무료 온라인 액세스 Snowflake.DAA-C01.v2026-10-13.q66 모의 시험 (Page 14)

DAA-C01 문제 61

귀사는 GDPR 규정을 준수해야 하며, 민감한 고객 정보를 보호하기 위해 데이터 마스킹을 구현해야 합니다. 특히, 데이터 준비 과정에서 'CUSTOMERS' 테이블의 이메일 주소를 마스킹해야 합니다. 다음 중 Snowflake의 시스템 기능과 데이터 마스킹 기능을 활용하는 접근 방식 중, 권한 있는 사용자가 필요한 경우 데이터를 다시 마스킹할 수 있도록 허용하면서 가장 안전하고 유연한 솔루션을 제공하는 것은 무엇입니까?

A. 이메일 주소를 해시하려면 솔트를 사용하여 'SHA2()' 함수를 실행하세요. 권한이 있는 사용자는 올바른 솔트를 사용하여 해시 값을 역산할 수 있습니다.

B. 이메일 주소의 일부를 가리는 기능을 사용하여 마스킹 정책을 생성합니다. 이 정책을 CUSTOMERS 테이블의 EMAIL_ADDRESS 열에 적용합니다.

C. IS_ROLE_IN_SESSION() 함수를 기반으로 'CASE 문'을 사용하는 마스킹 정책을 생성합니다. 역할이 Analyst인 경우 원래 값을 표시하고, 그렇지 않은 경우 null 값을 표시해야 합니다. 이 정책을 CUSTOMERS 테이블의 EMAIL ADDRESS 열에 적용합니다.

D. 'MD5()' 함수를 사용하여 이메일 주소를 암호화합니다. 권한이 있는 사용자는 적절한 키를 사용하여 MD5 해시를 복호화할 수 있습니다.

E. 'REGEXP REPLACE()' 함수를 사용하여 이메일 주소의 일부를 가리는 뷰를 생성합니다. 테이블이 아닌 뷰에 대한 액세스 권한을 부여하십시오.

DAA-C01 문제 62

사용자가 워크시트 내의 데이터를 필터링할 수 있는 Snowsight 대시보드를 구축할 때 어떤 Snowflake 시스템 필터를 사용해야 할까요?

A. WHERE 절에 :datebucket 시스템 필터를 포함하고, GROUP BY 절에 :daterange 시스템 필터를 포함시키세요.

B. SELECT 절에 :daterange 시스템 필터를 포함하고, GROUP BY 절에 :datebucket 시스템 필터를 포함합니다.

C. WHERE 절에 :datebucket 시스템 필터를 포함하고, SELECT 절에 :daterange 시스템 필터를 포함하십시오.

D. WHERE 절에 :daterange 시스템 필터를 포함하고, GROUP BY 절에 :datebucket 시스템 필터를 포함하십시오.

DAA-C01 문제 63

데이터 분석가가 Amazon S3 스테이징 영역에 Parquet 파일을 저장했습니다. 스테이징된 Parquet 파일의 데이터를 대상 테이블의 각 열에 복사하는 쿼리는 무엇일까요?

A. 옵션 A

B. 옵션 B

C. 옵션 C

D. 옵션 D

정답: C

Snowflake 생태계에서 Parquet은 반정형 데이터 형식으로 취급됩니다. Parquet 파일을 스테이징할 때 Snowflake는 일반 CSV 파일처럼 자동으로 여러 열로 파싱하지 않습니다.
대신, 단일 행 또는 레코드의 전체 내용이 단일 VARIANT 열에 로드되며, SQL에서는 위치 표기법인 $1을 사용하여 참조됩니다.
흔히 발생하는 근본적인 오류(옵션 A에 나타나 있음)는 Parquet 형식을 $1, $2, $3이 서로 다른 열을 가리키는 구분 기호 형식으로 취급하는 것입니다. Parquet 데이터 수집 시 $2 이후의 열은 스키마가 $1의 객체 내에 포함되어 있기 때문에 NULL을 반환합니다.
반정형 데이터를 성공적으로 "분할"하거나 평탄화하여 별도의 열이 있는 관계형 테이블로 변환하려면 분석가는 경로 표기법을 사용해야 합니다. 이는 루트 객체($1)를 참조한 다음 콜론(:)을 붙이고 특정 요소 키를 지정하는 방식입니다(예: $1:o_custkey). 또한, Variant에서 추출한 값은 기술적으로 여전히 Variant 유형이므로 대상 테이블에 올바른 데이터 유형으로 저장되도록 이중 콜론 구문(예: ::number, ::date)을 사용하여 명시적으로 올바른 데이터 유형으로 형변환해야 합니다.
선택지 평가하기:
* 옵션 A는 위치 참조($2, $3 등)를 사용하기 때문에 잘못되었습니다. 위치 참조는 CSV와 같은 구조화된 파일에서만 유효합니다.
* 옵션 B는 필수 단계 변수($1)와 콜론 구분 기호 없이 키를 직접 참조하려고 시도하기 때문에 잘못되었습니다.
* 옵션 D는 Snowflake SQL에서 해당 용도로 존재하지 않는 비표준 parse() 함수를 사용하므로 올바르지 않습니다.
* 옵션 C는 100% 정확한 구문입니다. Parquet 데이터가 $1에 저장되어 있음을 정확하게 식별하고, 콜론을 사용하여 내부 키에 접근하며, 필요한 형변환을 적용합니다. 이 특정 방법은 "데이터 수집 중 변환"이라고 하며, 모든 SnowPro 고급 데이터 분석가의 핵심 역량입니다.

