを運用している。急なトラフィック増加時にオートスケールが滑らかでなく、ワーカーが不安定になる問題がある。改善のために有効な施策を2つ選べ。

Q12　【S1】単一選択

あるオンプレミスのデータセンターに、移行対象として500TBの履歴アーカイブがある。利用可能なネットワーク帯域は限られており、オンラインでのアップロードは数か月かかる試算となった。最適な移行手段はどれか。

Q13　【S3】複数選択（2つ選べ）

あるデータエンジニアが、Bigtableで時系列の機器テレメトリを保管する設計をしている。書き込みのホットスポットを避けるために行キー設計で取るべき方策を2つ選べ。

Q14　【S4】単一選択

あるBIチームが、Looker Studioのダッシュボードが毎回同じBigQueryテーブルへ反復クエリを投げて遅いと報告している。データ自体は頻繁に更新されるが、クエリパターンは固定的である。最初に検討すべき高速化策はどれか。

Q15　【S2】単一選択

あるアナリストが、コードを書かずにGUIのドラッグ＆ドロップでETLパイプラインを構築したい。SQLやJava/Pythonの習熟は限られている。データソースは多様（DB・SaaS・ファイル）である。最適なサービスはどれか。

Q16　【S5】複数選択（2つ選べ）

あるチームが毎晩、依存関係のある複数のジョブ（抽出→変換→検証→レポート生成→通知）をbashスクリプトとcronで実行しているが、失敗時の手動復旧と再現性のなさに悩んでいる。改善のために採用すべき要素を2つ選べ。

Q17　【S3】単一選択

あるグローバル小売企業が、店舗ごとに散在するGCSバケットとBigQueryデータセットを、論理的なレイク/ゾーンに整理し、全社で品質・セキュリティ・発見性を横断的に適用したい。データ自体は移動させたくない。最適なサービスはどれか。

Q18　【S4】単一選択

あるサポートチームが、過去5年分の問い合わせ文書をBigQueryに蓄積している。「意味的に似た過去事例」を検索してLLMで回答案を生成したい。BigQueryネイティブのSQLで完結させたい。最初に行うべき処理はどれか。

Q19　【S1】単一選択

あるSaaS企業が、オンプレミスのMySQLデータベースの変更を継続的かつ低レイテンシでBigQueryに反映し、ニアリアルタイム分析を実現したい。サーバーレスなCDC（変更データキャプチャ）を求めている。最適なサービスはどれか。

Q20　【S2】単一選択

あるストリーミングパイプラインで、一部のメッセージが不正な形式で処理に失敗し続け、パイプライン全体が詰まってしまう。本処理を止めずに不正レコードを隔離したい。Pub/Subで採用すべき機能はどれか。

Q21　【S3】単一選択

あるモバイルアプリが、ユーザープロフィールとリアルタイム同期が必要なドキュメント指向データ（柔軟なスキーマ）を扱う。オフライン対応とモバイルSDKによる自動同期を重視する。最適なストレージはどれか。

Q22　【S5】単一選択

ある本番のCloud SQL（PostgreSQL）がゾーン障害で一時停止し、サービスが中断した。今後は同一リージョン内で自動フェイルオーバーによる高可用性を確保したい。最適な構成はどれか。

Q23　【S2】複数選択（3つ選べ）

あるデータエンジニアが、Dataflowのストリーミングジョブをセキュアに運用したい。攻撃面を最小化するために採用すべき施策を3つ選べ。

Q24　【S4】単一選択

あるBIチームが、地域ごとのマネージャーに同一のダッシュボードを見せつつ、各自の担当地域の行だけ表示させたい。元テーブルは複製せず、データガバナンスを維持したい。最適な機能はどれか。

Q25　【S2】単一選択

あるリアルタイム分析パイプラインで、「直近5分間の平均応答時間を1分ごとに更新」してダッシュボードに表示したい。Dataflowで採用すべきウィンドウはどれか。

Q26　【S1】単一選択

あるアナリティクスチームが、AWS S3に保管された大量のログを、データをGoogle Cloudへコピー・移動せずにBigQueryのSQLでその場で分析したい。データ主権と転送コストの観点からデータ移動を避けたい。最適なアプローチはどれか。

