Guia de estudos
Guia de estudos DP-600
O que cai na prova, quanto pesa cada parte e como estudar, com base no study guide oficial da Microsoft.
O exame muda com frequência. Confira sempre a página oficial antes de agendar a prova.
Sobre o exame
- Nome do exame
- Implementing Analytics Solutions Using Microsoft Fabric
- Nota de corte
- 700 ou mais, numa escala de 1 a 1000. É uma nota escalonada: não equivale a 70% de acertos.
- Duração
- 100 minutos.
- Idiomas
- Inclui português (Brasil). O inglês é atualizado primeiro; os demais idiomas, cerca de 8 semanas depois. Se o exame não estiver no seu idioma, dá para pedir +30 minutos.
- Preço
- US$ 99 no Brasil. O valor varia conforme o país onde a prova é feita.
- Renovação
- Anual e gratuita, por uma avaliação online no Microsoft Learn (sem refazer a prova).
- Se reprovar
- Pode refazer 24 horas depois da primeira tentativa. Nas seguintes, o prazo muda.
Perfil do candidato
Quem tem experiência em desenhar, criar e gerenciar ativos analíticos como semantic models, warehouses e lakehouses.
- Preparar e enriquecer dados para análise
- Proteger e manter ativos analíticos
- Implementar e gerenciar semantic models
Também é esperado saber consultar e analisar dados com SQL, KQL e DAX.
Pesos dos domínios
- Maintain a data analytics solution25–30%
- Prepare data45–50%
- Implement and manage semantic models25–30%
Prepare data é quase metade da prova. Quem vem de Power BI costuma subestimar esse domínio. Uma divisão de tempo sensata é ~30% / 45% / 25%.
A Microsoft informa que a maioria das questões cobre funcionalidades em GA, mas o exame pode cobrar funcionalidades em Preview se forem de uso comum.
Skills measured
Os tópicos oficiais de cada domínio. Toque em um domínio para abrir.
1Maintain a data analytics solution25–30%11 tópicos
Implement security and governance
- Controles de acesso em nível de workspace
- Controles de acesso em nível de item
- Segurança em nível de linha (RLS), coluna (CLS), objeto e arquivo
- Aplicar sensitivity labels a itens
- Endorse itens (Promoted / Certified)
Documentação oficial:Fabric permission model (abre em nova aba)Row-level security (abre em nova aba)Column-level security (abre em nova aba)Apply sensitivity labels (abre em nova aba)Endorsement (Promoted / Certified) (abre em nova aba)
Maintain the analytics development lifecycle
- Configurar version control para um workspace
- Criar e gerenciar um projeto do Power BI Desktop (.pbip)
- Criar e configurar deployment pipelines
- Fazer impact analysis de dependências downstream a partir de lakehouses, warehouses, dataflows e semantic models
- Implantar e gerenciar semantic models pelo XMLA endpoint
- Criar e atualizar ativos reutilizáveis: templates .pbit, arquivos de fonte de dados .pbids e shared semantic models
Documentação oficial:Git integration (abre em nova aba)Power BI Desktop projects (.pbip) (abre em nova aba)Deployment pipelines (abre em nova aba)Impact analysis (abre em nova aba)XMLA endpoint (abre em nova aba)
2Prepare data45–50%15 tópicos
Get data
- Criar uma data connection
- Descobrir dados pelo OneLake catalog e pelo Real-Time hub
- Ingerir ou acessar dados conforme a necessidade
- Escolher entre diferentes data stores (lakehouse × warehouse × eventhouse)
- Implementar OneLake integration para Eventhouse e semantic models
Documentação oficial:Choose a data store (abre em nova aba)OneLake catalog (abre em nova aba)Real-Time hub (abre em nova aba)Eventhouse OneLake availability (abre em nova aba)
Transform data
- Criar views, functions e stored procedures
- Enriquecer dados com novas colunas ou tabelas
- Implementar star schema em lakehouse ou warehouse
- Denormalizar, agregar, fazer merge/join
- Identificar e resolver dados duplicados, ausentes ou nulos
- Converter tipos de coluna e filtrar
Documentação oficial:Dimensional modeling in Fabric Data Warehouse (abre em nova aba)Dataflow Gen2 (abre em nova aba)
Query and analyze data
- Selecionar, filtrar e agregar com Visual query editor
- ... com SQL
- ... com KQL
- ... com DAX
Documentação oficial:Visual query editor (abre em nova aba)SQL query editor (abre em nova aba)KQL queryset (abre em nova aba)DAX query view (abre em nova aba)
Dica de estudo: responda as mesmas 3 perguntas de negócio nas 4 linguagens.
