DP-600日本語事前に試験練習テストで使おう（最新87問題)
有効なDP-600日本語試験解答PDF一年無料更新
質問 # 20
Report 1 という名前の Microsoft Power Bl レポートを含むファブリック テナントがあります。
Report1 のレンダリングが遅い。非効率的な DAX クエリが実行されているのではないかと思われます。
最も遅い DAX クエリを特定し、そのクエリがストレージ エンジンと比較して数式エンジンでどれくらいの時間を費やしているかを確認する必要があります。
どの 5 つのアクションを順番に実行する必要がありますか?回答するには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。
正解：
解説：
Explanation:
To identify the slowest DAX query and analyze the time it spends in the formula engine compared to the storage engine, you should perform the following actions in sequence:
* From Performance analyzer, capture a recording.
* View the Server Timings tab.
* Enable Query Timings and Server Timings. Run the query.
* View the Query Timings tab.
* Sort the Duration (ms) column in descending order by DAX query time.
質問 # 21
Microsoft Power B1 レポートと、Direct Lake モードを使用するセマンティック モデルがあります。次の図に示すように、Power Si Desktop からパフォーマンス アナライザーを開きます。
ドロップダウン メニューを使用して、図に示されている情報に基づいて各ステートメントを完成させる回答の選択肢を選択します。注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
* The Direct Lake fallback behavior is set to: DirectQueryOnly
* The query for the table visual is executed by using: DirectQuery
In the context of Microsoft Power BI, when using DirectQuery in Direct Lake mode, there is no caching of data and all queries are sent directly to the underlying data source. The Performance Analyzer tool shows the time taken for different operations, and from the options provided, it indicates that DirectQuery mode is being used for the visuals, which is consistent with the Direct Lake setting. DirectQueryOnly as the fallback behavior ensures that only DirectQuery will be used without reverting to import mode.
質問 # 22
倉庫を含む Fabric テナントがあります。
ユーザーは、通常は表示に 2 分かかるレポートが 45 分間実行されているのにまだ表示されていないことに気づきました。
レポート クエリの完了を妨げている原因を特定する必要があります。
どの動的管理ビュー (DMV) を使用する必要がありますか?
- A. sys.dm._exec._connections
- B. sys.dm-exec_requests
- C. sys.dm_pdw_exec_requests
- D. sys.dn_.exec._sessions
正解：C
解説：
The correct DMV to identify what is preventing the report query from completing is sys.dm_pdw_exec_requests (D). This DMV is specific to Microsoft Analytics Platform System (previously known as SQL Data Warehouse), which is the environment assumed to be used here. It provides information about all queries and load commands currently running or that have recently run. References = You can find more about DMVs in the Microsoft documentation for Analytics Platform System.
質問 # 23
倉庫を含む Fabric テナントがあります。
一日に何度も。すべてのウェアハウス クエリのパフォーマンスが低下します。 Fabric がウェアハウスで使用されるコンピューティングを抑制しているのではないかと考えられます。
スロットルが発生しているかどうかを識別するには何を使用する必要がありますか?
- A. モニタリング ハブ
- B. 容量設定
- C. 動的管理ビュー (DMV)
- D. Microsoft ファブリック キャパシティ メトリック アプリ
正解：A
解説：
To identify whether throttling is occurring, you should use the Monitoring hub (B). This provides a centralized place where you can monitor and manage the health, performance, and reliability of your data estate, and see if the compute resources are being throttled. References = The use of the Monitoring hub for performance management and troubleshooting is detailed in the Azure Synapse Analytics documentation.
質問 # 24
モデル 1 という名前のセマンティック モデルがあります。モデル 1 には、インポート モードを使用する 5 つのテーブルが含まれています。 Model1 には、HR という名前の動的行レベル セキュリティ (RLS) ロールが含まれています。 HR ロールは従業員データをフィルタリングして、HR マネージャーが自分が割り当てられている部門のデータのみを表示できるようにします。
Model1 をファブリック テナントに公開し、RLS ロール メンバーシップを構成します。モデルと関連レポートをユーザーと共有します。
人事マネージャーは、レポートに表示されるデータが不完全であると報告しました。
HR マネージャーが確認したデータを検証するにはどうすればよいですか?