Q27　【S5】単一選択

あるDataprocクラスタが常時稼働しているが、実際のSparkジョブは毎晩2時間だけ走り、残りはアイドルである。コストを最小化したい。最適な対策はどれか。

Q28　【S4】複数選択（2つ選べ）

あるデータエンジニアが、BigQuery MLで需要予測モデルを作っている。学習時に施した前処理（標準化・カテゴリエンコード）と、ML.PREDICT時の前処理が食い違い、training-serving skewが発生した。これを根本的に防ぐ方法と関連する正しい記述を2つ選べ。

Q29　【S3】単一選択

あるBigQueryのファクトテーブルが、注文日で範囲フィルタするクエリが多く、さらに特定の商品カテゴリで頻繁に絞り込み/集計される。スキャンコストとクエリ性能を最適化する設計はどれか。

Q30　【S2】単一選択

あるEC企業で、同一ユーザーのイベント（カート追加→購入）は到着順序を保って処理する必要がある。一方、異なるユーザー間の順序は不問で、グローバルな全順序保証は不要である。Pub/Subで採用すべき機能はどれか。

Q31　【S1】単一選択

あるデータガバナンス担当が、本番BigQueryのアクセス制御を設計している。従業員の異動・退職時の権限管理を容易にし、最小権限の原則を満たしたい。ベストプラクティスはどれか。

Q32　【S4】単一選択

あるデータプロバイダ企業が、社外のパートナー組織とBigQueryのデータセットを共有したい。データのコピーや定期エクスポートによる同期ズレを避け、参照型で共有したい。最適なサービスはどれか。

Q33　【S2】複数選択（2つ選べ）

あるチームが、GitリポジトリでDataflowパイプラインとCloud ComposerのDAGを管理し、デプロイを自動化・再現可能にしたい。CI/CDの設計として適切なものを2つ選べ。

Q34　【S3】単一選択

あるデータエンジニアが、GCS上のParquetファイルをBigQueryのSQLで分析しつつ、行レベル・列レベルのアクセス制御も適用したい。単なる外部テーブルでは細粒度のセキュリティが不足する。最適なアプローチはどれか。

Q35　【S5】単一選択

あるBigQueryの夜間バッチ集計が、同時実行クォータに当たって失敗することがある。これらのジョブは結果がすぐ必要なわけではなく、スロットの空き次第で実行されればよい。最適な対処はどれか。

Q36　【S1】単一選択

ある分析プラットフォームで、IAMロールは最小権限に設定済みだが、セキュリティ監査で「認証情報が漏洩した場合や内部不正があった場合に、BigQueryデータが境界外へ持ち出されるリスク」が指摘された。追加すべき対策はどれか。

Q37　【S2】単一選択

あるデータエンジニアが、複雑な依存関係のない数個のCloud Run/HTTPサービスを順番に呼び出す軽量なオーケストレーションを、常時稼働コストをかけずに実装したい。最適なサービスはどれか。

Q38　【S3】複数選択（2つ選べ）

あるデータレイク運用チームが、GCS上の生ログをコスト最適化したい。ログは作成後30日はよくアクセスされるが、その後はめったに参照されず、規制上7年間は保持義務がある。設計に含めるべきものを2つ選べ。

Q39　【S4】単一選択

あるBIアナリストが、BigQueryで重い集計（GROUP BY）を繰り返し実行しており、毎回フルスキャン・再計算でコストと時間がかかっている。最新性はある程度許容できるが、集計の再計算自体を減らしたい。最適な打ち手はどれか。

Q40　【S2】単一選択

あるデータエンジニアが、毎朝6時に1つの定型ジョブをトリガーするだけの単純なスケジューリングを実装したい。複雑な依存関係やバックフィルは不要である。最も軽量で適切なサービスはどれか。