DAA-C01 문제 64

대규모 팩트 테이블이 'customer_id'를 기준으로 파티셔닝되고 클러스터링되어 있습니다. 테이블에는 'customer_id'와 'transaction_amount' 열이 있습니다. 특정 범위의 'transaction_date'를 기준으로 필터링한 후 'customer_id'로 집계하는 쿼리를 최적화해야 합니다. 기존 파티셔닝 및 클러스터링을 고려할 때, 다음 전략 중 어떤 전략이 파티션 가지치기 및 클러스터링과 관련된 쿼리 성능을 가장 효과적으로 향상시킬 수 있을까요?

A. 추가적인 최적화는 필요하지 않으며, 기존 파티셔닝 및 클러스터링으로 충분합니다.

B. 'customer_id'와 'transaction_date'를 기준으로 'transaction_amount'를 사전 집계하는 구체화된 뷰를 생성합니다.

C. 'transaction_date' 열에 보조 인덱스를 추가합니다.

D. 'ALTER TABLE fact_transactions RECLUSTER;' 명령어를 사용하여 테이블을 자주 리클러스터링하십시오.

E. 'customer_id'를 기준으로 파티션 및 클러스터링된 새 테이블을 생성하고 데이터를 마이그레이션합니다. 기존 테이블을 삭제합니다.

DAA-C01 문제 65

Snowflake에서 주문 데이터를 처리하는 데이터 파이프라인을 설계하고 있습니다. 고객 정보를 포함한 원시 주문 데이터는 단일 'RAW ORDERS' 테이블에 JSON 형식으로 저장되어 있습니다. 개인정보 보호 규정으로 인해 참조 무결성을 유지하면서 데이터를 'CLEANED ORDERS' 테이블에 로드하기 전에 고객의 이메일 주소를 마스킹해야 합니다. 또한, 별도의 'ORDER LINEAGE' 테이블에서 데이터 계보(어떤 원시 주문이 어떤 정제된 주문으로 이어졌는지)를 추적하려고 합니다. 다음 중 이러한 요구 사항을 효과적이고 효율적으로 충족하는 접근 방식은 무엇입니까? (두 가지를 선택하십시오)

A. 'RAW_ORDERS' 테이블의 'email' 열에 마스킹 정책을 생성합니다. 그런 다음 'RAW_ORDERS' 테이블의 모든 데이터를 'CLEANED_ORDERS' 테이블로 복사하는 작업을 생성합니다. 마지막으로, 복사 작업이 완료된 후 'ORDER_LINEAGE' 테이블에 관련 매핑 정보를 채우는 별도의 작업을 생성합니다.

B. 'RAW ORDERS' 테이블에서 데이터를 읽어 SHA256 해시를 이용하여 이메일 주소를 마스킹하고, 정제된 데이터를 'CLEANED ORDERS' 테이블에 삽입하는 동시에, 주문 계보 정보를 'ORDER LINEAGE' 테이블에 삽입하는 저장 프로시저를 구현하십시오. 이 저장 프로시저가 주기적으로 실행되도록 예약하십시오.

C. Snowpipe를 사용하여 'RAW ORDERS' 테이블에 데이터를 로드합니다. 'RAW ORDERS' 테이블에 스트림을 생성합니다. 해당 스트림에 연결된 태스크를 생성하여 스트림에서 새 레코드를 읽고, 이메일을 마스킹하고, 정리된 데이터를 'CLEANED_ORDERS' 테이블에 삽입하고, 계보 정보를 'ORDER_LINEAGE' 테이블에 삽입합니다.

D. '정리된 주문'의 '이메일' 열에 마스킹 정책을 생성합니다. '원시 주문'에 스트림을 생성한 다음, '원시 주문'의 데이터를 '정리된 주문'에 삽입하고 해당 주문을 '주문 계보'에 삽입하는 작업을 생성합니다.

E. 'RAW ORDERS' 테이블에 이메일 주소를 마스킹하는 뷰를 생성합니다. Snowpipe와 스트림을 사용하여 원시 주문 데이터를 'RAW ORDERS' 테이블에 로드합니다. 스트림에 연결된 태스크를 사용하여 뷰를 'CLEANED_ORDERS' 테이블에 수집하고, 'ORDER_LINEAGE' 테이블에 주문 계보 정보를 채웁니다.

다른 버전: 956Snowflake.DAA-C01.v2026-09-03.q67

최근 업로드: 106Microsoft.AB-210.v2026-10-14.q58; 104Huawei.H12-893_V1.0.v2026-10-14.q46; 119UiPath.UiPath-ADPv1.v2026-10-14.q114; 118Salesforce.MCE-Dev-201.v2026-10-14.q64; 107PMI.PMI-RMP.v2026-10-14.q125; 170HP.HPE7-A01.v2026-10-13.q163; 133PaloAltoNetworks.XDR-Analyst.v2026-10-13.q30; 140Snowflake.DAA-C01.v2026-10-13.q66; 144Salesforce.Salesforce-Loyalty-Management.v2026-10-13.q71; 140Oracle.1z0-1033-25.v2026-10-13.q44