Google Cloud · GCP-PDE · Advanced

Professional Data Engineer — Preguntas de práctica y simulacro de examen

Name: Pass-IT
Author: Pass-IT

Practica con preguntas realistas de GCP-PDE, alineadas con los objetivos del examen. Alex explica cada respuesta y tu Readiness Score te muestra qué estudiar después.

Empieza a practicar GCP-PDE gratis Comprar acceso a GCP-PDE por $29.99

Comprar acceso a GCP-PDE por $29.99 Empieza a practicar GCP-PDE gratis

Un solo pago. Acceso de por vida a esta certificación.

Prueba primero 5 preguntas →

45Preguntas

120minLímite de tiempo

Verificado con Google Cloud · agosto de 2026Versión actual del examen

Resumen

Sobre el examen

La certificación Professional Data Engineer valida tu capacidad de diseñar, construir y poner en operación sistemas de procesamiento de datos en Google Cloud. Abarca todo el ciclo de vida de la ingeniería de datos: ingesta, transformación, almacenamiento, análisis y automatización de datos con servicios como BigQuery, Dataflow, Dataproc, Pub/Sub y Cloud Composer.

Es una credencial de nivel profesional pensada para ingenieros de datos que construyen y administran sistemas de procesamiento de datos y pipelines analíticos en Google Cloud. Google recomienda más de 3 años de experiencia en la industria, incluido al menos 1 año diseñando y administrando soluciones de datos en Google Cloud. Te abre las puertas a puestos como data engineer, analytics engineer y data platform engineer.

Dominios del examen

Qué entra en el examen

La ingesta y el procesamiento de datos es lo que más pesa, con un 25%: abarca la planificación de pipelines, la construcción con Dataflow, Dataproc, Pub/Sub y el ecosistema Spark/Hadoop, y el despliegue de pipelines mediante programación de jobs, herramientas de orquestación y entrega continua. Le sigue el diseño de sistemas de procesamiento de datos con un 22%, donde se evalúan seguridad y cumplimiento, confiabilidad y tolerancia a fallos, portabilidad y la planificación de migraciones hacia Google Cloud. El almacenamiento se lleva un 20%: elegir el sistema adecuado (BigQuery, Bigtable, Spanner o Cloud Storage) según cómo se vayan a consultar los datos y su perfil de costos, además de diseñar arquitecturas de warehouse, lake o federated governance. El mantenimiento y la automatización de cargas de trabajo suman un 18%, y la preparación de datos para análisis y usos de AI/ML cierra el temario con un 15%.

Este reparto deja más porcentaje del examen en la mecánica de pipelines que cualquier otra certificación de Google Cloud relacionada con datos. Por eso los candidatos que dominan SQL en BigQuery pero flojean en el funcionamiento interno de Dataflow y Dataproc suelen rendir por debajo de lo que su experiencia en analítica haría esperar.

Temario oficial: GCP-PDE

Designing data processing systems~22%

Design data systems that hold up under security and compliance requirements, stay reliable through proper governance and disaster recovery, remain portable across environments, and support a clean migration path into Google Cloud.

≈ 22 h

Ingesting and processing the data~25%

Plan data pipelines by defining sources, sinks, and transformation logic, build pipelines using services such as Dataflow, Dataproc, and Pub/Sub, and deploy and operationalize pipelines through job orchestration and CI/CD.

≈ 25 h

Storing the data~20%

Select appropriate storage systems such as BigQuery, Bigtable, and Cloud Storage based on access patterns and cost, and plan data warehouse and data lake architectures to support business requirements. Also covers designing a broader data platform with federated governance across distributed data systems.

≈ 20 h

Preparing and using data for analysis~15%

Get data ready for BI tools like BigQuery's BI Engine, prepare it separately for AI and ML use through feature engineering and retrieval-augmented generation, and set the rules for sharing and publishing the resulting datasets and reports.

≈ 15 h

Maintaining and automating data workloads~18%

Optimize compute and storage resources for data workloads and design automation and repeatability using tools such as Cloud Composer. Also covers organizing workloads by business requirements, monitoring and troubleshooting data processes, and maintaining fault tolerance to mitigate failures.