Q41　【S5】複数選択（2つ選べ）

あるチームが、Memorystore（Redis）をセッションストアのキャッシュ層として使っているが、現在はBasic Tierで、プライマリ障害時にキャッシュが全損する。可用性を高めたい。採用すべき選択肢を2つ選べ。

Q42　【S1】単一選択

ある医療データプラットフォームが、コンプライアンス上暗号鍵をGoogle Cloudに一切預けられず、自社の鍵管理システムで完全に保持しなければならない厳格な要件を持つ。最適な暗号化方式はどれか。

Q43　【S2】単一選択

あるパイプラインで、定型的なGCS→BigQueryの取り込みを、コードを最小限にして素早く本番化したい。Googleが提供する既製の仕組みを活用したい。最適なアプローチはどれか。

Q44　【S3】単一選択

あるグローバル企業が、各部門が自律的にデータプロダクトを所有しつつ、全社共通の品質・命名・セキュリティルールを強制する「データメッシュ」型のガバナンスを実現したい。中央チームが全データを抱える構成は避けたい。GCPでの実装の中核となるサービスはどれか。

Q45　【S5】単一選択

あるデータエンジニアが、BigQueryのジョブが断続的に失敗する原因を調べている。エラーは時々発生し、再現性が低い。原因究明のために最初に確認すべきものはどれか。

Q46　【S4】単一選択

あるアナリストが、顧客テーブルのメールアドレス列を、権限のないユーザーには中身をマスクして表示したいが、列自体は見せて集計（件数カウント等）はできるようにしたい。最適な機能はどれか。

Q47　【S2】複数選択（2つ選べ）

あるストリーミングパイプラインで、バグ修正後に過去のメッセージを再処理したい。また、将来の障害に備えて再処理を可能にしておきたい。Pub/Subで必要な設定・機能を2つ選べ。

Q48　【S1】単一選択

あるデータエンジニアが、Dataformでデータ変換パイプラインを構築している。本番反映前に、主キーの一意性・NULL非許容・参照整合性を宣言的にテストしたい。Dataformで用いる仕組みはどれか。

Q49　【S3】単一選択

あるSpannerのテーブル設計で、顧客（親）と注文（子）を頻繁に一緒に読み取るクエリが多い。JOIN性能とデータローカリティを高めたい。Spannerで採用すべき機能はどれか。

Q50　【S5】単一選択

あるEC企業が、本番Cloud SQLのリージョン全体の障害に備えたい。RPOは数分以内を許容できる。災害時には別リージョンへ切り替えたい。最適な構成はどれか。

解答・解説

Q1　正解：B

なぜ正解か：データ主権（GDPR）要件では、EUデータをEUリージョンのプロジェクト/データセットに物理的に分離して保存するのが鉄則。ロケーションは後戻りできないため設計段階で確定し、組織ポリシーの「リソースのロケーション制約」で誤配置を防止する。

Q2　正解：B, C

なぜ正解か：順不同・遅延到着を正しく集計する原則は「イベント時刻ベース（B）＋ウォーターマーク＋許容遅延で遅延データを反映（C）」。これでネットワーク遅延による順序乱れがあっても正確な時間別集計ができる。

Q3　正解：C

なぜ正解か：「世界中で強整合なトランザクション＋無停止の水平スケール＋SQL」はSpannerの代表的ユースケース。TrueTimeによるグローバル外部一貫性を提供する。

Q4　正解：B

なぜ正解か：費用変動が読めず重要ETLがスロット競合する典型課題。Editions（容量ベース）＋コミットメントで月額を定額化・上限化し、prod-etl と adhoc の予約を分離して重要ETLのスロットを確保するのが定石。

Q5　正解：C

なぜ正解か：既存のSpark/Hiveコードを書き換えずに移行するならDataproc。ジョブ単位（ephemeral）クラスタ＋データをGCSに置けば、ストレージとコンピュートを分離してジョブ完了後にコストを抑えられる。

Q6　正解：A, B, C

なぜ正解か：①鍵を自社KMSで管理→CMEK（A）、②内部不正・認証情報漏洩による持ち出し防止→VPC Service Controls（B）、③口座番号列を触らせず集計のみ→ポリシータグによる列レベルセキュリティ（C）。3要件にそれぞれ対応する。

