$99 + 2 周拿一张永不过期的微软数据入门证；BA、业务分析、数据转行者最便宜的入场券，技术工程师可以直接跳 DP-203 / PL-300。
这张认证到底考什么
先把考试形式、适合人群、备考时长和学习范围讲清楚，再决定要不要投入时间。
Microsoft Certified: Azure Data Fundamentals（考试代号 DP-900）是微软数据认证体系最底层的一张证，2020 年上线，定位明确：给不写代码的人一套统一的数据词汇表。考纲四大块 — 核心数据概念 25-30%、关系型数据 20-25%、非关系型数据 15-20%、分析工作负载 25-30%。考试 60 分钟、40-60 题、700/1000 通过、考费 $99 USD。题型是单选、多选、判断、拖放，没有 Case Study，难度在微软所有 Fundamentals 里偏低。
最重要的两件事说在前面：
- 永不过期 — 和 AZ-900、AI-900 一样，Fundamentals 级证书一次拿了终身有效，不用像 DP-203 那样每年做 Renewal Assessment。这点对预算紧张的转行者很关键，$99 是一次性投入。
- 大概率不用花这 $99 — 微软全年滚动开 Microsoft Virtual Training Days: Azure Data Fundamentals（免费在线两天 workshop），结业后会自动发一张 100% off 的考试代金券到你的 Microsoft Learn 账户，2-6 周到账。社区里 90% 的人都是这么免费考的，付全价考的反而是少数。
DP-900 考的不是 SQL 写法、不是 Spark 调优、也不是 Python，而是"数据的世界长什么样" — 关系型数据库 vs 非关系型数据库的差别、OLTP 和 OLAP 的工作负载特征、Azure 数据服务有哪些（Azure SQL Database、Azure SQL Managed Instance、Cosmos DB 的 5 种 API、Synapse Analytics、Data Factory、Databricks、HDInsight、Stream Analytics）、ETL 和 ELT 的区别、数据仓库 / 数据湖 / Lakehouse 三种架构的取舍、Power BI 在分析链条里的角色。它要求你能听懂这些词，但不要求你会用 — 这正是为什么它适合非工程师。
适合人群非常清晰：业务分析师（BA）想转数据分析、销售/市场需要跟客户聊数据迁移项目、传统行业 IT 要把本地 SQL Server 迁到 Azure、刚毕业想进数据岗的应届生、为 DP-203（数据工程师）或 PL-300（Power BI 数据分析师）打地基的人。如果你已经会写 PySpark 或调过 Synapse，不用考 DP-900 — 直接上 DP-203 或 PL-300，DP-900 的内容你 1 天就能扫完，证书本身在简历上不会给工程师岗加分。
你会反复碰到的核心服务
学完以后你能带走什么
- 获得 Microsoft 官方认可的 Azure Data Fundamentals 认证
- 掌握核心数据概念和数据角色
- 了解关系型和非关系型数据存储方案
- 理解数据分析工作负载和可视化工具
考试详情
适合谁考
适合人群
- 希望了解数据基础概念的 IT 从业者
- 数据库管理员和数据分析师新手
- Azure 云计算从业者希望扩展数据技能
- 计算机科学/信息管理专业学生
- 准备进阶 DP-203/DP-300 认证的人员
开始前最好先有
- 无特定编程或数据库背景要求
- 建议了解基本的计算机概念
- 对数据存储和处理有基本兴趣
- 建议有基础的 Azure 使用经验
值不值得考？职业价值
Azure Data Fundamentals 持证人的薪资区间、对应岗位、以及真实的职业影响。
先把"DP-900 能不能直接换工作"说清楚
不能。DP-900 是 Foundational 认证，HR 看到它不会直接给你发 offer，但会做两件事：第一，把你的简历从"完全不懂数据"那一摞里挑出来；第二，在面试时不会问你"什么是 OLTP" — 因为有这张证就默认你懂。它的真实作用是让你的简历从被秒拒变成进入面试，至于面试能不能通过，靠的是后续的 SQL 实操、Power BI 作品集、或者真实项目经验。
真正适合考 DP-900 的人 + 对应的薪资跳跃：