- A. レポート内のデータをフィルタリングして、人事部門用のフィルタの意図されたロジックと一致させます。
- B. データを HR ロールとして表示するには、[ロールとしてテスト] を選択します。
- C. 人事マネージャーに Microsoft Power Bl Desktop でレポートを開くように依頼します。
- D. HR マネージャーとしてレポートを表示するには、ロールとして「テスト」を選択します。
正解：B
解説：
To validate the data seen by the HR manager, you should use the 'Test as role' feature in Power BI service.
This allows you to see the data exactly as it would appear for the HR role, considering the dynamic RLS setup.
Here is how you would proceed:
* Navigate to the Power BI service and locate Model1.
* Access the dataset settings for Model1.
* Find the security/RLS settings where you configured the roles.
* Use the 'Test as role' feature to simulate the report viewing experience as the HR role.
* Review the data and the filters applied to ensure that the RLS is functioning correctly.
* If discrepancies are found, adjust the RLS expressions or the role membership as needed.
References: The 'Test as role' feature and its use for validating RLS in Power BI is covered in the Power BI documentation available on Microsoft's official documentation.
質問 # 25
データ パイプラインを含むファブリック テナントがあります。
パイプラインが月曜日と金曜日に 4 時間ごとに実行されるようにする必要があります。
スケジュールのリピートを何に設定すればよいですか?
- A. 毎時
- B. 毎日
- C. 毎分
- D. 毎週
正解：D
解説：
You should set Repeat for the schedule to Weekly (C). This allows you to specify the pipeline to run on specific days of the week, in this case, every four hours on Mondays and Fridays. References = Scheduling options for data pipelines are available in the Azure Data Factory documentation, which includes details on configuring recurring triggers.
質問 # 26
次の図に示す Python コードと出力を含む Fabric ノートブックがあります。
どのタイプの分析を実行していますか?
- A. 予測
- B. 診断
- C. 説明的なもの
- D. 規範的
正解：C
解説：
The Python code and output shown in the exhibit display a histogram, which is a representation of the distribution of data. This kind of analysis is descriptive analytics, which is used to describe or summarize the features of a dataset. Descriptive analytics answers the question of "what has happened" by providing insight into past data through tools such as mean, median, mode, standard deviation, and graphical representations like histograms.
References: Descriptive analytics and the use of histograms as a way to visualize data distribution are basic concepts in data analysis, often covered in introductory analytics and Python programming resources.
質問 # 27
Microsoft Power Bl Desktop を使用してセマンティック モデルを作成します。モデルには、SalesRegionManager という名前の 1 つのセキュリティ ロールと次のテーブルが含まれています。
* 販売
* 販売地域
* 販売アドレス
SalesRegionManager ロールを割り当てられたユーザーが Sales Address の Address という名前の列を参照できないようにモデルを変更する必要があります。
どの 3 つのアクションを順番に実行する必要がありますか?回答するには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。
正解：
解説：
Explanation:
To ensure that users assigned the SalesRegionManager role cannot see the Address column in the SalesAddress table, follow these steps in sequence:
* Open the model in Tabular Editor.
* Select the Address column in SalesAddress.
* Set Object Level Security to None for SalesRegionManager.
質問 # 28
ファブリック テナントがあります。
Spark DataFrame を使用して Microsoft Power Bl ビジュアルを生成する Fabric ノートブックを作成する予定です。
次のコードを実行します。
次の各ステートメントについて、そのステートメントが true の場合は [はい] を選択します。それ以外の場合は、「いいえ」を選択します。 注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
* The code embeds an existing Power BI report. - No
* The code creates a Power BI report. - Yes
* The code displays a summary of the DataFrame. - Yes
The code provided seems to be a snippet from a SQL query or script which is neither creating nor embedding a Power BI report directly. It appears to be setting up a DataFrame for use within a larger context, potentially for visualization in Power BI, but the code itself does not perform the creation or embedding of a report. Instead, it's likely part of a data processing step that summarizes data.
