DifficileChoix multiples

Question d'entraînement DA0-002

Quels sont les TROIS défis liés à l'acquisition de données provenant de sources externes ? (Choisissez trois.)

Choisissez toutes les bonnes réponses.

Bonnes réponses

  • CRestrictions de licence
  • DLimitation de débit
  • EInconsistance du format des données

Explication

Les restrictions de licence (C) constituent un véritable défi d'acquisition de données externes car les fournisseurs tiers imposent des conditions contractuelles, des limites d'utilisation et des restrictions de redistribution qui peuvent bloquer ou contraindre légalement la manière dont les données sont ingérées et réutilisées. La limitation de débit (D) est correcte car les API et les flux externes appliquent généralement des quotas de requêtes (par exemple, des réponses HTTP 429, des jetons par minute), ce qui force la limitation (throttling), les nouvelles tentatives ou le traitement par lots qui compliquent l'acquisition. L'inconsistance du format des données (E) est correcte car les sources externes fournissent des données dans des schémas et des encodages hétérogènes (JSON, XML, CSV, formats propriétaires, conventions de date/nombre différentes), nécessitant une analyse et une normalisation avant utilisation. La redondance des données (A) est un problème interne de qualité des données concernant les enregistrements en double plutôt qu'un obstacle à l'acquisition externe, et l'accès non autorisé (B) est une préoccupation de sécurité affectant la protection des données, et non un défi inhérent à l'acquisition de données auprès de sources externes.

Pourquoi chaque option est juste ou fausse

A

Fausse

Redondance des données

La redondance découle du stockage interne et de la conception de l'intégration, et non du processus d'acquisition externe lui-même. Elle est tentante car les enregistrements dupliqués compliquent véritablement le nettoyage ultérieur et le chargement de l'entrepôt, ce qui donne l'impression qu'elle est liée aux données ; cependant, la question porte sur les défis d'acquisition de sources externes, où l'inconsistance de format, les restrictions d'accès et les conditions de licence s'appliquent.

B

Fausse

Accès non autorisé

L'accès non autorisé concerne la protection des données que vous détenez déjà, et non la difficulté de les obtenir auprès de fournisseurs externes. Il est tentant car le partage externe soulève de véritables préoccupations de sécurité et le contrôle d'accès est un sujet réel de gouvernance des données ; pourtant, les défis d'acquisition sont la disponibilité, le format, le coût et les restrictions contractuelles imposées par la source.

C

Juste

Restrictions de licence

Les jeux de données externes arrivent sous des licences de fournisseurs ou publiques régissant l'utilisation autorisée, la redistribution et les œuvres dérivées. Ces termes contractuels limitent la possibilité d'ingérer et de stocker légalement les données, faisant des restrictions de licence un véritable défi d'acquisition plutôt qu'un problème de traitement technique.

D

Juste

Limitation de débit

Les API et les fournisseurs externes limitent le volume de requêtes par intervalle, de sorte que les pipelines d'acquisition doivent limiter, regrouper ou ralentir pour éviter les appels rejetés. Ce plafond de débit limite directement la vitesse à laquelle les données peuvent être collectées, faisant de la limitation de débit une contrainte structurelle de l'approvisionnement en données en dehors de l'organisation.

E

Juste

Inconsistance du format des données

Les tiers fournissent des données dans des schémas, des encodages et des délimiteurs différents, de sorte que les enregistrements ne peuvent pas être chargés uniformément sans transformation. La réconciliation de ces différences structurelles ajoute des efforts d'analyse et de mise en correspondance lors de l'ingestion, faisant de l'inconsistance du format un défi d'acquisition fondamental pour les sources externes.

Pour aller plus loin

L'acquisition de données externes implique la négociation d'accords de niveau de service, de quotas d'API et de conditions de licence (par exemple, Creative Commons, fournisseurs de données commerciales, portails de données ouvertes gouvernementales). Les limites de débit sont souvent appliquées via HTTP 429 avec des en-têtes Retry-After, nécessitant un backoff exponentiel et des clients à seau de jetons (token-bucket). L'inconsistance de format englobe la dérive des schémas (champs ajoutés/supprimés), les différences d'encodage (UTF-8 par rapport à Latin-1) et les inadéquations sémantiques (par exemple, 'date' sous forme de chaîne par rapport à l'époque). Un comportement subtil : de nombreux fournisseurs versionnent les API, de sorte qu'un point de terminaison v1 peut modifier silencieusement la sémantique des champs, brisant les travaux ETL. Dans des scénarios réels, les ingénieurs de données construisent des couches bronze/argent/or dans un lakehouse pour absorber ces incohérences avant l'analyse, et les équipes juridiques maintiennent un registre des licences de données pour éviter les violations de conformité.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement DA0-002 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.