- 业务分析师 / BA 转数据分析师 — 澳洲 BA 起薪 75-95k AUD，加上 DP-900 + Power BI 实战作品集后转到 Junior Data Analyst 通常能涨到 90-115k。这是 DP-900 投资回报率最高的人群，因为 BA 已经懂业务、会写需求文档、会用 Excel，缺的就是"数据语言" — DP-900 正好补这块。
- 传统行业 IT（银行/保险/政府）的转云人员 — 你公司用了 15 年 SQL Server，现在要迁到 Azure SQL Managed Instance，DP-900 是必备的入门证，因为你需要给老板和客户解释"这个迁过去之后还是 SQL Server，只是托管在 Azure 上"。澳洲银行业（CBA、ANZ、NAB、Westpac）几乎全部 Azure 数据栈，DP-900 在内推体系里被认可。
- 数据销售 / Customer Success / Pre-sales — 你不需要会写代码，但客户问你 "Cosmos DB 和 MongoDB 是什么关系" 你必须能答上来。微软合作伙伴体系强制要求销售岗持证，这是硬性 KPI。
- 应届生 / 完全零基础转行者 — 相比 CLF-C02 或 DEA-C01，DP-900 题目更直接、备考周期最短（社区数据普遍 2-3 周）、心理负担最小。沉没成本只有 $99（还经常免费），是人生第一张 IT 证书的理想选择。
这些人不要考 DP-900：
- 已经会 SQL + Python + Spark 的工程师 — 你直接考 DP-203（虽然已退役，但教材有效）或 DP-700（Fabric Data Engineer）。DP-900 对你简历加分为零，纯属浪费时间。
- 目标是 Power BI 分析师的人 — 直接考 PL-300: Microsoft Power BI Data Analyst，那才是 BI 分析师的正经证。DP-900 只是顺路，PL-300 才是核心。
- 公司技术栈是 AWS 或 GCP — 学 DEA-C01 或 GCP Professional Data Engineer，DP-900 在非 Azure 公司含金量打折。
- 想做实时/大数据架构 — 这条路的证书是 Databricks Certified Data Engineer Professional 或 Cloudera CCA，不是 DP-900。
关于 DP-900 → DP-203 / PL-300 的进阶路径
DP-900 不是 DP-203 的"必修前置" — 微软官方没有强制要求，你可以直接报 DP-203。但社区数据显示，先考 DP-900 再考 DP-203 的人首考通过率明显更高（约 75% vs 直接考 DP-203 的 55%），因为 DP-900 把"数据世界的词汇表"先建好，DP-203 学起来不会被术语淹没。同样适用于 PL-300：DP-900 给你"什么是数据仓库 / Star Schema / OLAP" 的概念，PL-300 教你怎么在 Power BI 里建模型 — 顺序学体感非常顺。
考试域分布
这里不是装饰信息，它决定你应该先把时间砸在哪些知识域上。
学习内容分布
1. 描述核心数据概念
Describe Core Data Concepts
2. 识别关系型数据注意事项
Identify Considerations for Relational Data
3. 描述非关系型数据注意事项
Describe Considerations for Non-relational Data
4. 描述分析工作负载
Describe an Analytics Workload
备考节奏
有 AWS 实操经验
零基础切入
建议日投入
学习路径预览
7 章分阶段备考路径
过来人总结的分阶段备考节奏，按周拆分，不是空话。
第一阶段：核心数据概念（第 1 周）
打基础的一周，主要建立"数据是什么样子"的认知。重点：结构化 / 半结构化 / 非结构化数据的区分（表 vs JSON vs 视频）、批处理 vs 流处理的区别和典型场景、OLTP（面向事务、行存、低延迟、高并发写）vs OLAP（面向分析、列存、复杂查询、低写高读）、数据角色 — Database Administrator / Data Engineer / Data Analyst 各自做什么。这块占考试 25-30%，全是概念题没有代码，每天 1 小时跟着 Microsoft Learn 的免费 Learning Path 走完即可。
第二阶段：关系型数据 + Azure SQL 服务族（第 2 周）
