Google Cloud Associate Data Practitioner
225 अभ्यास प्रश्न
अंतिम समीक्षा: April 2026
आपकी अध्ययन यात्रा के लिए व्यक्तिगत नोट्स और संसाधन लिंक
सर्टिफिकेशन द्वारा फ़िल्टर करें
Google Cloud एसोसिएट डेटा प्रैक्टिशनर (ADP) एक नया एसोसिएट-स्तरीय क्रेडेंशियल है जो Google Cloud पर दिन-प्रतिदिन के डेटा कार्य को मान्य करता है — BigQuery, Dataform, Dataflow, Dataplex, और Looker के साथ डेटा को इनजेस्ट करना, ट्रांसफ़ॉर्म करना, विश्लेषण करना और प्रस्तुत करना। यह पूर्ण डेटा इंजीनियरों के बजाय डेटा विश्लेषकों, BI इंजीनियरों और एनालिटिक्स इंजीनियरों को लक्षित करता है, इसलिए परीक्षा में SQL, शेड्यूल की गई क्वेरीज़, बुनियादी पाइपलाइन ऑर्केस्ट्रेशन, और Looker / Looker Studio डैशबोर्ड पर ज़ोर दिया जाता है, गहरे स्ट्रीमिंग और प्लेटफ़ॉर्म-इंजीनियरिंग सामग्री के बजाय। ADP, Cloud Digital Leader और प्रोफेशनल डेटा इंजीनियर (PDE) सर्टिफिकेशन के बीच आता है: यह CDL से अधिक तकनीकी है, PDE से कम आर्किटेक्चरल। यह GCP ट्रैक में सबसे सुलभ तकनीकी-डेटा सर्टिफिकेशन है।
30% पर सबसे बड़ा डोमेन। BigQuery लोड, फ़ेडरेटेड क्वेरीज़, Storage Transfer Service, CDC के लिए Datastream, स्ट्रीमिंग इनजेस्टेशन के लिए Pub/Sub, बुनियादी Dataflow टेम्पलेट। SQL ट्रांसफ़ॉर्मेशन और Dataform।
BigQuery SQL (विंडो फ़ंक्शन, CTEs, ARRAYs/STRUCTs), Looker सेमांटिक मॉडल के मूल सिद्धांत, Looker Studio डैशबोर्ड, शेड्यूल की गई क्वेरीज़ और BI Engine। 27% — व्यावहारिक SQL पर भारी जोर।
Cloud Composer (मैनेज्ड एयरफ़्लो) DAGs, Dataform वर्कफ़्लो, Cloud Scheduler + Cloud Workflows, Pub/Sub ट्रिगर। 18% — वैचारिक, कोई DAG कोड नहीं, लेकिन उम्मीदवारों को यह जानना चाहिए कि कौन सा ऑर्केस्ट्रेटर किस पैटर्न में फिट बैठता है।
Dataplex ज़ोन और लेक, Data Catalog टैगिंग और खोज, BigQuery के लिए IAM (डेटासेट / टेबल / कॉलम / रो), CMEK के साथ एन्क्रिप्शन, रिटेंशन और टेबल-स्तरीय सुरक्षा। 25%।
परीक्षा में आने वाली सेवाएँ और क्यों प्रत्येक महत्वपूर्ण है।
स्टोरेज और कंप्यूट के पृथक्करण, ANSI SQL, इन-प्लेस सेमी-स्ट्रक्चर्ड (JSON) क्वेरींग, और प्रति-क्वेरी या स्लॉट-आधारित मूल्य निर्धारण के साथ सर्वरलेस, कॉलमिनर डेटा वेयरहाउस।
यह परीक्षा में क्यों है: BigQuery डेटा विश्लेषण और प्रस्तुति का केंद्रबिंदु है — विभाजन, क्लस्टरिंग, मैटेरियलाइज़्ड व्यू और स्लॉट आरक्षण पर प्रश्नों की अपेक्षा करें।
ऑब्जेक्ट स्टोरेज जो रॉ, क्यूरेटेड और कंजम्पशन लेयर्स के लिए डेटा-लेक सब्सट्रेट के रूप में कार्य करता है, जिसमें स्टैंडर्ड / नियरलाइन / कोल्डलाइन / आर्काइव क्लासेस और Autoclass शामिल हैं।
