オプションDが正解です。ゴールドテーブルは、分析、ダッシュボード、レポート作成、その他の下流での利用に使用される、洗練されたビジネス対応データセットです。したがって、ダッシュボードへのフィード用に設計された集計データをクエリするワークロードは、ゴールドレイヤーのデータを使用しています。生のストリーミング取り込みはブロンズに属し、不正なレコードのクリーニングはシルバーに属し、クリーニングされていないデータの集計は推奨されるゴールドパターンではありません。Databricksの公式抜粋：ゴールドレイヤーは「分析とレポート作成用に調整された集計データで構成され」、最適化されています。
「クエリとダッシュボード」

Databricksは、データアナリストが50行のCSVファイルなどの小規模なデータセットをすばやくアップロードし、Databricks SQL内にテーブルを作成できる、ユーザーフレンドリーなインターフェースを提供します。手順は以下のとおりです。
* データアップロードインターフェースにアクセスします。
* Databricksワークスペースで、サイドバーに移動し、[新規] > [データの追加またはアップロード]をクリックします。
* 「テーブルの作成または変更」を選択します。
* CSVファイルをアップロードしてください：
* 参照ボタンをクリックするか、CSVファイルを指定された領域に直接ドラッグアンドドロップしてください。
* このインターフェースは、最大10個のファイルを同時にアップロードでき、合計サイズは2GBまでです。
* テーブル設定の構成:
アップロード後、データのプレビューが表示されます。
* テーブル名を指定し、適切なスキーマを選択し、必要に応じてその他の設定を構成します。
* テーブルを作成する:
* すべての設定が完了したら、「テーブルの作成」ボタンをクリックしてプロセスを完了します。
この方法は、追加ツールや複雑な設定を必要とせずに、小規模なデータセットを迅速にインポートするのに効率的です。オプションB、C、Dは、より複雑なプロセスや手動操作を伴いますが、この作業には不要です。
参考資料：ファイルアップロードを使用してテーブルを作成または変更する

選択肢Bが正解です。データアナリストは、分析に特化した変換、集計、結合、フィルタリング、レポートやダッシュボード作成のためのデータセットの準備にDatabricks SQLを一般的に使用します。ゴールドレイヤーテーブルに対する分析専用のETLは「ラストマイル」の分析タスクです。ゴールドレイヤーは既にビジネス用途向けにキュレーションされており、アナリストはプロジェクト固有の追加の調整を行います。Databricksの公式試験ガイドには、ビューの作成、集計操作の実行、結合によるテーブルの結合、フィルタリング、ソート、ダッシュボードの使用がデータアナリストアソシエイトのスキルとして記載されています。また、ゴールドレイヤーのデータが下流の分析とダッシュボードを推進することも記載されています。選択肢A、C、Dは主にストリーミングエンジニアリング、機械学習、MLOpsの活動であり、一般的なDatabricks SQL分析アプリケーションではありません。参考資料：Databricks認定データアナリストアソシエイト試験ガイドおよびメダリオンアーキテクチャドキュメント。

ユーザー定義関数 (UDF) は、ユーザーが定義する関数であり、ユーザー環境内でカスタムロジックを再利用できます。1. UDF をテーブルに適用するには、SELECT udf_name(column_name) AS alias FROM table_name という構文を使用します。2. したがって、オプション E は、テーブル customer_summary の既存の列 customer_spend と customer_units に基づいて、UDF price を使用して新しい列 customer_price を作成する正しい方法です。参照:
* ユーザー定義関数（UDF）とは何ですか？
* ユーザー定義スカラー関数 - SQL
で

オプションBが正解です。問題は、多数のユーザーが同時に小さなクエリを実行していることであり、これは同時実行性の問題です。クラスタの最大数を増やすことで、SQLウェアハウスがスケールアウトして、より多くの同時実行クエリに対応できるようになります。クラスタサイズを増やすことは、複雑なクエリやリソースを大量に消費するクエリに対してより有効であり、必ずしも多数の小さな同時実行クエリに対して有効ではありません。自動停止はコストを削減しますが、アクティブクエリのレイテンシは改善しません。Databricksの公式説明には、「より多くの同時実行ユーザーを処理する場合は、最大クラスタ数を増やすことができます」とあり、Databricksはキューに入れられたクエリを監視し、最大クラスタ数を調整することを推奨しています。