CompTIA Data+ — Preguntas de práctica y simulacro de examen

Una capa semántica abstrae el modelo físico de datos en términos comprensibles para el negocio, lo que permite a usuarios sin perfil técnico crear informes 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 comprensibles para el negocio, cálculos predefinidos (p. ej., margen bruto), definiciones estandarizadas que garantizan la coherencia y relaciones simplificadas que ocultan la complejidad de los JOINs. Herramientas como Looker LookML, la dbt semantic layer y los modelos de datos de Tableau ofrecen esto. ¿Por qué no las otras? Los repositorios de código de ETL requieren habilidades de desarrollador, justo lo contrario del autoservicio. El SQL por línea de comandos exige conocimientos técnicos que los usuarios sin perfil técnico no tienen. El acceso administrativo a la base de datos es para DBA, no para quienes crean informes, y supone riesgos de seguridad. Consejo para el examen: autoservicio = capa semántica + arrastrar y soltar; análisis técnico = SQL + código.

Las tablas de base de datos aplican restricciones que los archivos CSV no tienen, por lo que las filas que infringen esas reglas pueden rechazarse durante la carga. Entre las infracciones comunes están NOT NULL (faltan valores obligatorios), incompatibilidades de tipo de datos (texto en columnas numéricas), UNIQUE/PRIMARY KEY (identificadores duplicados), CHECK (valores fuera de rango) y FOREIGN KEY (referencias huérfanas). Que las filas erróneas se omitan o que falle toda la carga depende de la configuración del cargador, como un umbral de errores permitidos. Si hay configurado un archivo de errores o de rechazos, puedes revisar ahí las filas omitidas y los detalles de sus errores. ¿Por qué no las otras? Las bases de datos no eliminan filas comprimiéndolas automáticamente durante la carga. La compresión es una optimización de almacenamiento que no cambia el número de filas. Un archivo de 100.000 filas está muy por debajo de la capacidad típica de una base de datos. Las licencias no limitan el tamaño de las tablas a cantidades arbitrarias de filas. Consejo para el examen: si filas de origen > filas cargadas, sospecha de filas rechazadas, por ejemplo por infracciones de restricciones. Concilia siempre los conteos y revisa cualquier salida de errores o rechazos que esté configurada.

El rango intercuartílico es igual a Q3 menos Q1 y abarca el 50 % central de los datos ordenados. Para detectar valores atípicos: límite inferior = Q1 − 1,5×IQR, límite superior = Q3 + 1,5×IQR. Los valores fuera de estos límites se marcan como posibles valores atípicos. Este método es robusto porque los cuartiles resisten la influencia de los valores extremos, a diferencia de la media y la desviación estándar en los métodos de puntuación z (objetivos del examen CompTIA Data+, dominio Data Analysis; NIST/SEMATECH e-Handbook §7.1.6). ¿Por qué no las otras? “Desviación estándar × 2” confunde el IQR con umbrales basados en la desviación estándar, que son un método distinto. “Media menos mediana” indica asimetría, no dispersión. “Máximo menos mínimo” es el rango, que incluye los valores atípicos en lugar de detectarlos. Consejo para el examen: IQR = Q3 − Q1 (50 % central); los límites de 1,5×IQR identifican valores atípicos de forma robusta.