重点搞清楚 Azure 的关系型数据服务有哪几个，分别是什么使用场景：Azure SQL Database（PaaS、单数据库或弹性池、自动备份和扩缩）、Azure SQL Managed Instance（接近本地 SQL Server 的 100% 兼容、适合 lift-and-shift 迁移）、SQL Server on Azure VM（IaaS、最大控制权、自己管补丁）、Azure Database for PostgreSQL/MySQL/MariaDB。考试爱出"客户场景 → 选哪个服务"的题。SQL 部分只考最基本的 SELECT、JOIN、WHERE、GROUP BY，不要求写复杂查询，但必须能看懂语句的意思。在 Azure Portal 里实际开一个 Azure SQL Database（最便宜的 Basic 层一个月几美金或用免费额度），跑几条 SQL 查询，体感会立刻具体起来。
第三阶段：非关系型数据 + Cosmos DB 的 5 种 API（第 2-3 周）
非关系型这块的核心是 **Azure Cosmos DB 的 5 种 API**，必考点：NoSQL API（原生文档数据库，最常用）、MongoDB API（兼容 MongoDB 协议，迁移友好）、Cassandra API（兼容 Cassandra CQL，宽列）、Gremlin API（图数据库，社交关系/推荐系统）、Table API（兼容 Azure Table Storage，简单 KV）。考试经常给一个场景让你选 API — "客户已有 MongoDB 应用想迁云" → MongoDB API；"要建社交关系图谱" → Gremlin API；"简单 key-value" → Table API。还要懂 Azure Storage 的四种类型：Blob（对象存储）、File（SMB 文件共享）、Queue（消息队列）、Table（NoSQL 键值）。
第四阶段：分析工作负载 + Synapse / Data Factory / Power BI（第 3-4 周）
考试权重最大的一块（25-30%），也是概念最容易混的一块。必须分清四个东西：**Azure Synapse Analytics**（统一数据分析平台，包含数仓 + Spark + 数据集成）、**Azure Data Factory**（纯 ETL/ELT 编排服务，无服务器、200+ 数据源连接器）、**Azure Databricks**（Apache Spark 托管服务，重度数据科学和机器学习）、**Azure HDInsight**（开源 Hadoop/Spark/Kafka 托管，适合已有 Hadoop 技能栈迁移）。还要懂 ETL（Extract→Transform→Load，转换在中间服务器）vs ELT（Extract→Load→Transform，先入仓再用仓的算力转换）的区别和适用场景 — 现代云数仓基本都用 ELT。最后是 Power BI 在分析链路里的位置：连接数据源 → 数据建模 → 可视化 → 共享报表，知道 Power BI Desktop / Service / Mobile / Report Server 各自的角色。这周做完 1-2 套完整模拟题，稳定 80% 以上就可以约考。
通过者的真实经验
过来人的备考时长、分数、以及踩过的坑。
我做 BA 五年，一直跟数据团队对需求但完全听不懂他们说的"星型模型 / 维度表 / 列存索引"是什么。公司迁 Azure 之后给我们 BA 团队报销 DP-900，我用 Microsoft Virtual Training Days 拿到免费考券，0 元考过。最大的收获不是证书 — 是我现在能听懂数据工程师在 standup 里说什么，也能在写 BRD 的时候自己描述"这条数据走 Synapse 还是直接进 Power BI"。考完两个月我从 BA 转岗 Data Analyst，涨了 18% 工资。
我没有任何工作经验，纯应届毕业想找数据相关的实习或 Junior 岗。在 LinkedIn 上看了 50 多个 Junior Data Analyst JD 之后发现 70% 都写 "Azure / DP-900 preferred"，所以决定先考这张。备考 4 周（每天 1 小时），看 John Savill 的 YouTube 免费视频 + Microsoft Learn 官方 Learning Path 就够了，没买任何付费课程。考试比想象的简单，时间充裕（60 分钟做 50 题，留了 15 分钟检查）。考完两周后拿到第一个面试，3 个月内入职一家中型咨询公司做 Junior Data Analyst，起薪 75k AUD。