यह परीक्षा में क्यों है: प्रत्येक ADP डेटा तैयारी और अंतर्ग्रहण परिदृश्य Cloud Storage को लैंडिंग ज़ोन मानता है; स्टोरेज क्लासेस, लाइफ़साइकल और विभाजन लेआउट डेटा प्रबंधन प्रश्नों को संचालित करते हैं।
ऑटोस्केलिंग वर्कर्स, एग्ज़ैक्टली-वन्स सिमेंटिक्स, और बिल्ट-इन फ्लेक्स टेम्प्लेट्स के साथ एकीकृत बैच और स्ट्रीमिंग पाइपलाइनों के लिए पूरी तरह से प्रबंधित Apache Beam रनर।
यह परीक्षा में क्यों है: डेटा तैयारी और अंतर्ग्रहण में सर्वरलेस ETL/ELT के लिए Dataflow डिफ़ॉल्ट उत्तर है — प्रश्न बैच-बनाम-स्ट्रीमिंग पाइपलाइन डिज़ाइन और विंडोइंग का परीक्षण करते हैं।
अस्थायी ऑटोस्केलिंग, GCE या सर्वरलेस एक्ज़ीक्यूशन, और BigQuery / Cloud Storage कनेक्टर्स के साथ प्रबंधित Apache Spark, Hadoop, Flink, और Hive क्लस्टर।
यह परीक्षा में क्यों है: डेटा तैयारी और अंतर्ग्रहण में "मेरे पास मौजूदा Spark/Hadoop जॉब्स हैं" के लिए संदर्भ उत्तर — नई पाइपलाइन डिज़ाइन के लिए Dataflow के साथ इसकी तुलना करें।
रीजनल HA, स्वचालित बैकअप, और रीड रेप्लिका के साथ PostgreSQL, MySQL, और SQL Server के लिए प्रबंधित रिलेशनल डेटाबेस।
यह परीक्षा में क्यों है: Cloud SQL डेटा प्रबंधन के तहत एनालिटिक्स पाइपलाइनों को फीड करने वाला कैनोनिकल OLTP स्रोत है — BigQuery में Datastream-आधारित CDC पर प्रश्नों की अपेक्षा करें।
क्षैतिज स्केलिंग, मल्टी-रीजन राइट्स, और ANSI SQL के साथ-साथ PostgreSQL बोलियों के साथ विश्व स्तर पर वितरित, दृढ़ता से सुसंगत रिलेशनल डेटाबेस।
यह परीक्षा में क्यों है: Spanner डेटा प्रबंधन परिदृश्यों में दिखाई देता है जो Cloud SQL की क्षेत्रीय सीमाओं के विपरीत, बड़े पैमाने पर वैश्विक संगति की मांग करते हैं।
किसी भी पैमाने पर इवेंट अंतर्ग्रहण के लिए विश्व स्तर पर उपलब्ध, एट-लीस्ट-वन्स मैसेजिंग सेवा, जिसमें पुश या पुल डिलीवरी और BigQuery / Cloud Storage सब्सक्रिप्शन शामिल हैं।
यह परीक्षा में क्यों है: Pub/Sub डेटा तैयारी और अंतर्ग्रहण में स्ट्रीमिंग अंतर्ग्रहण के लिए मुख्य उत्तर है — वास्तविक समय संवर्धन के लिए Dataflow के साथ जोड़े में आता है।
BigQuery, Dataflow, Dataproc, और बाहरी सिस्टम में DAG-आधारित वर्कफ़्लो के लेखन, शेड्यूलिंग और मॉनिटरिंग के लिए प्रबंधित Apache Airflow सेवा।
यह परीक्षा में क्यों है: Composer डेटा पाइपलाइन ऑर्केस्ट्रेशन के लिए नामित सेवा है — कोड-फ़र्स्ट बनाम डिक्लेरेटिव ऑर्केस्ट्रेशन के लिए इसे Workflows से अलग करने वाले प्रश्नों की अपेक्षा करें।
स्टोरेज एब्स्ट्रैक्शन जो BigQuery को Cloud Storage और बाहरी ऑब्जेक्ट स्टोर्स में एकीकृत गवर्नेंस के तहत ओपन-फॉर्मेट डेटा (Parquet, Iceberg, Hudi, Delta) क्वेरी करने देता है।
