El Databricks Certified Data Engineer Associate son 45 preguntas en 90 minutos, cuesta USD 200 y lo puedes rendir en línea o en un centro, sin material de apoyo. Dos minutos por pregunta suena cómodo hasta que te topas con las de caso, donde las cuatro opciones funcionan y solo una es la que Databricks considera correcta.
Estas seis son del tipo que más veces vemos fallar en el simulacro de la preparación para el DE Associate. No son preguntas del examen real —nadie serio te va a pasar eso— sino el mismo razonamiento, con la misma trampa. Léelas, elige tu respuesta antes de seguir leyendo y cuenta cuántas te comes.
1. Llegan archivos nuevos todo el día a tu storage
Un proveedor deja miles de JSON al día en un contenedor y tú tienes que cargarlos a una tabla Delta sin reprocesar lo que ya entró. ¿Auto Loader o COPY INTO?
Auto Loader. Mantiene su propio registro de archivos procesados, escala a volúmenes grandes y maneja la evolución del esquema. COPY INTO es idempotente y está bien para cargas puntuales de unos pocos miles de archivos, pero no es la respuesta cuando el enunciado dice «continuamente» o «millones». La palabra clave en el enunciado es siempre la frecuencia, no el formato.
2. Tabla de streaming o vista materializada
En una pipeline declarativa tienes una fuente a la que solo se le agregan filas y necesitas que cada ejecución procese únicamente lo nuevo. ¿Qué objeto declaras?
Una streaming table. La vista materializada recalcula el resultado completo cuando cambian los datos de origen, y eso es lo que quieres para un agregado que puede cambiar hacia atrás, no para una ingesta incremental. Ojo con el vocabulario: lo que aprendiste como Delta Live Tables hoy se llama Lakeflow Declarative Pipelines, y los Workflows son Lakeflow Jobs. El examen usa los nombres nuevos.
3. «Le di SELECT y sigue sin ver la tabla»
Un analista tiene SELECT sobre la tabla y aun así recibe un error de permisos en Unity Catalog. ¿Qué falta?
USE CATALOG y USE SCHEMA. Unity Catalog tiene tres niveles —catálogo, esquema, tabla— y el permiso de lectura no sirve si no puedes «entrar» a los contenedores de arriba. Es la pregunta de gobierno que más se falla y la más fácil de recordar: para leer una tabla necesitas abrir las tres puertas.
4. Historial de cambios de clientes
Te piden mantener el historial de cambios de una dimensión de clientes, con fecha de inicio y fin por versión. ¿Escribes un MERGE a mano?
No: usas la API de CDC de las pipelines declarativas (la que venías conociendo como APPLY CHANGES) y declaras SCD tipo 2. Le pasas la clave y una columna de secuencia para ordenar los eventos, y la plataforma se encarga del fuera de orden y de los duplicados. El MERGE manual funciona, sí, pero en el examen la opción correcta es la declarativa cuando el enunciado habla de datos que llegan desordenados.
5. La tarea que falla una de cada diez veces
Una tarea de un job consume una API externa que a veces devuelve error, y el job entero se cae. Quieres que reintente sola y que la notificación corra igual al final, pase lo que pase.
Política de reintentos en la tarea, más una condición de ejecución en la dependencia. Los Lakeflow Jobs permiten configurar reintentos por tarea y decidir si una tarea corre solo cuando la anterior tuvo éxito, cuando falló o siempre. Quien contesta «meter un try/except en el notebook» pierde el punto: el examen quiere que la orquestación resuelva la orquestación.
6. De desarrollo a producción
Tu equipo trabaja en un workspace de desarrollo y necesita llevar notebooks, jobs y pipelines a producción desde Git, de forma repetible.
Databricks Asset Bundles. Describes los recursos en YAML, los versionas junto al código y los despliegas por ambiente desde tu pipeline de CI. Clonar el notebook al workspace de producción sigue siendo lo que hace medio mundo, y es justo lo que el examen marca como incorrecto desde que CI/CD entró al temario.
Si fallaste tres o más, el problema no es que no sepas Databricks: es que el examen pregunta por la forma que Databricks considera correcta, que no siempre es la que usas en tu trabajo.
Cómo se leen las trampas
- ▸Busca el adverbio: «continuamente», «solo lo nuevo», «sin reprocesar», «de forma repetible». Ahí está la respuesta, no en el servicio que mencionan.
- ▸Cuando dos opciones funcionan, gana la gestionada por la plataforma sobre la hecha a mano.
- ▸Si una opción menciona un producto renombrado con el nombre viejo, desconfía: suele ser el distractor.
- ▸Marca y avanza. Noventa minutos alcanzan de sobra si no te quedas diez en la pregunta cuatro.
Qué estudiar después de esto
La preparación para el Databricks Data Engineer Associate son 26 clases repartidas en los mismos dominios del examen —plataforma, ingesta, transformación, Lakeflow Jobs, CI/CD, monitoreo, gobierno— más un simulacro cronometrado que te devuelve el puntaje por dominio. Eso último es lo que más sirve: te dice en qué bloque invertir la última semana en vez de repasar todo otra vez. Cuesta USD 149 y va a tu ritmo.
Si al resolver estas preguntas sentiste que te falta práctica y no repaso, primero construye: el Databricks Data Engineer asincrónico te hace armar los pipelines en vez de leerlos, y la ruta Data Engineer cubre lo que viene alrededor: modelado, SQL, orquestación y nube. El certificado pesa en una entrevista, pero lo que te deja el trabajo es haber roto y arreglado un pipeline.
En el hub de certificaciones está el resto del mapa de Databricks, AWS, Microsoft y Google Cloud por si estás decidiendo cuál va primero.
Y si prefieres practicar acompañado, en la Comunidad AI Builders hay un taller en vivo cada semana donde se arman cosas como estas en pantalla compartida, desde 19 USD al mes.