我是 Microsoft Solutions Partner 体系里的销售岗，公司硬性要求每个销售要持有 AZ-900 + DP-900 + AI-900 三张 Fundamentals。两周突击考完，主要学了 Cosmos DB 五种 API 和 Synapse vs Data Factory 的区别 — 这两块在客户对话里出现频率最高。说实话考前我觉得 $99 的证不会改变什么，但考完之后明显感觉跟客户聊数据迁移项目时不慌了，知道客户在说什么 service 也知道大概的定价模型。今年我的销售业绩涨了 30%，部分功劳在这套基础知识上。
同赛道认证对比
| Azure Data Fundamentals | Azure Data Engineer Associate | PL-300 | |
|---|---|---|---|
| 机构 | Azure | Azure | Azure |
| 级别 | 基础级 | 助理级 | 助理级 |
| 考试费 | $99 | $165 | $0 |
| 时长 | 45 min | 100 min | 90 min |
| 题量 | 50 | 50 | 46 |
| 有效期 | 0 年 | 1 年 | 3 年 |
备考技巧与常见失误
**先去申请免费考券** — 在你开始备考前，去 Microsoft Virtual Training Days 官网注册下一场 "Azure Data Fundamentals" 免费在线培训（两天，每天 3-4 小时）。结业 2-6 周内你的 Microsoft Learn 账户会收到 100% off 考试代金券。这步能省 $99，没理由不做。
**ESL 加时申请** — 母语非英语考生免费多 30 分钟，报名时在 Accommodation 选项里申请。DP-900 阅读量不大但 60 分钟原本就够，多 30 分钟更宽裕。
**关键词敏感**：看到 "lift-and-shift SQL Server with SQL Agent" → Azure SQL Managed Instance；看到 "global distribution low latency NoSQL" → Cosmos DB；看到 "graph relationships" → Cosmos DB Gremlin API；看到 "ELT in cloud warehouse" → Synapse；看到 "complex transaction high concurrency" → OLTP / Azure SQL Database；看到 "billions of rows aggregation report" → OLAP / Synapse；看到 "schema flexibility IoT data" → Cosmos DB / Blob Storage。
**时间分配**：60 分钟做约 50 题，平均 1 分钟出头一题，DP-900 没有 Case Study 所以时间非常充裕。建议第一遍快速过完所有题（40 分钟），剩下 20 分钟回头检查标记的不确定题。
**官方学习资源就够了** — Microsoft Learn 上的 "Azure Data Fundamentals" Learning Path 是免费且足够的，社区数据显示 70% 的考生只用 Microsoft Learn + 1-2 套模拟题就过了。不需要买昂贵的付费课程。免费模拟题来源：MeasureUp 试用版、ExamTopics、Whizlabs 免费章节。
**记住 Cosmos DB 的 5 种 API 对应表**：NoSQL（原生文档）、MongoDB（兼容协议）、Cassandra（宽列）、Gremlin（图）、Table（KV）— 至少考 2-3 道直接相关题。
**永不过期是真的** — 考完拿到证之后不用做任何 Renewal Assessment，不像 DP-203 / DP-700 那种 Associate 级证书需要每年续期。证书在你 Microsoft Learn profile 里永久显示。
**关系型数据库 vs 非关系型数据库的使用场景搞反** — 这是最经典的考点。关系型（Azure SQL Database、Postgres、MySQL）适合：强 schema、ACID 事务、复杂 JOIN 查询、银行账户余额这种强一致性场景；非关系型（Cosmos DB、Table Storage）适合：schema 灵活、海量水平扩展、低延迟键值查询、用户 session / 商品目录 / IoT 时序数据这种场景。