Q7　正解：C

なぜ正解か：「解約する／しない」の二値分類で表形式かつ高精度重視→ブースト木（Boosted tree / XGBoost）が最適。

Q8　正解：C

なぜ正解か：Pub/Subはat-least-once（重複あり得る）。DataflowのExactly-once処理が重複を吸収し、BigQueryへのStorage Write APIでExactly-onceセマンティクスを実現するのが正攻法。

Q9　正解：B

なぜ正解か：「毎秒数百万件の書き込み＋ミリ秒のキー参照＋複雑な結合不要」はBigtableの典型（アドテク・時系列）。

Q10　正解：B

なぜ正解か：BigQueryのタイムトラベルは過去7日間の任意時点のテーブル状態をクエリ・復元できる。3日前なら範囲内で、追加コストもほぼなく最速。

Q11　正解：A, C

なぜ正解か：ストリーミングのオートスケール安定化にはStreaming Engine（A）でウィンドウ状態をサービス側にオフロードし、水平オートスケーリング（C）で需要に応じワーカーを増減させるのが有効。両者は併用される。

Q12　正解：C

なぜ正解か：500TBをオンラインで数か月かかる状況＝ネットワーク転送が非現実的。Transfer Appliance（オフライン物理転送）が定番解答。

Q13　正解：B, D

なぜ正解か：時系列のホットスポット回避は、高カーディナリティな機器IDを先頭に置くフィールドプロモーション（B）、必要に応じハッシュ化ソルト接頭辞で分散（D）が定石。

Q14　正解：A

なぜ正解か：固定的なクエリパターンで同一データへ反復クエリ→BI Engineの透過的インメモリキャッシュが最初の打ち手。ダッシュボードのレイテンシを下げる。

Q15　正解：C

なぜ正解か：「コードを書かずGUIのドラッグ＆ドロップ＋多様なソース」はCloud Data Fusionの典型（ノーコード/ローコードETL）。

Q16　正解：A, C

なぜ正解か：依存関係のある複数ジョブの自動化・再現性・失敗復旧にはCloud Composer（A）でDAG管理（依存・リトライ・バックフィル）。さらに各タスクを冪等に設計（C）して再実行時の二重書き込みを防ぐ。

Q17　正解：B

なぜ正解か：散在するGCS/BigQueryを論理レイク/ゾーンに整理し、横断的に品質・セキュリティ・発見性を適用＋データは移動しない→Dataplex。

Q18　正解：B

なぜ正解か：意味的類似検索＋RAGの第一歩は、ML.GENERATE_EMBEDDING で各文書の埋め込みベクトルを生成し列に保存すること。その後VECTOR INDEX作成→VECTOR_SEARCH→ML.GENERATE_TEXTと続く。

Q19　正解：C

なぜ正解か：「継続的・低レイテンシ・サーバーレスCDC」はDatastreamの定番。オンプレMySQLの変更をニアリアルタイムでBigQueryに反映できる。

Q20　正解：B

なぜ正解か：規定回数失敗したメッセージをデッドレタートピックへ退避すれば、不正レコードを隔離して本処理を止めない。

Q21　正解：C

なぜ正解か：ドキュメント指向＋モバイルSDKによるリアルタイム同期＋オフライン対応はFirestoreの代表ユースケース。

Q22　正解：B

なぜ正解か：同一リージョン内のゾーン障害に対する自動フェイルオーバー＝Cloud SQLのHA構成（別ゾーンにスタンバイ）。

Q23　正解：A, B, D

なぜ正解か：Dataflowをセキュアにする定石は、外部IP無効化（A）＋限定公開のGoogleアクセスでGoogle APIへ到達（B）＋必要に応じVPC SCで境界設定（D）。攻撃面を最小化する。

