Google Cloud Associate Data Practitioner
225 практических вопросов
Последняя проверка: April 2026
Написаны с нуля по официальному руководству к экзамену GCP
Личные заметки и ссылки на ресурсы для вашего учебного пути
Отслеживайте экзамены, заметки и ресурсы по дням
Google Cloud Associate Data Practitioner (ADP) - это новая квалификация начального уровня, которая подтверждает повседневную работу с данными в Google Cloud: приём, преобразование, анализ и представление данных с помощью BigQuery, Dataform, Dataflow, Dataplex и Looker. Она ориентирована на аналитиков данных, BI-инженеров и инженеров по аналитике, а не на полноценных инженеров данных, поэтому экзамен делает акцент на SQL, запланированных запросах, базовой оркестрации конвейеров и панелях Looker / Looker Studio, а не на глубоком стриминге и содержимом платформенной инженерии. ADP находится между Cloud Digital Leader и сертификацией Professional Data Engineer (PDE): более технический, чем CDL, менее архитектурный, чем PDE. Это самый доступный технический сертификат по работе с данными в направлении GCP.
Самая большая область (30%). Загрузки BigQuery, федеративные запросы, Storage Transfer Service, Datastream для CDC, Pub/Sub для потоковой передачи данных, базовые шаблоны Dataflow. Преобразования SQL и Dataform.
BigQuery SQL (оконные функции, CTE, ARRAYs/STRUCTs), основы семантической модели Looker, панели Looker Studio, запланированные запросы и BI Engine. 27% - сильный акцент на практическом SQL.
DAG-и Cloud Composer (управляемый Airflow), рабочие процессы Dataform, Cloud Scheduler + Cloud Workflows, триггеры Pub/Sub. 18% - концептуально, без кода DAG, но кандидаты должны знать, какой оркестратор подходит для какого шаблона.
Зоны и озёра Dataplex, тегирование и поиск в Data Catalog, IAM для BigQuery (на уровне набора данных / таблицы / столбца / строки), шифрование с помощью CMEK, хранение и безопасность на уровне таблицы. 25%.
Сервисы, с которыми вы столкнётесь на экзамене, и почему каждый из них важен.
Бессерверное, колоночное хранилище данных с разделением хранения и вычислений, ANSI SQL, запросами к полуструктурированным (JSON) данным на месте и ценообразованием за запрос или на основе слотов.
Почему он на экзамене: BigQuery - центральный элемент Домена 2 (Анализ и представление данных); ожидайте вопросов о партиционировании, кластеризации, материализованных представлениях и резервировании слотов.
Объектное хранилище, служащее основой озера данных для слоёв сырых, курируемых и потребляемых данных, с классами Standard / Nearline / Coldline / Archive и Autoclass.
Почему он на экзамене: Каждый сценарий Подготовки и загрузки данных ADP предполагает Cloud Storage как зону приземления; классы хранения, жизненный цикл и схема партиционирования определяют вопросы по Управлению данными.
Полностью управляемый исполнитель Apache Beam для унифицированных пакетных и потоковых конвейеров с автоматически масштабируемыми рабочими процессами, семантикой точно-одного-раза и встроенными гибкими шаблонами.
Почему он на экзамене: Dataflow - это ответ по умолчанию для бессерверного ETL/ELT в Домене 1 (Подготовка и загрузка данных); вопросы проверяют проектирование пакетных и потоковых конвейеров, а также работу с окнами.
Управляемые кластеры Apache Spark, Hadoop, Flink и Hive с эфемерным автомасштабированием, выполнением в GCE или бессерверном режиме, а также коннекторами для BigQuery / Cloud Storage.
Почему он на экзамене: Эталонный ответ для сценариев «у меня есть существующие задания Spark/Hadoop» в Домене 1 (Подготовка и загрузка данных); противопоставляется Dataflow для проектирования новых конвейеров.
Управляемые реляционные базы данных для PostgreSQL, MySQL и SQL Server с региональной HA, автоматическим резервным копированием и репликами для чтения.
Почему он на экзамене: Cloud SQL является каноническим OLTP-источником, питающим аналитические конвейеры в рамках Домена 4 (Управление данными); ожидайте вопросов о CDC на основе Datastream в BigQuery.
Глобально распределённая, строго согласованная реляционная база данных с горизонтальным масштабированием, записью в нескольких регионах и диалектами ANSI SQL плюс PostgreSQL.
Почему он на экзамене: Spanner появляется в сценариях Домена 4 (Управление данными), требующих глобальной согласованности в масштабе, в отличие от региональных ограничений Cloud SQL.