यह परीक्षा में क्यों है: BigLake डेटा प्रबंधन के इस प्रश्न का उत्तर देता है कि "मैं लेकहाउस डेटा को BigQuery में कॉपी किए बिना कैसे क्वेरी करूँ" — और सभी प्रारूपों में एक्सेस नियंत्रण को एकीकृत करता है।
CDAP पर निर्मित विज़ुअल, कोड-फ्री ETL/ELT स्टूडियो जिसमें 150+ प्री-बिल्ट कनेक्टर्स और प्लगेबल ट्रांसफ़ॉर्मेशन हैं, जो पर्दे के पीछे प्रबंधित Dataproc पर एक्ज़ीक्यूट होते हैं।
यह परीक्षा में क्यों है: डेटा तैयारी और अंतर्ग्रहण में लो-कोड विकल्प — प्रश्न परीक्षण करते हैं कि नागरिक डेटा इंजीनियरों के लिए इसे हाथ से लिखे Dataflow पर कब चुनना है।
सर्वरलेस चेंज-डेटा-कैप्चर सेवा जो MySQL, PostgreSQL, AlloyDB, SQL Server, और Oracle से इन्सर्ट, अपडेट और डिलीट को BigQuery या Cloud Storage में स्ट्रीम करती है।
यह परीक्षा में क्यों है: Datastream डेटा तैयारी और अंतर्ग्रहण परिदृश्यों में OLTP डेटा के BigQuery में नियर-रियल-टाइम रेप्लिकेशन के लिए कैनोनिकल उत्तर है।
BigQuery के अंदर प्रबंधित SQL-आधारित परिवर्तन वर्कफ़्लो जिसमें वर्शन कंट्रोल, डिपेंडेंसी ग्राफ़, असर्शन और Git एकीकरण के माध्यम से CI/CD शामिल है।
यह परीक्षा में क्यों है: Dataform डेटा पाइपलाइन ऑर्केस्ट्रेशन के लिए इन-वेयरहाउस ट्रांसफ़ॉर्मेशन लेयर का मालिक है, जो Composer के क्रॉस-सर्विस DAGs के विपरीत है।
BigQuery, Cloud SQL, Sheets, और 800+ कनेक्टर्स पर इंटरैक्टिव डैशबोर्ड के लिए मुफ़्त, सेल्फ-सर्विस BI टूल, जिसमें शेयरिंग और एम्बेडिंग नियंत्रण शामिल हैं।
यह परीक्षा में क्यों है: Looker Studio डेटा विश्लेषण और प्रस्तुति के लिए मुख्य विज़ुअलाइज़ेशन सेवा है — कनेक्टर चयन और ताज़ा करने की रणनीति पर प्रश्नों की अपेक्षा करें।
SQL के माध्यम से इन-वेयरहाउस ML — रिग्रेशन, क्लासिफिकेशन, क्लस्टरिंग, टाइम-सीरीज़, और Vertex AI में AutoML / रिमोट-मॉडल एकीकरण के साथ ट्रेन, मूल्यांकन और भविष्यवाणी करें।
यह परीक्षा में क्यों है: BigQuery ML डेटा विश्लेषण और प्रस्तुति में "डेटा को स्थानांतरित किए बिना ML अंतर्दृष्टि प्रदान करें" का उत्तर है — किसी अलग ML प्लेटफ़ॉर्म की आवश्यकता नहीं है।
Vertex AI के अंदर टैबुलर, इमेज, वीडियो और टेक्स्ट मॉडलों के लिए नो-कोड प्रशिक्षण सेवा, जिसमें एकीकृत Vertex प्लेटफ़ॉर्म में माइग्रेट किए गए AutoML Tables शामिल हैं।
यह परीक्षा में क्यों है: AutoML डेटा विश्लेषण और प्रस्तुति परिदृश्यों में दिखाई देता है जहाँ व्यावसायिक विश्लेषकों को प्रशिक्षण कोड लिखे बिना एक प्रेडिक्टिव मॉडल की आवश्यकता होती है।
सिंगल-डिजिट-मिलीसेकंड लेटेंसी और HBase API संगतता के साथ पेटाबाइट-स्केल NoSQL वाइड-कॉलम डेटाबेस, जो IoT, टाइम-सीरीज़ और एड-टेक के लिए उपयुक्त है।
