DEA-C01：AWS Certified Data Engineer - Associate データ運用とサポート 問12
データ運用とサポート／データ品質の確保非常に大きなデータセットの品質やデータ分布を、全件を処理するコストをかけずに効率よく評価したいと考えています。最も適切な方針はどれですか。
当サイトのオリジナル問題（DEA-C01：AWS Certified Data Engineer - Associateの出題範囲「データ運用とサポート」に対応。実際の試験問題ではありません）
- A統計的に代表性のあるサンプリングを行い、サンプルに対して品質・分布を評価する
- B必ず毎回すべてのレコードを全件処理しないと評価できない
- C先頭の数行だけを見て全体の品質を判断する
- D品質評価は行わず、問題が出たら対応する
正解：A
解説
非常に大きなデータセットでは、統計的に代表性のあるサンプリングを行い、サンプルに対して品質・分布を評価するのが効率的です。全件処理は高コスト、先頭数行だけでは代表性がなく、無評価は品質保証になりません。
選択肢ごとの解説
- A正しい。代表性のあるサンプリングで、コストを抑えつつ品質・分布を評価できます。
- B誤り。常に全件処理が必要というのは誤りで、サンプリングで効率化できます。
- C誤り。先頭数行だけでは偏りがあり、全体の品質を代表しません。
- D誤り。無評価は品質保証になりません。