試験対策
ケーススタディの読み方
4 社の資料は同じ 6 つの節でできていて、要件の 1 行ごとに答えの候補になるサービスが決まります。各社の要件を、このカリキュラムのどのページで解けるかに対応付けます。
試験に出るケーススタディは 4 社で、資料はどれも 2〜4 ページの短い PDF です。本番では 2 社分が出て、認定ページによると問題全体の 20〜30% がケーススタディに関する問題です。資料は事前に全文を読めるので、4 社とも「この要件ならこのサービス」という対応を試験前に作っておきます。このページの要件は 2026 年 10 月時点の公式 PDF に基づきます。
資料は 6 つの節でできている
4 社とも同じ構成で、問題での使われ方は節ごとに違います。
現状の技術環境に出てくる製品名の横には、移行先を書き込みます。MySQL なら Cloud SQL、Redis なら Memorystore です。経営者の言葉も読み飛ばしません。Altostrat Media の「信頼性とコスト管理が最優先」のように、決め手がここに書かれています。
4 社に共通する出題の芯
4 社を並べると、同じ課題が 3 つ繰り返し出てきます。どの 2 社が出ても問われると考えて準備します。
オンプレミスに残るものは、取り込みとアーカイブ (Altostrat Media)、SFTP とバッチの ETL (Cymbal Retail)、保険会社との連携 (EHR Healthcare)、メインフレームと工場 (KnightMotives Automotive) です。どれもハイブリッド接続の知識で解きます。監視は 3 社がオープンソースのツールを組み合わせていて、可観測性で扱う Cloud Monitoring と Cloud Logging への集約が答えになります。生成 AI は AI と機械学習と、AI の保護を扱うセキュリティの設計の両方を読みます。
各社の要件を対応付ける
下の演習で、会社ごとに資料の要件を 1 つずつ出します。対応する技術と、主に効くページを選んで答え合わせをします。
各社には、ほかの 3 社にない特徴があり、そこが選択肢を絞る条件になります。
- Altostrat Media は、4 社でただ 1 社、すでに Google Cloud を広く使っています。配信は GKE、メディアは Cloud Storage、分析は BigQuery です。
- Cymbal Retail だけに、人による確認 (Human-in-the-Loop) の要件があります。生成 AI の出力をそのままカタログに書き込む選択肢は外せます。
- EHR Healthcare だけに、可用性の数値 (顧客向けシステムで最低 99.9%) があります。経営者は過去の障害の原因に設定ミス、急なアクセス増への容量不足、監視のばらつきを挙げていて、IaC、オートスケール、監視の一元化を選ぶ根拠になります。
- KnightMotives Automotive だけに、社員のスキルや部門間の対話といった技術以外の要件があります。業務プロセスと組織の知識を使う場面が多く、EU のデータ保護規制への準拠も必須です。
試験で問われる判断
ケーススタディの問題は、資料の 1 行を条件にして選択肢を絞らせます。以下はこのカリキュラムで作った例で、実際の試験問題ではありません。
「EHR Healthcare が MySQL の DB を移行する。運用の負担を減らしたい」なら、Compute Engine の VM に MySQL を入れる選択肢より Cloud SQL を選びます。資料の事業要件にある「インフラ管理コストを下げる」に、マネージドサービスが合うからです。
「Altostrat Media が、アクセスの減った古い動画の保管費用を下げたい。いつ再生されるかは予測できない」なら、決まった日数後に Archive へ移すライフサイクルより、Autoclass のようにアクセスに合わせてクラスを変える仕組みが合います。Archive は取り出しのたびに料金がかかります。
「KnightMotives Automotive が、ドイツの顧客データを分析基盤に集める」なら、リージョンを先に確かめます。性能や価格で米国のリージョンを選ぶ選択肢は、ほかの条件が良くても外れます。
資料の原本は次の 4 つです。