यह परीक्षा में क्यों है: Firestore की पहुँच से परे उच्च-थ्रूपुट, कम-लेटेंसी वर्कलोड के लिए डेटा प्रबंधन प्रश्नों में Bigtable नामित गैर-रिलेशनल स्टोर है।
प्रिंसिपलों, रोल्स और शर्तों के माध्यम से प्रोजेक्ट- और रिसोर्स-लेवल एक्सेस कंट्रोल — जिसमें BigQuery डेटासेट-, टेबल-, रो- और कॉलम-लेवल अनुमतियाँ शामिल हैं।
यह परीक्षा में क्यों है: IAM डेटा प्रबंधन में डेटा लेक में कम से कम विशेषाधिकार लागू करता है; पूर्वनिर्धारित बनाम कस्टम रोल्स और BigQuery कॉलम-लेवल एक्सेस पर प्रश्नों की अपेक्षा करें।
BigQuery, Cloud Storage, Cloud SQL, और Spanner के लिए कस्टमर-मैनेज्ड एन्क्रिप्शन कीज़ (CMEK) और कस्टमर-सप्लाइड कीज़ (CSEK) के साथ प्रबंधित क्रिप्टोग्राफ़िक कीज़।
यह परीक्षा में क्यों है: Cloud KMS के साथ CMEK वेयरहाउस और लेक डेटा पर एन्क्रिप्शन-एट-रेस्ट नियंत्रण के लिए कैनोनिकल डेटा प्रबंधन उत्तर है।
BigQuery, Cloud Storage लेक्स, और बाहरी स्रोतों में डेटा को कैटलॉग करने, वर्गीकृत करने, प्रोफ़ाइल करने और नियंत्रित करने के लिए एकीकृत डेटा फ़ैब्रिक जिसमें बिल्ट-इन गुणवत्ता जांच शामिल हैं।
यह परीक्षा में क्यों है: Dataplex डेटा प्रबंधन में मुख्य कैटलॉग/गवर्नेंस सेवा है — प्रश्न लेक संगठन, बिज़नेस ग्लोसरी और लीनिएज कैप्चर का परीक्षण करते हैं।
Google Cloud सेवाओं में एडमिन, डेटा-एक्सेस, सिस्टम-इवेंट और पॉलिसी-अस्वीकृत गतिविधि का अपरिवर्तनीय ऑडिट ट्रेल, विश्लेषण के लिए BigQuery पर राउट करने योग्य।
यह परीक्षा में क्यों है: डेटा प्रबंधन अनुपालन परिदृश्यों में "किसने किस डेटासेट / टेबल / ऑब्जेक्ट तक कब पहुँच की" के लिए ऑडिट लॉग नामित नियंत्रण है।
$90k–$130k–$180k USD वार्षिक
यह श्रेणी अमेरिका-आधारित एनालिटिक्स-इंजीनियर और BI भूमिकाओं को दर्शाती है जहाँ BigQuery प्राथमिक वेयरहाउस है। FAANG-समकक्ष वरिष्ठ एनालिटिक्स इंजीनियर $200k से अधिक कमाते हैं। शुद्ध रिपोर्टिंग विश्लेषक की भूमिकाएँ कम होती हैं; GCP-केंद्रित यूनिकॉर्न और डिजिटल-नेटिव कंपनियों में एनालिटिक्स इंजीनियरों की भूमिकाएँ अधिक होती हैं।
स्रोत: levels.fyi 2025–2026 (Google L3–L4 डेटा विश्लेषक, GCP-शॉप यूनिकॉर्न में एनालिटिक्स इंजीनियर), U.S. BLS OEWS मई 2024 (15-2051 डेटा साइंटिस्ट, 13-2031 बजट विश्लेषक, 15-1211 कंप्यूटर सिस्टम विश्लेषक). आंकड़े अनुमानित हैं; वास्तविक मुआवजा भूमिका, क्षेत्र और अनुभव पर निर्भर करता है।
