サンキーダイアグラムは、異なるノードまたはカテゴリ間のデータの流れを示す視覚化の一種です。Webサイト内でのユーザーの移動を表すためによく使用され、ユーザーがたどる経路、アクセス元、訪問したページ、および達成した結果を示すことができます。サンキーダイアグラムはリンクとノードで構成され、リンクはフローの量または重みを表し、ノードはフローの段階またはステップを表します。リンクの幅はフローの量に比例し、リンクの色はフローの異なる属性またはセグメントを示すことができます。サンキーダイアグラムは、最も一般的または人気のあるユーザー経路、フローのボトルネックまたは離脱箇所、および改善または最適化の機会を特定するのに役立ちます。参考資料：Databricks SQL AnalyticsおよびDatabricks Visualizationsを使用してサンキーダイアグラムを作成する方法の例と手順については、Databricksのドキュメントを参照してください。参考リンク：Databricks SQL Analytics - サンキーダイアグラム、Databricks Visualizations - サンキーダイアグラム

オプション B が正解です。 Delta Lake はタイムトラベルをサポートしており、タイムスタンプまたはバージョン番号で以前のテーブル バージョンを照会できます。バージョンはテーブル履歴から取得し、VERSION AS OF を使用して照会できます。テーブルを復元すると、すべてのユーザーの現在のテーブルの状態が変更されますが、アナリストが履歴スナップショットを分析するだけであれば、これは不要です。VACUUM は古いデータ ファイルを削除するため、タイムトラベルを防ぐことができます。 Databricks の公式抜粋: タイムトラベルは「以前のテーブル バージョンを照会する」ことをサポートしており、構文には SELECT * FROM people10m VERSION AS OF 123 が含まれます。Databricks は、バージョンは DESCRIBE HISTORY から取得できるとも述べています。注: 2 週間のスナップショットは、必要なログ ファイルとデータ ファイルが保持されている場合にのみ照会できます。

データアナリストは、個人情報（PII）データを扱う際に、これらの要素すべてを考慮する必要があります。これらの要素は、データのセキュリティ、プライバシー、コンプライアンス、および品質に影響を与える可能性があるためです。PIIデータとは、氏名、住所、電話番号、メールアドレス、社会保障番号など、特定の個人を識別するために使用できるあらゆる情報です。PIIデータは、データ収集および分析の状況と場所に応じて、さまざまな法的および倫理的義務の対象となる場合があります。たとえば、欧州連合の一般データ保護規則（GDPR）のように、国や地域によっては、他の国や地域よりも厳格なデータ保護法が適用される場合があります。データアナリストは、暗号化、匿名化、マスキング、アクセス制御、監査など、PIIデータに関する組織固有のベストプラクティスにも従う必要があります。これらのベストプラクティスは、データ漏洩、不正アクセス、悪用、またはPIIデータの損失を防ぐのに役立ちます。参照：
Databricksを使用して個人情報データを暗号化および保護する方法
機密データ（個人情報／医療情報）の検出を自動化する
Databricks認定データアナリストアソシエイト

オプションBが正解です。約5万件のレコードを含む20MBのCSVファイルは、ローカルのpandasワークフローには十分な大きさです。リアルタイムストリーミングソリューション、分散Sparkクラスタ、またはHadoop MapReduceは、小さな単一ファイルのバッチ分析には不要な複雑さを加えることになります。Databricksのドキュメントでは、pandasはDatabricks Runtimeで利用可能でデータ分析に使用できる一方、pandasスタイルのワークロードが小規模データセットを超えて拡張する必要がある場合は、Spark上のpandas APIが役立つと説明されています。Databricksはまた、pandasはビッグデータには対応していないと指摘しており、まさにそれが、20MBの小さなファイルではなく、より大規模なワークロードにSparkまたはSpark上のpandas APIが使用される理由です。

変数の平均値とは、データセット内のすべての値の平均であり、値の合計を値の数で割ることによって計算されます。変数の中央値とは、順序付けられたデータセットの中央の値、またはデータセットに偶数個の値がある場合は中央の2つの値の平均です。平均値は外れ値（データの残りの部分とは大きく異なる値）に影響を受けやすく、外れ値は平均値を歪め、データの中心傾向を適切に反映しなくなる可能性があります。中央値はデータの中央値のみに依存するため、外れ値に対してより頑健です。したがって、変数に多くの極端な外れ値が含まれている場合、平均値は外れ値に引き寄せられるのに対し、中央値はデータの大部分に近いままとなるため、平均値と中央値は大きく異なります1。参考資料：統計における平均値と中央値の違い（例付き） - BYJU'S