References =
* Introduction to DataFrames - Spark SQL
* Power BI and Azure Databricks
質問 # 29
セマンティック モデルを含むファブリック テナントがあります。モデルには小売店に関するデータが含まれています。
XMLA エンドポイントを使用して実行される DAX クエリを作成する必要があります。クエリは、2023 年 12 月 1 日以降にオープンした店舗のテーブルを返す必要があります。
DAX 式をどのように完成させるべきでしょうか?答えるには、適切な値を正しいターゲットにドラッグします。
各値は 1 回使用することも、複数回使用することも、まったく使用しないこともできます。コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
The correct order for the DAX expression would be:
* DEFINE VAR _SalesSince = DATE ( 2023, 12, 01 )
* EVALUATE
* FILTER (
* SUMMARIZE ( Store, Store[Name], Store[OpenDate] ),
* Store[OpenDate] >= _SalesSince )
In this DAX query, you're defining a variable _SalesSince to hold the date from which you want to filter the stores. EVALUATE starts the definition of the query. The FILTER function is used to return a table that filters another table or expression. SUMMARIZE creates a summary table for the stores, including the Store[Name] and Store[OpenDate] columns, and the filter expression Store[OpenDate] >= _SalesSince ensures only stores opened on or after December 1, 2023, are included in the results.
References =
* DAX FILTER Function
* DAX SUMMARIZE Function
質問 # 30
lakehouse1 という名前のレイクハウスを含むファブリック テナントがあります。 Lakehouse1 には、Table1 という名前のパーティション化されていないテーブルが含まれています。
データを Table1 にコピーし、ソース データの日付列に基づいてテーブルをパーティション化することを計画しています。
データを Table1 にコピーするコピー アクティビティを作成します。
コピー アクティビティの宛先設定でパーティション列を指定する必要があります。
まず何をすべきでしょうか?
- A. [宛先] タブで、[モード] を [上書き] に設定します。
- B. [ソース] タブから、[パーティション検出を有効にする] を選択します。
- C. [宛先] タブで、[モード] を [追加] に設定します。
- D. [宛先] タブからパーティション列を選択します。
正解：A
解説：
Before specifying the partition column in the Destination settings of the Copy activity, you should set Mode to Append (A). This will allow the Copy activity to add data to the table while taking the partition column into account. References = The configuration options for Copy activities and partitioning in Azure Data Factory, which are applicable to Fabric dataflows, are outlined in the official Azure Data Factory documentation.
質問 # 31
Lakehouse1 という名前のレイクハウスを含む Fabric テナントがあります。 Lakehouse1 には、CSV ファイルを含む Subfolder1 という名前のサブフォルダーが含まれています。 CSV ファイルを、V-Order 最適化が有効になっているデルタ形式に変換する必要があります。 Lakehouse エクスプローラーから何をすればよいですか?
- A. 最適化機能を使用します。
- B. [ファイル] セクションに新しいショートカットを作成します。
- C. [テーブル] セクションに新しいショートカットを作成します。
- D. テーブルへのロード機能を使用します。
正解：A
解説：
To convert CSV files into the delta format with Z-Order optimization enabled, you should use the Optimize feature (D) from Lakehouse Explorer. This will allow you to optimize the file organization for the most efficient querying. References = The process for converting and optimizing file formats within a lakehouse is discussed in the lakehouse management documentation.
質問 # 32
Workspace^ Workspacel という名前のワークスペースを含むファブリック テナントがあり、ファブリック キャパシティに割り当てられています。
外部ツールを使用してカスタム Direct Lake セマンティック モデルを作成および公開できる機能をユーザーに提供するソリューションを推奨する必要があります。ソリューションは最小特権の原則に従う必要があります。
推奨事項に含める必要があるファブリック管理ポータルの 3 つのアクションはどれですか?それぞれの正解は、解決策の一部を示しています。
注: 各正解は 1 ポイントの価値があります。
- A. テナント設定から、Web への公開を有効にします。
- B. テナント設定から、[ユーザーは Power Bl サービスでデータ モデルを編集できる] を選択します。
- C. テナント設定から、ユーザーがファブリック アイテムを作成できるように設定します。
- D. テナント設定で、オンプレミス データセットを使用した XMLA エンドポイントと Excel での分析を許可するを有効に設定します。
- E. テナント設定から、Azure Active Directory ゲスト ユーザーに Microsoft Fabric へのアクセスを許可するを有効に設定します。
- F. 容量設定から、XMLA エンドポイントを読み取り/書き込みに設定します。
正解：B、D、F
解説：
For users to create and publish custom Direct Lake semantic models using external tools, following the principle of least privilege, the actions to be included are enabling XMLA Endpoints (A), editing data models in Power BI service (C), and setting XMLA Endpoint to Read-Write in the capacity settings (D). References = More information can be found in the Admin portal of the Power BI service documentation, detailing tenant and capacity settings.
