レイクハウスの一般的なデータ設計パターンであるメダリオン アーキテクチャでは、データはブロンズ、シルバー、ゴールドの各レイヤー テーブルに流れ、各レイヤーでデータの構造と品質が徐々に向上します。ブロンズ テーブルにはさまざまなソースから取り込まれた生データが保存され、シルバー テーブルには最小限の変換とクレンジングが適用されて、データのエンタープライズ ビューが作成されます。Silver テーブルは、さまざまな Bronze テーブルのデータを結合して強化し、より完全で一貫したデータのビューを提供することもできます。したがって、シルバー テーブルにはブロンズ テーブルよりも洗練されたクリーンなデータ ビューが含まれるため、オプション D が正解です。選択肢 A は正解と逆なので不正解です。選択肢 B は不正解です。Silver テーブルには必ずしも集計が含まれているわけではありませんが、詳細なレコードも格納できるためです。オプション C は不正解です。適用される変換とクレンジングによっては、シルバー テーブルに含まれるデータがブロンズ テーブルよりも少ない場合があります。オプション E は不正解です。適用される結合とエンリッチメントによっては、Silver テーブルに Bronze テーブルよりも多くのデータが含まれる可能性があります。参考文献: メダリオン アーキテクチャとは何ですか?、ブロンズ テーブルをシルバー テーブルに変換する、メダリオン レイクハウス アーキテクチャとは何ですか?

member_id 列の NULL 値の数を返すための最良のオプションは、指定された条件を満たす行の数をカウントする count_if 関数を使用することです。この場合の条件は、member_id 列が null であることです。他のオプションは正しくないか、Spark SQL でサポートされていません。オプション A は、member_id 列内の null 以外の値の数を返します。Spark SQL には count_null 関数がないため、オプション B は機能しません。Spark SQL には null 関数がないため、オプション D は機能しません。
Spark SQL には count_null 関数がないため、オプション E は機能しません。参考文献:
* 組み込み関数 - Spark SQL、組み込み関数
* count_if - Spark SQL、組み込み関数

説明
https://docs.databricks.com/en/delta-live-tables/tutorial-pipelines.html

Databricks では、テーブルを作成するときに、列またはテーブル全体にコメントを追加して、そこに含まれるデータに関する詳細情報を提供できます。この場合、新しいテーブルに個人を特定できる情報 (PII) が含まれていることを示すのが組織のポリシーであるため、選択肢 D が正解です。コード行は、テーブル構造を定義した後、セミコロンで閉じる前に追加されます。参考資料: データ エンジニア アソシエイト試験ガイド、CREATE TABLE USING (Databricks SQL)