≈ 18 h

Formato

Formato del examen y tipos de pregunta

El examen presenta entre 40 y 50 preguntas de opción múltiple y de selección múltiple en una ventana de 120 minutos, con una proporción aproximada de 80% de respuesta única y 20% de selección múltiple. Son menos preguntas que en la mayoría de los exámenes de Google Cloud, así que tienes más tiempo por pregunta. Los enunciados plantean escenarios de datos complejos y te piden elegir la arquitectura, el sistema de almacenamiento o el enfoque de procesamiento correcto.

Tipos de pregunta: GCP-PDE

Opción múltiple80%

Elige la única respuesta correcta entre cuatro o cinco opciones — el formato de siempre del examen.

Respuesta múltiple20%

Hay más de una respuesta correcta y las necesitas todas; el enunciado te dice cuántas marcar.

Google Cloud confirma estos tipos de pregunta — no publica una distribución porcentual; las proporciones reflejan nuestro banco de preguntas alineado con el examen.

Pruébalo ahora

Prueba cinco preguntas de GCP-PDE

Cinco preguntas directas de nuestro banco de Professional Data Engineer. Responde una — Alex te explica el porqué.

El examen y la app están en inglés — estas preguntas de muestra las hemos traducido.

Diseño de sistemas de procesamiento de datos3 / 5

Tu empresa opera en la UE y debe cumplir con los requisitos de residencia de datos del GDPR. Todos los datos de clientes provenientes de usuarios de la UE deben almacenarse y procesarse dentro de la UE. Estás diseñando un data warehouse en BigQuery. ¿Qué deberías hacer para garantizar el cumplimiento?

AlexExplicación completa de Alex

BigQuery te permite elegir la ubicación geográfica donde se almacenan y procesan tus datos cuando creas un dataset. La ubicación multirregional EU garantiza que los datos permanezcan dentro de las fronteras de la UE. Para aplicarlo a gran escala, puedes usar restricciones de políticas de organización que limiten qué ubicaciones están disponibles para crear datasets en toda tu organización. Esto evita que cualquier equipo cree por accidente un dataset en una región fuera de la UE. El cifrado CMEK con claves ubicadas en la UE agrega una capa de control, pero por sí solo no impide que los datos se almacenen en regiones fuera de la UE — la ubicación del dataset es lo que determina dónde residen físicamente los datos. VPC Service Controls protege contra la exfiltración de datos, pero no controla dónde se almacenan. Crear proyectos separados por país es una sobrecarga innecesaria, ya que la multirregión EU cubre los requisitos de residencia del GDPR. Consejo para el examen: en las preguntas de residencia de datos, concéntrate en la ubicación del dataset + las políticas de organización, no en el cifrado ni en los controles de red.

Fuentecloud.google.com

Ingesta y procesamiento de los datos4 / 5

Estás procesando datos en streaming con Dataflow y necesitas escribir los resultados en BigQuery y en Cloud Storage simultáneamente. ¿Qué función de Apache Beam permite esto?

AlexExplicación completa de Alex

En Apache Beam / Dataflow, la ramificación del pipeline permite que una sola PCollection sea consumida por varias transformaciones, produciendo múltiples PCollections de salida que se pueden escribir en distintos sinks. Para escribir los resultados del streaming en BigQuery y en Cloud Storage simultáneamente, aplicas transformaciones de I/O separadas a la misma PCollection (o usas distintas ramas a partir de una transformación común). Esto es más eficiente que ejecutar dos pipelines separados, porque procesa los datos una sola vez y evita leer dos veces desde la fuente. A diferencia de usar Cloud Storage como área de staging antes de cargar a BigQuery, la ramificación del pipeline escribe en ambos destinos en tiempo real desde el mismo pipeline de streaming. El patrón usa el modelo de grafo acíclico dirigido (DAG) de Beam, donde cualquier PCollection puede tener varios consumidores. Consejo para el examen: la ramificación del pipeline con múltiples salidas de PCollection es el patrón estándar de Dataflow para escribir en varios sinks desde un único pipeline de streaming.