Q24　正解：B

なぜ正解か：「同一ダッシュボードで担当地域の行だけ見せる」＝行レベルセキュリティ。元テーブルを複製せず行へフィルタを適用する。

Q25　正解：B

なぜ正解か：「直近5分の平均を1分ごとに更新」＝スライディング（ホッピング）ウィンドウ（window=5分, period=1分）。

Q26　正解：B

なぜ正解か：S3のデータを移動せずその場でBigQueryのSQL分析→BigQuery Omni。データ主権・転送コストを回避できる。

Q27　正解：B

なぜ正解か：常時稼働でアイドルが多い→ジョブ単位（ephemeral）クラスタに切り替え、完了後自動削除＋データをGCSに置く（ストレージ・コンピュート分離）のがコスト最小化の定番。

Q28　正解：A, C

なぜ正解か：training-serving skewの根本対策は TRANSFORM 句に前処理を記述（A）。TRANSFORM に書いた前処理はモデルに保存され、ML.PREDICT時に自動適用される（C）ため学習と推論で前処理がずれない。

Q29　正解：A

なぜ正解か：「注文日で範囲フィルタが多い」→日付パーティション（スキャン削減）、「特定の商品カテゴリで頻繁に絞り込み/集計」→そのカテゴリでクラスタリング（フィルタ/集計の高速化）。パーティション＝コスト削減、クラスタ＝高速化の役割分担。

Q30　正解：B

なぜ正解か：「同一ユーザー内で順序保証、ユーザー間は不問」＝ユーザーIDを順序指定キーにする。キーごとに順序が保たれ、グローバル全順序は不要。

Q31　正解：B

なぜ正解か：Googleグループに事前定義ロール（不足ならカスタムロール）を付与し、メンバーをグループで管理。異動・退職時の管理が容易で最小権限を満たすベストプラクティス。

Q32　正解：B

なぜ正解か：社外組織と参照型でコピーせず共有→Analytics Hub。提供者がリスティングを公開、利用者がリンクされたデータセットとして参照、同期ズレなし。

Q33　正解：A, B

なぜ正解か：CI/CDの定石はCloud Buildのトリガーでpush/PR時に cloudbuild.yaml を実行しdev→staging→prodへ昇格（A）、DAGファイルをCloud BuildでGCSの dags/ フォルダへ自動デプロイ（B）。

Q34　正解：B

なぜ正解か：GCSのParquetを移動せずSQL分析しつつ行/列レベルのアクセス制御→BigLakeテーブル。単なる外部テーブルでは細粒度セキュリティが弱い。

Q35　正解：B

なぜ正解か：結果がすぐ必要ない大量バッチ集計で同時実行クォータに当たる→バッチ優先度に変更しキュー実行させると、スロット空き次第で実行され同時実行枠を圧迫しない。

Q36　正解：B

なぜ正解か：IAMが正しくても、認証情報漏洩・内部不正でのデータ持ち出しは防げない。VPC Service Controlsでサービス境界を作り、境界外へのデータ移動をブロックするのが定番解答。

Q37　正解：B

なぜ正解か：数個のHTTP/サービスを順番に呼ぶ軽量オーケストレーションを常時稼働コストなしで→Workflows（サーバーレス・実行課金・YAML/JSON）。

Q38　正解：A, C

なぜ正解か：30日はよくアクセス→その後めったに参照されない→ライフサイクルでNearline→Coldline/Archiveへ自動移行（A）。7年の保持義務終了後に自動削除（C）。コスト最適化の定番。

Q39　正解：B

なぜ正解か：重い集計（GROUP BY）の繰り返しで再計算を減らす→マテリアライズドビューで結果を事前計算し増分自動更新。最新性をある程度許容できる本ケースに合致。

Q40　正解：B

なぜ正解か：毎朝6時に1ジョブをトリガーするだけ＝Cloud Scheduler（cron）。最も軽量。

Q41　正解：A, C

なぜ正解か：Basic Tierはレプリカなし＝冗長性なし。可用性を高めるにはStandard Tier（レプリカ＋自動フェイルオーバー）（A）、大容量・高スループットならRedisクラスタ（シャーディング＋レプリカ）（C）。

