CompTIA Data+ — Übungsfragen und Probeprüfung

Ein semantischer Layer übersetzt das physische Datenmodell in geschäftsnahe Begriffe, sodass Anwender ohne technische Kenntnisse Berichte ohne SQL erstellen können. Statt „tbl_txn.amt_usd“ mit komplexen JOINs abzufragen, sehen sie „Umsatz“ als zentral verwaltete, vordefinierte Kennzahl. Wichtige Fähigkeiten: geschäftsnahe Benennung, vordefinierte Berechnungen (z. B. Bruttomarge), standardisierte Definitionen für Konsistenz und vereinfachte Beziehungen, die die Komplexität von JOINs verbergen. Tools wie Looker LookML, der dbt semantic layer und Tableau-Datenmodelle bieten das. Warum nicht die anderen? ETL-Code-Repositorys erfordern Entwicklerkenntnisse – das Gegenteil von Self-Service. SQL über die Befehlszeile verlangt technisches Fachwissen, das Anwendern ohne technischen Hintergrund fehlt. Administrativer Datenbankzugriff ist für DBAs gedacht, nicht für Berichtsersteller, und birgt Sicherheitsrisiken. Prüfungstipp: Self-Service = semantischer Layer + Drag-and-drop; technische Analytics = SQL + Code.

Datenbanktabellen erzwingen Constraints, die CSV-Dateien nicht kennen, daher können Zeilen, die gegen diese Regeln verstoßen, beim Laden abgewiesen werden. Typische Verstöße betreffen NOT NULL (fehlende Pflichtwerte), Datentypkonflikte (Text in numerischen Spalten), UNIQUE/PRIMARY KEY (doppelte Kennungen), CHECK (Werte außerhalb des zulässigen Bereichs) und FOREIGN KEY (verwaiste Verweise). Ob fehlerhafte Zeilen übersprungen werden oder der gesamte Ladevorgang fehlschlägt, hängt von den Einstellungen des Loaders ab, etwa von einem Schwellenwert für zulässige Fehler. Ist eine Fehler- oder Reject-Datei konfiguriert, kannst du die übersprungenen Zeilen und ihre Fehlerdetails dort prüfen. Warum nicht die anderen? Datenbanken komprimieren beim Laden keine Zeilen automatisch weg. Komprimierung ist eine Speicheroptimierung, die die Zeilenanzahl nicht verändert. Eine Datei mit 100.000 Zeilen liegt deutlich innerhalb der üblichen Datenbankkapazität. Lizenzen begrenzen Tabellengrößen nicht auf willkürliche Zeilenzahlen. Prüfungstipp: Wenn Quellzeilen > geladene Zeilen, solltest du abgewiesene Zeilen vermuten, etwa durch Constraint-Verletzungen. Gleiche die Zeilenzahlen immer ab und prüfe jede konfigurierte Fehler- oder Reject-Ausgabe.

Der Interquartilsabstand entspricht Q3 minus Q1 und umfasst die mittleren 50 % der sortierten Daten. Zur Erkennung von Ausreißern: untere Grenze = Q1 − 1,5×IQR, obere Grenze = Q3 + 1,5×IQR. Werte außerhalb dieser Grenzen werden als potenzielle Ausreißer markiert. Diese Methode ist robust, weil Quartile kaum von Extremwerten beeinflusst werden, im Gegensatz zu Mittelwert und Standardabweichung bei z-Score-Methoden (CompTIA Data+ Prüfungsziele, Domäne Data Analysis; NIST/SEMATECH e-Handbook §7.1.6). Warum nicht die anderen? „Standardabweichung × 2“ verwechselt den IQR mit Schwellenwerten auf Basis der Standardabweichung, die eine andere Methode sind. „Mittelwert minus Median“ zeigt die Schiefe an, nicht die Streuung. „Maximum minus Minimum“ ist die Spannweite, die Ausreißer einschließt, statt sie zu erkennen. Prüfungstipp: IQR = Q3 − Q1 (mittlere 50 %); Grenzen bei 1,5×IQR erkennen Ausreißer robust.