質問 # 33
デフォルトの Spark スターター プールとランタイム バージョン 1、2 を使用する Fabric ワークスペースがあります。
レイクハウス内の Sales.raw.csv という CSV ファイルを読み取り、列を選択して、データを Delta テーブルとしてレイクハウスの管理領域に保存する予定です。Sales_raw.csv には 12 列が含まれています。
次のコードがあります。
次の各ステートメントについて、そのステートメントが true の場合は [はい] を選択します。それ以外の場合は、「いいえ」を選択します。 注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
* The Spark engine will read only the 'SalesOrderNumber', 'OrderDate', 'CustomerName', 'UnitPrice' columns from Sales_raw.csv. - Yes
* Removing the partition will reduce the execution time of the query. - No
* Adding inferSchema='true' to the options will increase the execution time of the query. - Yes The code specifies the selection of certain columns, which means only those columns will be read into the DataFrame. Partitions in Spark are a way to optimize the execution of queries by organizing the data into parts that can be processed in parallel. Removing the partition could potentially increase the execution time because Spark would no longer be able to process the data in parallel efficiently. The inferSchema option allows Spark to automatically detect the column data types, which can increase the execution time of the initial read operation because it requires Spark to read through the data to infer the schema.
質問 # 34
Fabric テナントがあります。
Fabric Data Factory パイプラインを作成しています。
アクティブ顧客の数と現在の月の平均売上を返すストアド プロシージャがあります。
ウェアハウスでストアド プロシージャを実行するアクティビティを追加する必要があります。返された値は、パイプラインの下流のアクティビティで使用できる必要があります。
どのような種類のアクティビティを追加する必要がありますか?
- A. データをコピー
- B. 変数を追加
- C. スクリプト
- D. スイッチ
正解：C
質問 # 35
PySpanc を使用して Fabric ノートブックで顧客の購入を分析しています。次の DataFrame があります。
customer_id 列で DataFrame を結合する必要があります。ソリューションでは、データのシャッフルを最小限に抑える必要があります。次のコードを記述します。
結果のデータフレームを設定するにはどのコードを実行する必要がありますか?
- A.
- B.
- C.
- D.
正解：D
解説：
The correct code to populate the results DataFrame with minimal data shuffling is Option A. Using the broadcast function in PySpark is a way to minimize data movement by broadcasting the smaller DataFrame ( customers) to each node in the cluster. This is ideal when one DataFrame is much smaller than the other, as in this case with customers. References = You can refer to the official Apache Spark documentation for more details on joins and the broadcast hint.
質問 # 36
注: この質問は、同じシナリオを提示する一連の質問の一部です。一連の質問にはそれぞれ、定められた目標を満たす可能性のある独自の解決策が含まれています。質問セットによっては、正しい解決策が複数ある場合もあれば、正しい解決策がない場合もあります。
このセクションで質問に答えた後は、そのセクションに戻ることはできません。そのため、これらの質問はレビュー画面に表示されません。
Model1 という名前のセマンティック モデルを含む Fabric テナントがあります。
次のクエリは Model1 に対して実行が遅いことがわかります。
クエリの実行時間を短縮する必要があります。
解決策: 次のコードを使用して 4 行目を置き換えます。
これは目標を満たしていますか?
- A. いいえ
- B. はい
正解：A
解説：
Topic 1, Litware. Inc. Case Study
Overview
Litware. Inc. is a manufacturing company that has offices throughout North America. The analytics team at Litware contains data engineers, analytics engineers, data analysts, and data scientists.
Existing Environment
litware has been using a Microsoft Power Bl tenant for three years. Litware has NOT enabled any Fabric capacities and features.
Fabric Environment
Litware has data that must be analyzed as shown in the following table.
The Product data contains a single table and the following columns.
The customer satisfaction data contains the following tables:
* Survey
* Question
* Response
For each survey submitted, the following occurs:
* One row is added to the Survey table.
* One row is added to the Response table for each question in the survey.
The Question table contains the text of each survey question. The third question in each survey response is an overall satisfaction score. Customers can submit a survey after each purchase.
User Problems
The analytics team has large volumes of data, some of which is semi-structured. The team wants to use Fabric to create a new data store.