考试爱出"以下哪个最适合 X 场景"，看到"事务一致性 / 复杂报表"选关系型，看到"全球分发 / 毫秒延迟 / 灵活 schema"选 Cosmos DB。
**Cosmos DB 的 5 种 API 选错** — 必背的硬考点。题目会给一个迁移或新建场景，让你选 API：客户已有 MongoDB 应用要迁云 → MongoDB API（兼容协议、零代码改动）；社交关系网络 / 推荐引擎 → Gremlin API（图数据库）；从 Cassandra 迁过来 → Cassandra API；简单 key-value 不需要复杂查询 → Table API；新项目原生开发 → NoSQL API（原生最优、功能最全）。常见错误是把 NoSQL API 和 MongoDB API 搞混 — 前者是 Cosmos 原生的，后者是协议兼容层。
**Synapse Analytics vs Azure Data Factory 分不清** — 这两个都做 ETL，但定位完全不同：**Data Factory** 是纯粹的数据集成 / ETL 编排服务，没有数据存储和分析能力，只负责把数据从 A 搬到 B 并做转换；**Synapse Analytics** 是统一的分析平台，**包含**数据集成（Synapse Pipelines = 内嵌的 ADF）+ 数仓（专用 SQL 池 + 无服务器 SQL 池）+ Spark 池 + Data Explorer 池，是一个全家桶。考试看到"只需要数据集成不需要分析" → ADF；看到"数据集成 + 分析 + 数据科学一体化" → Synapse。
**ETL 和 ELT 的区别和适用场景搞反** — ETL（Extract→Transform→Load）：在到达目标存储**之前**用中间服务器/工具做转换，传统数仓时代的主流模式，适合源系统格式复杂、目标存储算力有限；ELT（Extract→Load→Transform）：先把原始数据**直接灌入**目标存储（数据湖或现代云数仓），**再利用目标的算力**做转换，现代云原生模式，适合 Synapse / Snowflake / BigQuery 这种弹性算力的数仓。考试看到"利用数仓自身算力" → ELT；看到"数据进入仓库前清洗" → ETL。
**OLTP 和 OLAP 的工作负载特征搞混** — OLTP（在线事务处理）：高并发写、低延迟、行存、短小事务、典型场景银行转账 / 电商下单 / 库存更新；OLAP（在线分析处理）：低并发但大批量读、复杂聚合查询、列存、典型场景月度销售报表 / 多维分析。考试看到"几千个并发事务、毫秒响应" → OLTP；看到"扫描亿行数据做聚合" → OLAP。
**Azure SQL Database / Managed Instance / SQL Server on VM 选错** — 三个的区别：Azure SQL Database 是 PaaS，最省心但兼容性不是 100%（不支持 SQL Agent、Cross-Database Query 等）；Managed Instance 是 PaaS 但**接近 100% 兼容本地 SQL Server**，适合 lift-and-shift 迁移有大量存储过程和 SQL Agent Job 的老系统；SQL Server on VM 是 IaaS，自己装自己管，最大控制权但运维负担最大。考试看到"客户有大量 SSIS 包和 SQL Agent Job 要迁云" → Managed Instance；看到"全新项目要省运维" → SQL Database；看到"需要完全 OS 级控制" → VM。
**Power BI 的几个版本搞混** — Power BI Desktop（免费桌面应用，做数据建模和报表设计）、Power BI Service（云端 SaaS，发布分享报表）、Power BI Mobile（手机查看）、Power BI Report Server（本地部署版本，给不能上云的客户用）。考试常考"客户不能把数据上云但要 Power BI 报表" → Report Server。
FAQ
常见问题
如果你准备考 Azure Data Fundamentals，先从真题型练习开始。
362+ 练习题、章节学习路径、模考、错题复盘和 AI 导师都在备考页里。
进入备考页$19 起 · 前 2 章可免费试学