Fuentecloud.google.com

Preparación y uso de los datos para análisis5 / 5

Tus consultas de BigQuery son lentas de forma constante debido a joins complejos entre varias tablas grandes. Notas que los mismos patrones de join se usan en muchos dashboards. ¿Cuál es la optimización más efectiva?

AlexExplicación completa de Alex

Las vistas materializadas de BigQuery precalculan y almacenan en caché los resultados de consultas SQL, incluidos joins y agregaciones. Cuando una consulta coincide con una vista materializada, el "smart tuning" de BigQuery la reescribe automáticamente para usar los resultados en caché, lo que reduce tanto la latencia como el costo. Las vistas se actualizan solas mediante actualizaciones incrementales cuando cambian las tablas base. Por qué no las otras opciones: aumentar los slots agrega cómputo pero no elimina el trabajo de join redundante. La desnormalización con STRUCT duplica datos y complica las actualizaciones. Los filtros WHERE reducen el volumen escaneado pero no precalculan los joins. Ref: docs.cloud.google.com/bigquery/docs/materialized-views-intro

Fuentecloud.google.com

Empieza gratis

Banco de preguntas

306 preguntas, construidas como el examen

El banco de GCP-PDE cubre todos los dominios del examen y sigue creciendo con preguntas nuevas. El simulacro te plantea 45 preguntas seguidas, con el mismo cronómetro de 120 minutos que el día del examen.

Acta de verificación: GCP-PDE

Cotejo del temario con Google Cloud4 de agosto de 2026

última verificación con la fuente oficial de Google Cloud

Cobertura del temario19 objetivos oficiales

repartidos en 5 dominios, según la guía oficial del examen

Tamaño del banco306 preguntas

= 6 simulacros completos de 45 preguntas — nunca la misma pregunta dos veces

Validación canónica306 de 306

cada una verificada con la documentación oficial de Google Cloud — respuesta, opciones y explicación, fuente citada

Metodología documentada abiertamente.Cómo se crean las preguntas →

Planificación

Preparación para GCP-PDE

Cuánto tiempo necesitas depende de la experiencia práctica que ya tienes. El resto lo define el proveedor: cómo se hace el examen, cuándo puedes repetirlo y cuánto dura la certificación.

El examen se rinde a través de Pearson VUE, con supervisión en línea o en un centro de evaluación, y está disponible en inglés y japonés. La certificación tiene una vigencia de 2 años; dentro del período de elegibilidad para renovar, Google Cloud ofrece un examen de renovación más corto, de 20 preguntas, en lugar de repetir el examen completo.

Tu plan: GCP-PDE

Preparación

Tiempo de estudio60–150 h

normalmente unas 60 h si ya trabajas con estas tecnologías, unas 150 h si empiezas de cero

NivelAvanzado

Conviene tener antesSin prerrequisitos formales. Se recomiendan más de 3 años de experiencia en la industria, incluido al menos 1 año diseñando y administrando soluciones de datos con Google Cloud.

El día del examen y después

ModalidadSupervisado en línea (Pearson VUE) o supervisado presencialmente en centros de examen

Política de repetición14 días de espera tras el primer intento fallido, 60 días tras el segundo, 365 días tras el tercero. Máximo 4 intentos en un período de 2 años.

Vigencia2 años

La certificación tiene una vigencia de 2 años. Puedes presentar el examen de renovación (20 preguntas, 1 hora, 00) dentro del periodo en que eres elegible para renovar.

Guía oficialVer en el sitio del proveedor

Las horas son nuestra propia estimación de planificación — Google Cloud no publica un tiempo de preparación para este examen. Un punto de partida para tu calendario, no una meta.