ADP नया है (2024 में पेश किया गया) और इसकी मांग अभी भी बढ़ रही है, लेकिन यह प्रोफेशनल डेटा इंजीनियर सर्टिफिकेशन के नीचे एक स्पष्ट अंतर को भरता है जिसकी Google को लंबे समय से आवश्यकता थी। BigQuery-केंद्रित स्टैक चलाने वाली कंपनियाँ — विशेष रूप से डिजिटल-नेटिव, एड-टेक, रिटेल-एनालिटिक्स और गेमिंग कंपनियाँ — इसे विश्लेषक-इंजीनियर की पोस्टिंग पर एक भिन्नता के रूप में सूचीबद्ध करती हैं। मांग GCP की मजबूत उपस्थिति वाले बाजारों (SF बे एरिया, NYC, लंदन) और उन उद्योगों में केंद्रित है जहाँ Looker मानक BI टूल है। जैसे-जैसे यह क्रेडेंशियल परिपक्व होगा, उम्मीद है कि यह डेटा-विश्लेषक की नौकरी की पोस्टिंग पर डिफ़ॉल्ट GCP सर्टिफिकेशन बन जाएगा, जैसे Microsoft DP-900 / DP-203 एज़्योर एनालिटिक्स ट्रैक पर हावी हैं।
कोई औपचारिक पूर्वापेक्षाएँ नहीं हैं। Google Google Cloud पर छह महीने या उससे अधिक के व्यावहारिक डेटा कार्य, SQL के साथ सहजता और डेटा पाइपलाइन अवधारणाओं की बुनियादी कार्यशील समझ की सिफारिश करता है। Google Cloud Skills Boost पर आधिकारिक एसोसिएट डेटा प्रैक्टिशनर लर्निंग पाथ (लगभग 30-40 घंटे की लैब) में परीक्षण की जाने वाली हर चीज़ शामिल है।
यदि आपके पास बिल्कुल भी SQL अनुभव नहीं है, तो इंटरमीडिएट SQL (जॉइन, विंडो फ़ंक्शन, CTEs) के साथ सहज होने के लिए 20-30 अतिरिक्त घंटे का समय निकालें — BigQuery SQL प्रश्न फ़्लैशकार्ड नहीं हैं, वे छोटे परिदृश्य हैं। यदि आपके पास पहले से ही AWS Data Engineer Associate, Azure DP-900, या DP-203 है, तो वैचारिक सामग्री सीधे मैप हो जाती है; आपको ज़्यादातर उत्पाद नामों को फिर से सीखना होगा (BigQuery बनाम Redshift / Synapse, Dataflow बनाम Glue / ADF, Dataform बनाम dbt-cloud, Looker बनाम QuickSight / Power BI)।
ADP एसोसिएट-स्तर का है और इसका उद्देश्य "मैं डेटा कार्य करता हूँ" जैसे प्रैक्टिशनर के लिए है, न कि "मैं डेटा प्लेटफ़ॉर्म आर्किटेक्ट करता हूँ" जैसे इंजीनियर के लिए। यदि आप GCP डेटा टूलिंग के लिए नए हैं तो 5-8 सप्ताह में 50-80 घंटे का समय निर्धारित करें, या यदि आप पहले से ही BigQuery में दैनिक काम करते हैं तो 2-4 सप्ताह में 20-35 घंटे का समय निर्धारित करें। परीक्षा में 120 मिनट में 50-60 बहुविकल्पीय / बहु-चयन प्रश्न होते हैं, जो Pearson VUE के माध्यम से दिए जाते हैं (Google ने 2026 की शुरुआत में Kryterion / Webassessor से माइग्रेट किया)।
सबसे आम बाधा Dataplex, Data Catalog और Dataform शब्दावली की व्यापकता है — ये उत्पाद तेजी से विकसित हुए और प्रश्न नामकरण के भेदों (जोन बनाम लेक बनाम एसेट, टैग टेम्पलेट बनाम टैग) पर निर्भर हो सकते हैं। BigQuery सैंडबॉक्स और एक छोटे Looker Studio डैशबोर्ड प्रोजेक्ट के साथ व्यावहारिक अभ्यास उच्चतम-लाभ की तैयारी है। Google संख्यात्मक स्कोर प्रकाशित नहीं करता है — केवल पास/फेल। क्रेडेंशियल तीन साल के लिए वैध है और पुनः प्रमाणन के लिए वर्तमान परीक्षा को फिर से पास करना आवश्यक है।