Product data is often classified into three pricing groups: high, medium, and low. This logic is implemented in several databases and semantic models, but the logic does NOT always match across implementations.
Planned Changes
Litware plans to enable Fabric features in the existing tenant. The analytics team will create a new data store as a proof of concept (PoC). The remaining Litware users will only get access to the Fabric features once the PoC is complete. The PoC will be completed by using a Fabric trial capacity.
The following three workspaces will be created:
* AnalyticsPOC: Will contain the data store, semantic models, reports, pipelines, dataflows, and notebooks used to populate the data store
* DataEngPOC: Will contain all the pipelines, dataflows, and notebooks used to populate Onelake
* DataSciPOC: Will contain all the notebooks and reports created by the data scientists The following will be created in the AnalyticsPOC workspace:
* A data store (type to be decided)
* A custom semantic model
* A default semantic model
* Interactive reports
The data engineers will create data pipelines to load data to OneLake either hourly or daily depending on the data source. The analytics engineers will create processes to ingest transform, and load the data to the data store in the AnalyticsPOC workspace daily. Whenever possible, the data engineers will use low-code tools for data ingestion. The choice of which data cleansing and transformation tools to use will be at the data engineers' discretion.
All the semantic models and reports in the Analytics POC workspace will use the data store as the sole data source.
Technical Requirements
The data store must support the following:
* Read access by using T-SQL or Python
* Semi-structured and unstructured data
* Row-level security (RLS) for users executing T-SQL queries
Files loaded by the data engineers to OneLake will be stored in the Parquet format and will meet Delta Lake specifications.
Data will be loaded without transformation in one area of the AnalyticsPOC data store. The data will then be cleansed, merged, and transformed into a dimensional model.
The data load process must ensure that the raw and cleansed data is updated completely before populating the dimensional model.
The dimensional model must contain a date dimension. There is no existing data source for the date dimension. The Litware fiscal year matches the calendar year. The date dimension must always contain dates from 2010 through the end of the current year.
The product pricing group logic must be maintained by the analytics engineers in a single location. The pricing group data must be made available in the data store for T-SQL queries and in the default semantic model. The following logic must be used:
* List prices that are less than or equal to 50 are in the low pricing group.
* List prices that are greater than 50 and less than or equal to 1,000 are in the medium pricing group.
* List pnces that are greater than 1,000 are in the high pricing group.
Security Requirements
Only Fabric administrators and the analytics team must be able to see the Fabric items created as part of the PoC. Litware identifies the following security requirements for the Fabric items in the AnalyticsPOC workspace:
* Fabric administrators will be the workspace administrators.
* The data engineers must be able to read from and write to the data store. No access must be granted to datasets or reports.
* The analytics engineers must be able to read from, write to, and create schemas in the data store. They also must be able to create and share semantic models with the data analysts and view and modify all reports in the workspace.
* The data scientists must be able to read from the data store, but not write to it. They will access the data by using a Spark notebook.
* The data analysts must have read access to only the dimensional model objects in the data store. They also must have access to create Power Bl reports by using the semantic models created by the analytics engineers.
* The date dimension must be available to all users of the data store.
* The principle of least privilege must be followed.
Both the default and custom semantic models must include only tables or views from the dimensional model in the data store. Litware already has the following Microsoft Entra security groups:
* FabricAdmins: Fabric administrators
* AnalyticsTeam: All the members of the analytics team
* DataAnalysts: The data analysts on the analytics team
* DataScientists: The data scientists on the analytics team
* Data Engineers: The data engineers on the analytics team
* Analytics Engineers: The analytics engineers on the analytics team
Report Requirements
The data analysis must create a customer satisfaction report that meets the following requirements:
* Enables a user to select a product to filter customer survey responses to only those who have purchased that product
* Displays the average overall satisfaction score of all the surveys submitted during the last 12 months up to a selected date
* Shows data as soon as the data is updated in the data store
* Ensures that the report and the semantic model only contain data from the current and previous year
* Ensures that the report respects any table-level security specified in the source data store
* Minimizes the execution time of report queries
質問 # 37
Repo1 という名前の Azure Repos Git リポジトリと、ファブリック対応の Microsoft Power Bl Premium 容量があります。この容量には、「Workspace!」という名前の 2 つのワークスペースが含まれています。とワークスペース2。 Git 統合はワークスペース レベルで有効になります。
Microsoft Power Bl デスクトップとワークスペースを使用する予定です。 Repo1 に保存されているセマンティック モデルにバージョン管理された変更を加えます。変更は、Azure Pipelines を使用して Workspace2 に構築およびデプロイされます。
レポートとセマンティック モデルの定義がフォルダー階層内の個別のテキスト ファイルとして保存されていることを確認する必要があります。ソリューションでは、開発とメンテナンスの労力を最小限に抑える必要があります。
どのファイル形式で変更を保存する必要がありますか?
