Google Cloud Associate Data Practitioner
225 perguntas de prática
Última revisão: April 2026
Notas pessoais e links de recursos para sua jornada de estudo
Filtrar por Certificação
O Google Cloud Associate Data Practitioner (ADP) é uma credencial de nível associado mais recente que valida o trabalho diário com dados no Google Cloud — ingestão, transformação, análise e apresentação de dados com BigQuery, Dataform, Dataflow, Dataplex e Looker. Ele se destina a analistas de dados, engenheiros de BI e engenheiros de análise, em vez de engenheiros de dados completos, então o exame enfatiza SQL, consultas agendadas, orquestração básica de pipeline e painéis do Looker / Looker Studio em vez de conteúdo aprofundado de streaming e engenharia de plataforma. O ADP se encaixa entre o Cloud Digital Leader e a certificação Professional Data Engineer (PDE): mais técnico que o CDL, menos arquitetônico que o PDE. É a certificação técnica de dados mais acessível no trilho GCP.
O maior domínio, com 30%. Cargas do BigQuery, consultas federadas, Storage Transfer Service, Datastream para CDC, Pub/Sub para ingestão de streaming, modelos básicos do Dataflow. Transformações SQL e Dataform.
SQL do BigQuery (funções de janela, CTEs, ARRAYs/STRUCTs), fundamentos do modelo semântico Looker, painéis do Looker Studio, consultas agendadas e BI Engine. 27% — forte em SQL prático.
DAGs do Cloud Composer (Airflow gerenciado), fluxos de trabalho do Dataform, Cloud Scheduler + Cloud Workflows, gatilhos do Pub/Sub. 18% — conceitual, sem código DAG, mas os candidatos devem saber qual orquestrador se encaixa em qual padrão.
Zonas e lagos do Dataplex, marcação e pesquisa do Data Catalog, IAM para BigQuery (conjunto de dados / tabela / coluna / linha), criptografia com CMEK, retenção e segurança em nível de tabela. 25%.
Serviços que você encontrará no exame e por que cada um importa.
Data warehouse colunar serverless com separação de armazenamento e computação, ANSI SQL, consulta in-loco de dados semiestruturados (JSON) e precificação por consulta ou baseada em slots.
Por que está no exame: BigQuery é a peça central da Análise e Apresentação de Dados — espere questões sobre particionamento, clustering, visões materializadas e reservas de slot.
Armazenamento de objetos que serve como substrato de data lake para camadas bruta, curada e de consumo, com classes Standard / Nearline / Coldline / Archive e Autoclass.
Por que está no exame: Todo cenário de Preparação e Ingestão de Dados do ADP assume o Cloud Storage como zona de aterrissagem; classes de armazenamento, ciclo de vida e layout de partição direcionam questões de Gerenciamento de Dados.
Executor Apache Beam totalmente gerenciado para pipelines unificados de batch e streaming com workers de autoescalonamento, semântica exatamente uma vez e modelos flexíveis integrados.
Por que está no exame: Dataflow é a resposta padrão para ETL/ELT serverless na Preparação e Ingestão de Dados — as questões testam o design de pipeline batch vs. streaming e o windowing.
Clusters gerenciados de Apache Spark, Hadoop, Flink e Hive com autoescalonamento efêmero, execução GCE ou Serverless e conectores BigQuery / Cloud Storage.
Por que está no exame: A resposta de referência para "Eu tenho jobs Spark/Hadoop existentes" na Preparação e Ingestão de Dados — contraste com Dataflow para design de novos pipelines.
Bancos de dados relacionais gerenciados para PostgreSQL, MySQL e SQL Server com HA regional, backups automatizados e réplicas de leitura.
Por que está no exame: Cloud SQL é a fonte OLTP canônica que alimenta pipelines de análise no Gerenciamento de Dados — espere questões sobre CDC baseado em Datastream para o BigQuery.
Banco de dados relacional globalmente distribuído e fortemente consistente com escalonamento horizontal, escritas multi-região e ANSI SQL mais dialetos PostgreSQL.
Por que está no exame: Spanner aparece em cenários de Gerenciamento de Dados que exigem consistência global em escala, contrastado com os limites regionais do Cloud SQL.
Serviço de mensagens globalmente disponível, com semântica "pelo menos uma vez", para ingestão de eventos em qualquer escala, com entrega push ou pull e assinaturas BigQuery / Cloud Storage.
Por que está no exame: Pub/Sub é a principal resposta para ingestão de streaming na Preparação e Ingestão de Dados — combina com o Dataflow para enriquecimento em tempo real.
Serviço Apache Airflow gerenciado para autoria, agendamento e monitoramento de workflows baseados em DAG através de BigQuery, Dataflow, Dataproc e sistemas externos.
Por que está no exame: Composer é o serviço nomeado para Orquestração de Pipeline de Dados — espere questões que o distinguem de Workflows para orquestração code-first vs. declarativa.
Abstração de armazenamento que permite ao BigQuery consultar dados de formato aberto (Parquet, Iceberg, Hudi, Delta) no Cloud Storage e em armazenamentos de objetos externos sob governança unificada.
