DEA-C01：AWS Certified Data Engineer - Associate データ運用とサポート 問5
データ運用とサポート／データ品質の確保ETL パイプラインの処理中に、欠損値・一意性・値の範囲などのデータ品質ルールを定義し、基準を満たさないデータを自動的に検出したいと考えています。最も適切なのはどれですか。
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品質チェックは行わず、下流で問題が出たら個別に対応する
- B担当者が抽出したサンプルを目視で確認するだけにする
- CAWS Glue のデータ品質機能（Glue Data Quality、DQDL ルール）や AWS Glue DataBrew で品質ルールを定義し、自動で検証する
- DAmazon QuickSight のダッシュボードを見れば品質は自動的に保証される
正解：C
解説
AWS Glue のデータ品質機能（Glue Data Quality）は、DQDL（Data Quality Definition Language）でルール（欠損・一意性・値の範囲など）を定義し、ETL の処理中にデータを自動評価できます。AWS Glue DataBrew でも品質ルールやプロファイリングを行えます。目視サンプルや可視化ダッシュボードだけでは、自動的・体系的な品質保証になりません。
選択肢ごとの解説
- A誤り。チェックせず下流で対応するのは、品質問題の早期検出になりません。
- B誤り。目視サンプルだけでは網羅的・自動的な品質検証になりません。
- C正しい。Glue Data Quality（DQDL）や DataBrew で品質ルールを定義し、自動で検証できます。
- D誤り。QuickSight の可視化は品質を自動保証するものではありません。