Глобально доступный сервис обмена сообщениями с семантикой «как минимум один раз» для приёма событий в любом масштабе, с доставкой по push или pull и подписками на BigQuery / Cloud Storage.
Почему он на экзамене: Pub/Sub - это главный ответ для потоковой загрузки в Домене 1 (Подготовка и загрузка данных); сочетается с Dataflow для обогащения данных в реальном времени.
Управляемый сервис Apache Airflow для создания, планирования и мониторинга DAG-ориентированных рабочих процессов в BigQuery, Dataflow, Dataproc и внешних системах.
Почему он на экзамене: Composer - это основной сервис для Домена 3 (Оркестрация конвейеров данных); ожидайте вопросов, отличающих его от Workflows по принципу «сначала код» против декларативной оркестрации.
Абстракция хранилища, позволяющая BigQuery запрашивать данные открытых форматов (Parquet, Iceberg, Hudi, Delta) в Cloud Storage и внешних объектных хранилищах под единым управлением.
Почему он на экзамене: BigLake отвечает на вопрос Домена 4 (Управление данными) «как запрашивать данные из Lakehouse, не копируя их в BigQuery» - и унифицирует управление доступом для всех форматов.
Визуальная студия ETL/ELT без написания кода, построенная на CDAP, со 150+ готовыми коннекторами и подключаемыми трансформациями, выполняющимися на управляемом Dataproc в фоновом режиме.
Почему он на экзамене: Вариант с низким объёмом кода в Домене 1 (Подготовка и загрузка данных); вопросы проверяют, когда выбирать его вместо Dataflow, написанного вручную, для гражданских инженеров данных.
Бессерверный сервис захвата изменений данных (CDC), который передаёт вставки, обновления и удаления из MySQL, PostgreSQL, AlloyDB, SQL Server и Oracle в BigQuery или Cloud Storage.
Почему он на экзамене: Datastream является каноническим ответом для репликации OLTP-данных в BigQuery почти в реальном времени в сценариях Домена 1 (Подготовка и загрузка данных).
Управляемый рабочий процесс трансформации на основе SQL внутри BigQuery с контролем версий, графами зависимостей, утверждениями и CI/CD через интеграцию с Git.
Почему он на экзамене: Dataform отвечает за уровень трансформации внутри хранилища для Домена 3 (Оркестрация конвейеров данных), в отличие от кросс-сервисных DAG Composer.
Бесплатный инструмент BI самообслуживания для интерактивных дашбордов на BigQuery, Cloud SQL, Sheets и 800+ коннекторах, с возможностями совместного использования и встраивания.
Почему он на экзамене: Looker Studio - это главный сервис визуализации для Домена 2 (Анализ и представление данных); ожидайте вопросов о выборе коннекторов и стратегии обновления.
ML-функции внутри хранилища через SQL - обучение, оценка и прогнозирование с помощью регрессии, классификации, кластеризации, временных рядов, а также интеграции AutoML / удалённых моделей с Vertex AI.
Почему он на экзамене: BigQuery ML - это ответ на вопрос «как предоставлять ML-инсайты без перемещения данных» в Домене 2 (Анализ и представление данных); отдельная ML-платформа не требуется.
Сервис обучения без кода для табличных моделей, моделей изображений, видео и текста внутри Vertex AI, включая AutoML Tables, перенесённый на унифицированную платформу Vertex.
Почему он на экзамене: AutoML появляется в сценариях Домена 2 (Анализ и представление данных), где бизнес-аналитикам нужна предиктивная модель без написания кода обучения.
Масштабируемая до петабайт NoSQL база данных с широкими столбцами, задержкой в единицы миллисекунд и совместимостью с HBase API, подходит для IoT, временных рядов и рекламных технологий.
Почему он на экзамене: Bigtable - это названное нереляционное хранилище в вопросах Домена 4 (Управление данными) для высокопроизводительных рабочих нагрузок с низкой задержкой, выходящих за рамки возможностей Firestore.
Контроль доступа на уровне проекта и ресурсов через субъекты, роли и условия - включая разрешения на уровне наборов данных, таблиц, строк и столбцов BigQuery.
Почему он на экзамене: IAM обеспечивает принцип наименьших привилегий в озере данных в Домене 4 (Управление данными); ожидайте вопросов о предопределённых и пользовательских ролях, а также о доступе на уровне столбцов BigQuery.
Управляемые криптографические ключи с ключами шифрования, управляемыми клиентом (CMEK), и ключами, предоставленными клиентом (CSEK), для BigQuery, Cloud Storage, Cloud SQL и Spanner.