Q42　正解：C

なぜ正解か：「鍵をGCPに一切預けられず自社で完全保持」＝CSEK（顧客提供の暗号鍵）。鍵をGCP外で保持する厳格要件向け。

Q43　正解：B

なぜ正解か：定型のGCS→BQ取り込みを最小コードで素早く本番化→Googleが提供するDataflowテンプレート（例：GCS Text to BigQuery）を利用。

Q44　正解：B

なぜ正解か：データメッシュ＝各部門が自律所有＋全社共通ルールを強制（フェデレーテッドガバナンス）。GCPではDataplexで横断ガバナンス＋Analytics Hubで安全に共有が中核。

Q45　正解：A

なぜ正解か：断続的なジョブ失敗の原因究明は、まずCloud Loggingでエラーメッセージを確認し、クォータ（同時実行/APIレート）超過の有無を調べるのが定石。

Q46　正解：B

なぜ正解か：「列は見せるが値をマスク、集計（件数）はできる」＝動的データマスキング。権限がなくても列にアクセスでき、値だけがマスクされる。

Q47　正解：A, B

なぜ正解か：過去メッセージの再処理にはメッセージ保持期間の設定（確認済みも一定期間保持）（A）が前提で、シーク（B）で過去のタイムスタンプ/スナップショットへ巻き戻して再配信する。

Q48　正解：A

なぜ正解か：Dataformのアサーション（assertions）で、一意性・NULL非許容・参照整合性などを宣言的にテストできる。

Q49　正解：B

なぜ正解か：Spannerで親子を物理的に隣接配置し一緒に読むJOINを高速化＝インターリーブ（Interleaving）。データローカリティを高める。

Q50　正解：B

なぜ正解か：リージョン全体の障害に備え、RPO数分許容→別リージョンにクロスリージョンリードレプリカを配置し、災害時に昇格（promote）して切り替える。

採点と判定

1. 正答数の集計

正解した問題数を数えてください（全50問、各2点 = 100点満点換算）。

正答数 換算スコア 判定
45〜50 90〜100% 合格濃厚。本番でも安定して得点できるレベル。弱点の取りこぼしだけ最終確認を。
40〜44 80〜88% 合格圏内。間違えた領域を解説で詰めれば本番は安全圏。
35〜39 70〜78% ボーダー上（合格圏）。70%が合格目安。間違えた問題のセクションを重点復習。
30〜34 60〜68% あと一歩。誤答セクションの応用ファイルを再読し、決定木・対比表を暗記。
〜29 〜58% 要対策。基礎→応用を再周回し、特に下表で正答率が低いセクションを優先。

2. セクション別 正答率の記録表

セクションごとに「正解数 / 出題数」を記入し、弱点セクションを特定してください。

セクション 出題範囲 該当問題番号 出題数 正解数 正答率
S1 データ処理システムの設計 IAM/暗号化/移行/ガバナンス Q1, Q6, Q12, Q19, Q23※, Q26, Q31, Q36, Q42, Q44※, Q48 11 ___ ___%
S2 データの取り込みと処理 Pub/Sub/Dataflow/Dataproc/オーケストレーション Q2, Q5, Q8, Q11, Q15, Q20, Q23, Q25, Q30, Q33, Q37, Q40, Q43, Q47 13 ___ ___%
S3 データの保存 ストレージ選定/BigQuery/Bigtable/Spanner/レイク Q3, Q9, Q13, Q17, Q21, Q29, Q34, Q38, Q44, Q49 10 ___ ___%
S4 分析のためのデータ準備 BI高速化/セキュリティ/BQML/RAG/共有 Q7, Q14, Q18, Q24, Q28, Q32, Q39, Q46 8 ___ ___%
S5 保守と自動化 コスト最適化/自動化/監視/DR Q4, Q10, Q16, Q22, Q27, Q35, Q41, Q45, Q50 8 ___ ___%

※ Q23（Dataflowのセキュア化）とQ44（データメッシュ）はセクションをまたぐ性質を持つため、見出しタグに基づきS2/S3として集計しています。本表の問題番号は各設問見出しの【S○】タグに準拠してください。

3. 本番に向けた最終アドバイス

健闘を祈ります。