CompTIA Data+ — Preguntas de práctica y simulacro de examen

Las tablas de base de datos aplican restricciones que los archivos CSV no tienen, así que las filas que violan esas reglas se rechazan durante la carga. Las violaciones comunes incluyen: NOT NULL (faltan valores obligatorios), tipos de datos incompatibles (texto en columnas numéricas), UNIQUE/PRIMARY KEY (identificadores duplicados), CHECK (valores fuera de rango) y FOREIGN KEY (referencias huérfanas). Las 5,000 filas faltantes aparecen en un log de errores o de rechazos (CompTIA Data+ Obj 4.1; DAMA DMBOK Cap. 13). ¿Por qué no las otras? Las bases de datos no comprimen filas automáticamente durante la carga: la compresión es una optimización de almacenamiento. El tamaño del archivo no limita la carga (los datos se transmiten por lotes). Las licencias no topan el tamaño de las tablas en cantidades arbitrarias de filas. Consejo para el examen: filas de origen > filas cargadas = violaciones de restricciones; siempre concilia los conteos y revisa los logs de rechazo.

Las reglas de validación automatizadas integradas en el pipeline de ETL detectan los problemas de calidad en la ingesta, antes de que los datos malos lleguen a los reportes. Incluyen verificaciones de nulos, validación de tipos, controles de rango, restricciones de unicidad, detección estadística de anomalías (cambios en el conteo de filas, desviación de la distribución) y la aplicación de reglas de negocio. Herramientas como Great Expectations, dbt tests y Monte Carlo automatizan las verificaciones y alertan cuando se superan los umbrales (CompTIA Data+ Obj 4.1; DAMA DMBOK Cap. 13). ¿Por qué no las otras? Los respaldos completos protegen contra la pérdida de datos, no contra los problemas de calidad: también conservan los datos malos. Revisar solo cuando los usuarios reportan problemas es reactivo: el daño ya está hecho. Las revisiones manuales mensuales por muestreo se pierden todo lo que ocurre entre una y otra, y no escalan. Consejo para el examen: proactivo = reglas automatizadas + alertas en tiempo real; reactivo = quejas de usuarios + revisiones manuales esporádicas.

Una capa semántica abstrae el modelo físico de datos en términos de negocio, lo que permite que usuarios sin perfil técnico construyan reportes sin SQL. En lugar de consultar “tbl_txn.amt_usd” con JOINs complejos, los usuarios ven “Ingresos” como una métrica gobernada y predefinida. Capacidades clave: nombres en lenguaje de negocio, cálculos prearmados (por ejemplo, margen bruto), definiciones estandarizadas que garantizan consistencia y relaciones simplificadas que ocultan la complejidad de los JOIN. Herramientas como Looker LookML, la capa semántica de dbt y los modelos de datos de Tableau ofrecen esto (CompTIA Data+ Obj 5.3; Gartner Augmented Analytics). ¿Por qué no las otras? Los repositorios de código de ETL exigen habilidades de desarrollo: lo opuesto al autoservicio. El SQL por línea de comandos demanda una experiencia técnica que los usuarios no técnicos no tienen. El acceso administrativo a la base de datos es para los DBA, no para quienes arman reportes, y representa riesgos de seguridad. Consejo para el examen: autoservicio = capa semántica + arrastrar y soltar; analítica técnica = SQL + código.