Почему он на экзамене: CMEK с Cloud KMS - это канонический ответ Домена 4 (Управление данными) для контроля шифрования данных в покое в хранилище и озере данных.
Унифицированная фабрика данных для каталогизации, классификации, профилирования и управления данными в BigQuery, озёрах Cloud Storage и внешних источниках со встроенными проверками качества.
Почему он на экзамене: Dataplex - это главный сервис каталогизации/управления в Домене 4 (Управление данными); вопросы проверяют организацию озера данных, бизнес-глоссарий и захват происхождения данных.
Неизменяемый аудиторский след административной активности, доступа к данным, системных событий и действий, запрещённых политиками, по всем сервисам Google Cloud, маршрутизируемый в BigQuery для анализа.
Почему он на экзамене: Журналы аудита (Audit Logs) - это названный элемент контроля для ответа на вопрос «кто, когда и к какому набору данных / таблице / объекту обращался» в сценариях соответствия требованиям Домена 4 (Управление данными).
$90k-$130k-$180k USD годовая
Диапазон отражает роли аналитиков-инженеров и BI-специалистов в США, где BigQuery является основным хранилищем. Старшие инженеры по аналитике, эквивалентные FAANG, зарабатывают более 200 тысяч долларов. Роли чистых аналитиков по отчетности, как правило, оплачиваются ниже; инженеры по аналитике в компаниях-«единорогах» с сильным использованием GCP и цифровых компаниях, как правило, зарабатывают больше.
Источник: levels.fyi 2025-2026 (аналитик данных Google L3-L4, инженер по аналитике в компаниях-«единорогах», использующих GCP), U.S. BLS OEWS May 2024 (15-2051 data scientists, 13-2031 budget analysts, 15-1211 computer systems analysts). Цифры приблизительны; фактическая компенсация зависит от роли, региона и опыта.
ADP является новым (представлен в 2024 году), и спрос на него всё ещё формируется, но он заполняет явный пробел ниже сертификата Professional Data Engineer, в котором Google давно нуждался. Компании, использующие стеки, ориентированные на BigQuery - особенно цифровые, рекламные, аналитические в розничной торговле и игровые компании - указывают его в вакансиях аналитиков-инженеров как отличительную черту. Спрос сосредоточен на рынках с сильным присутствием GCP (район залива Сан-Франциско, Нью-Йорк, Лондон) и в отраслях, где Looker является стандартным инструментом BI. По мере развития этой квалификации ожидайте, что она станет сертификатом GCP по умолчанию в объявлениях о вакансиях аналитиков данных, подобно тому, как Microsoft DP-900 / DP-203 доминируют в треке Azure analytics.
Формальных предварительных требований нет. Google рекомендует от шести месяцев практической работы с данными в Google Cloud, уверенное владение SQL и базовое понимание концепций конвейеров данных. Официальный учебный курс Associate Data Practitioner Learning Path на Google Cloud Skills Boost (около 30-40 часов лабораторных работ) охватывает все проверяемые темы.
Если у вас нет опыта работы с SQL вообще, запланируйте 20-30 дополнительных часов, чтобы освоиться с SQL среднего уровня (соединения, оконные функции, CTE) - вопросы BigQuery SQL не являются карточками, это короткие сценарии. Если у вас уже есть AWS Data Engineer Associate, Azure DP-900 или DP-203, концептуальное содержание соответствует напрямую; вам в основном нужно заново выучить названия продуктов (BigQuery против Redshift / Synapse, Dataflow против Glue / ADF, Dataform против dbt-cloud, Looker против QuickSight / Power BI).
ADP - это квалификация начального уровня, предназначенная для специалиста, который «выполняет работу с данными», а не для инженера, который «архитектирует платформы данных». Запланируйте 50-80 часов в течение 5-8 недель, если вы новичок в инструментах данных GCP, или 20-35 часов в течение 2-4 недель, если вы уже ежедневно работаете в BigQuery. Экзамен состоит из 50-60 вопросов с множественным выбором / множественным ответом, длится 120 минут и сдаётся через Pearson VUE (Google перешёл с Kryterion / Webassessor в начале 2026 года).
Наиболее частым препятствием является широта терминологии Dataplex, Data Catalog и Dataform - эти продукты быстро развивались, и вопросы могут зависеть от различий в названиях (зоны против озёр против активов, шаблоны тегов против тегов). Практический опыт работы с песочницей BigQuery и небольшим проектом панели Looker Studio является наиболее эффективной подготовкой. Google не публикует числовые оценки - только «сдал/не сдал». Квалификация действительна в течение трёх лет, и для повторной сертификации требуется повторная сдача текущего экзамена.