- A. PBIDS
- B. PBIX
- C. PBIT
- D. PBIP
正解：B
解説：
When working with Power BI Desktop and Git integration for version control, report and semantic model definitions should be saved in the PBIX format. PBIX is the Power BI Desktop file format that contains definitions for reports, data models, and queries, and it can be easily saved and tracked in a version-controlled environment. The solution should minimize development and maintenance effort, and saving in PBIX format allows for the easiest transition from development to deployment, especially when using Azure Pipelines for CI/CD (continuous integration/continuous deployment) practices.
References: The use of PBIX files with Power BI Desktop and Azure Repos for version control is discussed in Microsoft's official Power BI documentation, particularly in the sections covering Power BI Desktop files and Azure DevOps integration.
質問 # 38
セマンティック モデルを含むファブリック テナントがあります。
暗黙的な対策を使用して、レポート作成者がビジュアルを設定できないようにする必要があります。
目標を達成するために使用できる 2 つのツールは何ですか?それぞれの正解は完全な解決策を示します。
注: 各正解は 1 ポイントの価値があります。
- A. 表形式エディタ
- B. Microsoft Power BI デスクトップ
- C. DAX スタジオ
- D. Microsoft SQL Server Management Studio (SSMS)
正解：A、B
解説：
Microsoft Power BI Desktop (A) and Tabular Editor (B) are the tools you can use to prevent report creators from using implicit measures. In Power BI Desktop, you can define explicit measures which can be used in visuals. Tabular Editor allows for advanced model editing, where you can enforce the use of explicit measures.
References = Guidance on using explicit measures and preventing implicit measures in reports can be found in the Power BI and Tabular Editor official documentation.
質問 # 39
全体的な満足度の平均スコアを計算するには、DAX メジャーを作成する必要があります。
DAX コードをどのように完成させるべきでしょうか?回答するには、回答領域で適切なオプションを選択してください。
注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
* The measure should use the AVERAGE function to calculate the average value.
* It should reference the Response Value column from the 'Survey' table.
* The 'Number of months' should be used to define the period for the average calculation.
To calculate the average overall satisfaction score using DAX, you would need to use the AVERAGE function on the response values related to satisfaction questions. The DATESINPERIOD function will help in calculating the rolling average over the last 12 months.
質問 # 40
倉庫を含む Fabric テナントがあります。
顧客ディメンションを含むスター スキーマ モデルを設計しています。顧客ディメンション テーブルは、タイプ 2 のゆっくりと変化するディメンション (SCD) になります。
テーブルに追加する列を推奨する必要があります。列はソース内にすでに存在していてはなりません。
どの 3 種類のカラムをお勧めしますか?それぞれの正解は、解決策の一部を示しています。
注: 各正解は 1 ポイントの価値があります。
- A. 有効な開始日時
- B. 有効な終了日時
- C. 外部キー
- D. 自然キー
- E. 代理キー
正解：A、B、E
解説：
For a Type 2 slowly changing dimension (SCD), you typically need to add the following types of columns that do not exist in the source system:
* An effective start date and time (E): This column records the date and time from which the data in the row is effective.
* An effective end date and time (A): This column indicates until when the data in the row was effective.
It allows you to keep historical records for changes over time.
* A surrogate key (C): A surrogate key is a unique identifier for each row in a table, which is necessary for Type 2 SCDs to differentiate between historical and current records.
References: Best practices for designing slowly changing dimensions in data warehousing solutions, which include Type 2 SCDs, are commonly discussed in data warehousing and business intelligence literature and would be part of the modeling guidance in a Fabric tenant's documentation.
質問 # 41
......
Implementing Analytics Solutions Using Microsoft Fabric (DP-600日本語版)無料更新認定サンプル問題：https://www.jpntest.com/shiken/DP-600J-mondaishu