3Implement and manage semantic models25–30%12 tópicos
Design and build semantic models
- Escolher o storage mode
- Implementar star schema no semantic model
- Relacionamentos, incluindo bridge tables e many-to-many
- Cálculos com variáveis DAX e funções como iteradores, filtragem de tabelas, windowing e information functions
- Calculation groups, dynamic format strings e field parameters
- Identificar casos de uso e configurar o large semantic model storage format
- Desenhar e construir composite models
Documentação oficial:Storage mode (abre em nova aba)Star schema (abre em nova aba)Many-to-many relationships (abre em nova aba)Calculation groups (abre em nova aba)Field parameters (abre em nova aba)Large semantic models (abre em nova aba)Composite models (abre em nova aba)
Optimize enterprise-scale semantic models
- Melhorar performance de consultas e visuais de relatório
- Melhorar performance de DAX
- Configurar Direct Lake, incluindo fallback padrão e comportamento de refresh
- Escolher entre Direct Lake on OneLake e Direct Lake on SQL analytics endpoint
- Implementar incremental refresh
Documentação oficial:Optimization guide for Power BI (abre em nova aba)Performance Analyzer (abre em nova aba)Direct Lake overview (abre em nova aba)Direct Lake: OneLake × SQL (abre em nova aba)Incremental refresh (abre em nova aba)
Direct Lake em 30 segundos
- Direct Lake carrega dados direto do OneLake, sem etapa de importação.
- Direct Lake on SQL: a expressão aponta para o SQL analytics endpoint; ele é usado para descobrir schema e segurança, e permite fallback para DirectQuery. Indicado quando você depende de regras de segurança definidas no SQL analytics endpoint ou precisa do fallback.
- Direct Lake on OneLake: a expressão aponta direto para o armazenamento no OneLake; suporta composite models.
Direct Lake overview (abre em nova aba)Direct Lake: OneLake × SQL (abre em nova aba)
Estratégia de estudo
- Não decore, aprenda de verdade. O objetivo é estar preparado para o trabalho e para entrevistas técnicas.
- Siga a trilha oficial do Microsoft Learn para o DP-600 (a página da certificação lista os caminhos de estudo).
- Faça os exercícios práticos (hands-on) do repositório mslearn-fabric, não só a teoria.
- Leia a documentação oficial: muitas questões vêm de lá.
- Use a Practice Assessment oficial só como validação, não como guia principal.
- Pratique em capacidade trial do Fabric e documente o que aprendeu (ex.: posts no LinkedIn).
- Rode o exam sandbox antes do dia da prova para não aprender a interface na hora.
Plano de 8 semanas
6 a 8 horas por semana, com o tempo distribuído conforme o peso de cada domínio.
- Semanas1–2
Fundamentos do Fabric e Get data (lakehouse × warehouse × eventhouse, OneLake catalog, Real-Time hub)
Tarefa prática: Ingerir o mesmo dataset em lakehouse e warehouse e comparar
Documentação oficial:What is a lakehouse? (abre em nova aba)What is data warehousing? (abre em nova aba)Choose a data store (abre em nova aba)OneLake catalog (abre em nova aba)Real-Time hub (abre em nova aba)
- Semanas3–4
Transform e Query (star schema, views, SQL, KQL, DAX, Visual query editor)
Tarefa prática: Modelar um arquivo bagunçado em star schema e responder 3 perguntas nas 4 linguagens
Documentação oficial:Dimensional modeling (abre em nova aba)Visual query editor (abre em nova aba)SQL query editor (abre em nova aba)KQL queryset (abre em nova aba)DAX query view (abre em nova aba)
- Semanas5–6
Semantic models (storage modes, DAX avançado, calculation groups, Direct Lake, incremental refresh)
Tarefa prática: Pegar um relatório lento e torná-lo mensuravelmente mais rápido
Documentação oficial:Storage mode (abre em nova aba)Calculation groups (abre em nova aba)Direct Lake overview (abre em nova aba)Incremental refresh (abre em nova aba)Performance Analyzer (abre em nova aba)
- Semanas7
Segurança, governança e ciclo de vida (RLS/CLS/OLS/file-level, labels, git, .pbip, deployment pipelines, XMLA)
Tarefa prática: Configurar workspace com Git + deployment pipeline
Documentação oficial:Fabric permission model (abre em nova aba)Row-level security (abre em nova aba)Apply sensitivity labels (abre em nova aba)Git integration (abre em nova aba)Deployment pipelines (abre em nova aba)XMLA endpoint (abre em nova aba)
- Semanas8
Practice Assessment, simulado cronometrado, sandbox, revisão das lacunas
Tarefa prática: Refazer (não reler) tudo que ficou abaixo de 70%
Documentação oficial:Practice Assessment DP-600 (abre em nova aba)Exam sandbox (abre em nova aba)Study guide DP-600 (abre em nova aba)
DP-600 × DP-700 × PL-300
| Exame | Foco |
|---|---|
| PL-300 | Analista de dados em Power BI |
| DP-600 | Analytics engineer: semantic models, star schema, DAX, Direct Lake, governança de analytics |
| DP-700 | Data engineer: ingestão, pipelines, transformação, orquestração |
DP-600 e DP-700 compartilham fundamentos de lakehouse e warehouse.
Recursos e links
- Study guide for Exam DP-600(abre em nova aba)Skills measured, change log e links de estudo
- Microsoft Certified: Fabric Analytics Engineer Associate(abre em nova aba)Página da certificação
- Practice Assessment DP-600(abre em nova aba)Simulado oficial gratuito
- Exam sandbox(abre em nova aba)Teste a interface da prova
- Microsoft Fabric documentation(abre em nova aba)
- Exam Readiness Zone(abre em nova aba)Vídeos de preparação
- mslearn-fabric(abre em nova aba)Exercícios práticos oficiais
- Understand the Fabric security model(abre em nova aba)
- Govern data in Fabric(abre em nova aba)