Первая общая доступность. Новая квалификация уровня Associate, заполняющая пробел между Cloud Digital Leader и сертификатом Professional Data Engineer. Текущая версия по состоянию на апрель 2026 года.
Это сертификация уровня Associate от Google Cloud для работы с данными в Google Cloud - поглощение и подготовка данных, анализ и визуализация, основы конвейеров и управление данными с помощью таких сервисов, как BigQuery, Looker и Dataflow. Это более новый и доступный путь к ролям, связанным с данными, чем Professional Data Engineer. Полный объем см. в хабе ADP.
Она предназначена для людей, начинающих свою карьеру в области данных - аналитиков данных, начинающих инженеров данных и всех, кто работает с данными в Google Cloud, но еще не готов к экзамену профессионального уровня. Она стоит того как первое надежное удостоверение в области данных и как ступенька к Professional Data Engineer. Сравнение трека данных Google Cloud см. в нашем отчете Обзор сертификаций.
Практикуйтесь с BigQuery и Looker для анализа и визуализации, а также с основами поглощения и подготовки данных, используйте официальный учебный путь Google, чтобы восполнить пробелы, а затем прорабатывайте практические вопросы. Наш банк вопросов ADP охватывает домены экзамена с объяснениями, а практическая лаборатория закрепляет тестируемые рабочие процессы с данными.
ADP (Google Cloud Associate Data Practitioner) - это Associate-уровневый экзамен, экзамен средней сложности, требующий практического опыта и глубокого понимания лучших практик. Большинству кандидатов требуется 80-150 часов обучения, распределенных на 6-12 недель, для экзаменов уровня Associate. Большинство кандидатов, которые стабильно набирают баллы выше проходного порога на пробных экзаменах, сдают его с первой попытки.
Большинству кандидатов требуется 80-150 часов обучения, распределенных на 6-12 недель, для экзаменов уровня Associate. Время, необходимое для сдачи, сильно варьируется в зависимости от предыдущего опыта. Инженерам с практическим опытом работы с базовой технологией обычно требуется меньше времени; кандидатам, новым для платформы, следует ориентироваться на верхнюю границу этого диапазона.
Да - для облачных инженеров, архитекторов и консультантов, работающих с GCP, ADP обычно стоит усилий. Это признанный сертификат, подтверждающий проверенные знания перед работодателями, рекрутерами и клиентами; окупятся ли время и стоимость лично для вас, зависит от вашей роли и целей.
Проходной балл для ADP составляет Не опубликовано. Экзамен содержит 50 вопросов и длится 2 ч.
Стоимость экзамена ADP составляет $125 USD. Сборы устанавливаются GCP и могут варьироваться в зависимости от региона; всегда уточняйте текущую цену на официальной странице сертификации GCP перед бронированием.
Сертификации Google Cloud Foundational и Associate действительны в течение 3 лет. Пройдите повторную сертификацию, пересдав текущую версию экзамена.
Да. Вы можете сдать экзамен онлайн (с прокторингом через безопасный браузер провайдера, доступный 24/7 в большинстве регионов) или в очном центре тестирования Pearson VUE в рабочее время. Оба формата используют одни и те же вопросы, ограничение по времени и проходной балл.
Режим симуляции экзамена ADP на CertLabPro воспроизводит настоящий экзамен: 50 вопросов за 2 ч, с тем же проходным порогом Не опубликовано. Также вам доступно всего 15 режимов обучения, а режим «Обзор» статически показывает каждый вопрос с ответом и пояснением.
$90k-$180k USD - типичный диапазон зарплат в США для ролей, ценящих ADP, по данным levels.fyi 2025-2026 (аналитик данных Google L3-L4, инженер по аналитике в компаниях-«единорогах», использующих GCP), U.S. BLS OEWS May 2024 (15-2051 data scientists, 13-2031 budget analysts, 15-1211 computer systems analysts). Фактическая оплата зависит от уровня, местоположения и должности: senior- и архитекторские роли выше, начальные - ниже.
Да - месяц сосредоточенной подготовки реалистичен для большинства кандидатов. Большинству кандидатов требуется 80-150 часов обучения, распределенных на 6-12 недель, для экзаменов уровня Associate. Если платформа GCP для вас новая, заложите больше времени; с практическим опытом может понадобиться меньше.
Немного практического опыта с GCP помогает, но ADP по силам мотивированным новичкам, которые сначала изучают основы.