Ojo con esto

Errores comunes

Las palancas de costo y rendimiento de BigQuery (partitioning, clustering, materialized views) se evalúan como decisiones de diseño, no como funcionalidades sueltas, y quien solo ha lanzado consultas ad-hoc suele pasarlas por alto. Dataflow y Dataproc resuelven problemas que se solapan pero desde ángulos distintos: Apache Beam frente al ecosistema Hadoop/Spark. El examen espera que tengas claro cuándo conviene cada uno. Los conceptos de streaming (procesamiento exactly-once, windowing, watermarks para datos que llegan tarde) son lo bastante densos como para que la experiencia solo en batch no se traslade bien. La encriptación, DLP y la seguridad a nivel de columna en BigQuery también pesan más en el examen de lo que su presencia en el trabajo analítico del día a día sugeriría.

Puntos de atención: GCP-PDE

01BigQuery Optimization
No entender el particionado, el clustering ni las materialized views para optimizar consultas
02Dataflow vs Dataproc
Confundir cuándo usar Dataflow (Apache Beam) y cuándo Dataproc (Hadoop/Spark) para procesar datos
03Streaming Architecture
Malinterpretar el procesamiento exactly-once, el windowing y los watermarks en pipelines de streaming
04Data Security
Pasar por alto el cifrado, DLP y la seguridad a nivel de columna en BigQuery
05ML Readiness
No saber cómo preparar los datos para entrenar con BigQuery ML o para retrieval-augmented generation

Pass-IT te entrena justo en estos puntos débiles — adaptativo y espaciado →

Preguntas

Preguntas frecuentes

¿Cuáles son los errores más comunes en el examen Professional Data Engineer?

Los errores más comunes incluyen: BigQuery Optimization, Dataflow vs Dataproc, Streaming Architecture, Data Security, ML Readiness. Dedica tiempo de estudio a estas áreas para no perder puntos.

¿Cómo se reparte el peso del examen Professional Data Engineer?

La ingesta y el procesamiento de datos es la sección más grande, con un 25%, seguida del diseño de sistemas de procesamiento de datos con un 22% y del almacenamiento de los datos con un 20%. El mantenimiento y la automatización de cargas de trabajo se lleva un 18% y la preparación de datos para el análisis un 15%. Entre ingesta, procesamiento y diseño suman casi la mitad del examen.

¿Cómo renuevas la certificación Professional Data Engineer?

La certificación dura dos años y se renueva con un examen más corto de 20 preguntas en una hora, que rindes dentro de la ventana de elegibilidad para la renovación. Es un compromiso menor que la prueba original de 45 preguntas, pero igual tienes que agendarlo antes de la fecha de vencimiento.

¿Qué experiencia da por sentada el examen Professional Data Engineer?

Tres años o más en el sector, con al menos uno diseñando y gestionando soluciones de datos en Google Cloud, algo recomendado y no obligatorio. El catálogo calcula unas 100 horas. Tu experiencia previa con data warehouses o pipelines te sirve, pero el examen es muy específico sobre el comportamiento de BigQuery, Dataflow y Pub/Sub.

¿Qué tan pronto puedes repetir el Professional Data Engineer?

Catorce días después del primer intento fallido, 60 días después del segundo y 365 días después del tercero, con un tope de cuatro intentos en dos años. Google Cloud aplica el mismo calendario a todos sus exámenes professional.

¿Associate Data Practitioner o Professional Data Engineer?

El examen associate cubre el uso de la plataforma de datos y calcula 60 horas; este cubre el diseño de los sistemas y calcula 100. Ninguno es requisito previo del otro. Si tu trabajo consiste en responder preguntas con datos, el examen associate te queda mejor; si consiste en construir lo que otros consultan, este es el indicado.

Pass-IT es una herramienta de estudio independiente, no afiliada a Google Cloud ni respaldada por Google Cloud; Google Cloud y los nombres de los exámenes son marcas de sus respectivos propietarios.

Una certificación. Un solo pago.

Acceso completo a GCP-PDE

Accede al banco completo de preguntas de esta certificación. Alex explica cada respuesta y tu Readiness Score te muestra qué estudiar después.

Comprar acceso a GCP-PDE por $29.99Un solo pago. Acceso de por vida a esta certificación.

Comprueba gratis si estás listo20 preguntas. Sin tarjeta. Mira qué estudiar antes de comprar.

Llega al 80 % de preparación y aprueba — o te devolvemos el dinero.

Cómo funciona el score →