Por que está no exame: BigLake responde à questão de Gerenciamento de Dados "como consulto dados de lakehouse sem copiá-los para o BigQuery" — e unifica os controles de acesso entre formatos.
Estúdio ETL/ELT visual e sem código, construído em CDAP com mais de 150 conectores pré-construídos e transformações plugáveis, executando em Dataproc gerenciado nos bastidores.
Por que está no exame: A opção low-code na Preparação e Ingestão de Dados — as questões testam quando escolhê-lo em vez de Dataflow escrito à mão para engenheiros de dados cidadãos.
Serviço serverless de captura de dados alterados que transmite inserções, atualizações e exclusões de MySQL, PostgreSQL, AlloyDB, SQL Server e Oracle para BigQuery ou Cloud Storage.
Por que está no exame: Datastream é a resposta canônica para replicação quase em tempo real de dados OLTP no BigQuery em cenários de Preparação e Ingestão de Dados.
Workflow de transformação gerenciado baseado em SQL dentro do BigQuery com controle de versão, grafos de dependência, asserções e CI/CD via integração Git.
Por que está no exame: Dataform gerencia a camada de transformação in-warehouse para Orquestração de Pipeline de Dados, contrastado com os DAGs cross-service do Composer.
Ferramenta de BI self-service gratuita para dashboards interativos em BigQuery, Cloud SQL, Sheets e mais de 800 conectores, com controles de compartilhamento e incorporação.
Por que está no exame: Looker Studio é o principal serviço de visualização para Análise e Apresentação de Dados — espere questões sobre escolha de conectores e estratégia de atualização.
ML in-warehouse via SQL — treine, avalie e preveja com regressão, classificação, clustering, séries temporais e integrações AutoML / modelos remotos ao Vertex AI.
Por que está no exame: BigQuery ML é a resposta para "entregar insights de ML sem mover dados" na Análise e Apresentação de Dados — nenhuma plataforma de ML separada é necessária.
Serviço de treinamento no-code para modelos tabulares, de imagem, vídeo e texto dentro do Vertex AI, incluindo o AutoML Tables migrado para a plataforma unificada Vertex.
Por que está no exame: AutoML aparece em cenários de Análise e Apresentação de Dados onde analistas de negócios precisam de um modelo preditivo sem escrever código de treinamento.
Banco de dados NoSQL de coluna larga em escala de petabytes com latência de milissegundos de dígito único e compatibilidade com a API HBase, adequado para IoT, séries temporais e ad-tech.
Por que está no exame: Bigtable é o armazenamento não relacional nomeado em questões de Gerenciamento de Dados para cargas de trabalho de alta vazão e baixa latência além do alcance do Firestore.
Controle de acesso em nível de projeto e recurso via principais, funções e condições — incluindo permissões em nível de conjunto de dados, tabela, linha e coluna do BigQuery.
Por que está no exame: IAM impõe o menor privilégio em todo o data lake no Gerenciamento de Dados; espere questões sobre funções predefinidas vs. personalizadas e acesso em nível de coluna do BigQuery.
Chaves criptográficas gerenciadas com chaves de criptografia gerenciadas pelo cliente (CMEK) e chaves fornecidas pelo cliente (CSEK) para BigQuery, Cloud Storage, Cloud SQL e Spanner.
Por que está no exame: CMEK com Cloud KMS é a resposta canônica de Gerenciamento de Dados para controle de criptografia em repouso sobre dados de warehouse e lake.
Malha de dados unificada para catalogar, classificar, perfilar e governar dados em BigQuery, data lakes do Cloud Storage e fontes externas com verificações de qualidade integradas.
Por que está no exame: Dataplex é o principal serviço de catálogo/governança em Gerenciamento de Dados — as questões testam a organização do lake, glossário de negócios e captura de linhagem.
Trilha de auditoria imutável de atividades de administração, acesso a dados, eventos de sistema e políticas negadas em todos os serviços do Google Cloud, roteável para BigQuery para análise.
Por que está no exame: Audit Logs são o controle nomeado para "quem acessou qual conjunto de dados / tabela / objeto e quando" em cenários de conformidade de Gerenciamento de Dados.
$90k–$130k–$180k USD anual
O intervalo reflete funções de engenheiro de análise e BI baseadas nos EUA, onde o BigQuery é o principal data warehouse. Engenheiros de análise sênior equivalentes a FAANG ultrapassam US$ 200 mil. As funções de analista de relatórios puras tendem a ser mais baixas; engenheiros de análise em unicórnios com forte uso de GCP e empresas nativas digitais tendem a ser mais altas.
Fonte: levels.fyi 2025–2026 (analista de dados Google L3–L4, engenheiro de análise em unicórnios com foco em GCP), U.S. BLS OEWS May 2024 (15-2051 cientistas de dados, 13-2031 analistas de orçamento, 15-1211 analistas de sistemas de computador). Os valores são aproximados; a compensação real depende da função, região e experiência.