प्रारंभिक सामान्य उपलब्धता। Cloud Digital Leader और प्रोफेशनल डेटा इंजीनियर सर्टिफिकेशन के बीच के अंतर को भरने वाला नया एसोसिएट-स्तरीय क्रेडेंशियल। अप्रैल 2026 तक का वर्तमान संस्करण।
ADP (Google Cloud Associate Data Practitioner) एक एक मध्यम कठिन परीक्षा जो व्यावहारिक अनुभव और सर्वोत्तम प्रथाओं की ठोस समझ की अपेक्षा करती है Associate-स्तरीय परीक्षा है। एसोसिएट-स्तरीय परीक्षाओं के लिए अधिकांश उम्मीदवारों को 6-12 सप्ताह में फैले 80-150 घंटे के अध्ययन की आवश्यकता होती है। अधिकांश उम्मीदवार जो अभ्यास परीक्षाओं में उत्तीर्ण होने की सीमा से लगातार ऊपर स्कोर करते हैं, वे अपने पहले प्रयास में उत्तीर्ण हो जाते हैं।
एसोसिएट-स्तरीय परीक्षाओं के लिए अधिकांश उम्मीदवारों को 6-12 सप्ताह में फैले 80-150 घंटे के अध्ययन की आवश्यकता होती है। उत्तीर्ण होने में लगने वाला समय पूर्व अनुभव के आधार पर व्यापक रूप से भिन्न होता है। अंतर्निहित तकनीक में व्यावहारिक उत्पादन अनुभव वाले इंजीनियरों को आमतौर पर कम समय लगता है; प्लेटफ़ॉर्म के लिए नए उम्मीदवारों को उस सीमा के ऊपरी छोर की ओर योजना बनानी चाहिए।
ADP GCP इकोसिस्टम में एक मान्यता प्राप्त क्रेडेंशियल है और नियोक्ताओं, भर्तीकर्ताओं और ग्राहकों को मान्य ज्ञान का संकेत देता है। क्या यह आपके लिए समय और शुल्क के लायक है, यह आपकी भूमिका और लक्ष्यों पर निर्भर करता है - यह क्लाउड इंजीनियरों, आर्किटेक्ट्स और सलाहकारों के लिए सबसे अधिक फायदेमंद होता है जो GCP के साथ प्रतिदिन काम करते हैं या उन भूमिकाओं में जाना चाहते हैं।
ADP के लिए उत्तीर्ण अंक प्रकाशित नहीं है। परीक्षा में 50 प्रश्न होते हैं और यह 2 घंटा तक चलती है।
ADP परीक्षा का शुल्क $125 USD है। शुल्क GCP द्वारा निर्धारित किए जाते हैं और क्षेत्र के अनुसार भिन्न हो सकते हैं; बुकिंग से पहले हमेशा आधिकारिक GCP प्रमाणन पृष्ठ पर वर्तमान कीमत की पुष्टि करें।
Google Cloud के फाउंडेशनल और एसोसिएट प्रमाणन 3 साल के लिए वैध हैं। परीक्षा के वर्तमान संस्करण को फिर से पास करके पुनः प्रमाणित करें।
हाँ। आप परीक्षा ऑनलाइन (प्रदाता के सुरक्षित ब्राउज़र के माध्यम से प्रोक्टर्ड, अधिकांश क्षेत्रों में 24/7 उपलब्ध) या व्यावसायिक घंटों के दौरान व्यक्तिगत पियर्सन VUE परीक्षण केंद्र पर दे सकते हैं। दोनों प्रारूपों में समान प्रश्न, समय सीमा और उत्तीर्ण अंक होते हैं।
CertLabPro ADP के लिए अभ्यास प्रश्न बैंक में 15 अध्ययन मोड प्रदान करता है। परीक्षा-सिमुलेशन मोड वास्तविक परीक्षा को दर्शाता है: 2 घंटा में 50 प्रश्न, प्रकाशित नहीं की समान उत्तीर्ण सीमा के साथ। ब्राउज़ मोड आपको प्रत्येक प्रश्नोत्तर को स्थिर रूप से पढ़ने की अनुमति देता है।