O ADP é novo (introduzido em 2024) e a demanda ainda está crescendo, mas ele preenche uma lacuna clara abaixo da certificação Professional Data Engineer que o Google precisava há muito tempo. Empresas que utilizam stacks centradas no BigQuery — particularmente empresas nativas digitais, de ad-tech, análise de varejo e jogos — o listam em anúncios de engenheiro-analista como um diferencial. A demanda está concentrada em mercados com forte presença de GCP (SF Bay Area, NYC, Londres) e em setores onde o Looker é a ferramenta de BI padrão. À medida que a credencial amadurece, espera-se que ela se torne a certificação GCP padrão em anúncios de emprego de analista de dados, da mesma forma que o Microsoft DP-900 / DP-203 dominam o trilho de análise do Azure.
Não há pré-requisitos formais. O Google recomenda seis meses ou mais de trabalho prático com dados no Google Cloud, familiaridade com SQL e uma compreensão básica dos conceitos de pipeline de dados. O Percurso de Aprendizagem oficial do Associate Data Practitioner no Google Cloud Skills Boost (cerca de 30-40 horas de laboratórios) abrange tudo o que é testado.
Se você não tem nenhuma experiência com SQL, planeje 20-30 horas extras para se familiarizar com SQL intermediário (joins, funções de janela, CTEs) — as perguntas de SQL do BigQuery não são flashcards, são cenários curtos. Se você já possui AWS Data Engineer Associate, Azure DP-900 ou DP-203, o conteúdo conceitual se mapeia diretamente; você basicamente reaprende nomes de produtos (BigQuery vs. Redshift / Synapse, Dataflow vs. Glue / ADF, Dataform vs. dbt-cloud, Looker vs. QuickSight / Power BI).
O ADP é de nível associado e destina-se ao profissional que "faz trabalho com dados", em vez do engenheiro que "arquitetura plataformas de dados". Planeje 50–80 horas ao longo de 5–8 semanas se você for novo nas ferramentas de dados do GCP, ou 20–35 horas ao longo de 2–4 semanas se você já trabalha diariamente no BigQuery. O exame consiste em 50–60 questões de múltipla escolha / múltipla seleção em 120 minutos, entregues através da Pearson VUE (o Google migrou de Kryterion / Webassessor no início de 2026).
O obstáculo mais comum é a amplitude da terminologia de Dataplex, Data Catalog e Dataform — esses produtos evoluíram rapidamente e as perguntas podem depender de distinções de nomenclatura (zonas vs. lagos vs. ativos, modelos de tags vs. tags). A prática prática com o sandbox do BigQuery e um pequeno projeto de painel do Looker Studio é a preparação de maior alavancagem. O Google não publica pontuações numéricas — apenas aprovação/reprovação. A credencial é válida por três anos e a recertificação exige a aprovação novamente no exame atual.
Disponibilidade geral inicial. Nova credencial de nível associado que preenche a lacuna entre o Cloud Digital Leader e a certificação Professional Data Engineer. Versão atual a partir de abril de 2026.
ADP (Google Cloud Associate Data Practitioner) é um exame de nível Associate um exame de dificuldade moderada que exige experiência prática e um sólido entendimento das melhores práticas. A maioria dos candidatos precisa de 80 a 150 horas de estudo distribuídas em 6 a 12 semanas para exames de nível associado. A maioria dos candidatos que pontuam consistentemente acima do limite de aprovação em exames práticos é aprovada na primeira tentativa.
A maioria dos candidatos precisa de 80 a 150 horas de estudo distribuídas em 6 a 12 semanas para exames de nível associado. O tempo para aprovação varia amplamente de acordo com a experiência prévia. Engenheiros com experiência prática de produção na tecnologia subjacente geralmente precisam de menos tempo; candidatos novos na plataforma devem planejar-se para o limite superior dessa faixa.
ADP é uma credencial reconhecida no ecossistema GCP e sinaliza conhecimento validado para empregadores, recrutadores e clientes. Se vale a pena o tempo e a taxa para você, depende do seu papel e objetivos — geralmente compensa mais para engenheiros de nuvem, arquitetos e consultores que trabalham com GCP diariamente ou desejam mudar para funções que o fazem.
A pontuação de aprovação para ADP é Não publicado. O exame contém 50 questões e dura 2 h.
A taxa do exame ADP é $125 USD. As taxas são definidas por GCP e podem variar por região; sempre confirme o preço atual na página oficial de certificação GCP antes de agendar.
As certificações Google Cloud Foundational e Associate são válidas por 3 anos. Recertifique-se passando novamente na versão atual do exame.
Sim. Você pode fazer o exame online (supervisionado através do navegador seguro do provedor, disponível 24 horas por dia, 7 dias por semana na maioria das regiões) ou em um centro de testes Pearson VUE presencial durante o horário comercial. Ambos os formatos usam as mesmas perguntas, limite de tempo e pontuação de aprovação.
A CertLabPro oferece 15 modos de estudo no banco de questões práticas para ADP. O modo de simulação de exame espelha o exame real: 50 questões em 2 h, com o mesmo limite de aprovação de Não publicado. O modo de navegação permite que você leia todas as perguntas e respostas estaticamente.