ประสบการณ์สอบ Exam PL-300: Microsoft Power BI Data Analyst
เนื่องจากว่าทางทีม Data analyze ใช้ Power BI ในการทำงานมาสักระยะ เลยต้องการทดสอบความรู้แล้วความเข้าใจในเรื่องของ Power BI ให้มากขึ้น ทางทีมเลยตัดสินใจร่วมกันที่จะสมัครทดสอบความรู้ผ่าน Exam PL-300: Microsoft Power BI Data Analyst
Microsoft PL-300 คือการสอบเพื่อรับรองความรู้และทักษะเกี่ยวกับ Power BI และ Power Platform อื่น ๆ (Power Automate ,Power Virtual Agents ,Power Apps ,etc.)
เมื่อก่อน (ก่อน 31 มี.ค. 2022) คือ DA-100
ถ้าถามว่า DA-100 แตกต่างจาก PL-300 ยังไง ?
ตอบคือ PL-300 จะมีเนื้อหาเกี่ยวกับ Power Platform มากกว่า DA-100
ทำไม Data Analyst ถึงต้องสอบ PL-300 ?
เพื่อให้เราเข้าใจการใช้ Power BI ,Power Platform และสามารถเอาไปใช้งานให้มีประสิทธิภาพมากที่สุด
สำหรับคะแนนสอบ ต้องสอบให้ได้ขั้นต่ำ 700 คะแนนจาก 1000 คะแนน (70%) ถึงจะผ่าน ซึ่งสัดส่วนหัวข้อในการสอบจะเป็นประมาณนี้
- Prepare the data (25–30%)
- Model the data (25–30%)
- Visualize and analyze the data (25–30%)
- Deploy and maintain assets (15–20%) → ส่วนตัวคิดว่าอันนี้ยากสุด
ข้อสอบแต่ละคนจะได้ไม่เท่ากันแต่จะมีประมาณ 40–50 ข้อ คำถามในข้อสอบแต่ละข้อส่วนใหญ่ยาวเกินครึ่งหน้า แต่ตอบสั้น ๆ จนคนสอบก็แอบคิดว่า
“ไมโครซอฟท์ !! เมิงต้องการไรจากกู !!”
เกริ่นกันสั้น ๆ แค่นี้ เอาเป็นว่าไปดูวิธีสมัครสอบกันเล้ยยย
วิธีการสมัคร
สามารถกดลิงค์เพื่อสมัครสอบ → https://learn.microsoft.com/en-us/certifications/exams/pl-300/
ถ้าใครยังไม่มี Microsoft Learn Account ก็ลงทะเบียนก่อนสมัครสอบกันด้วยนะ
ถ้ามี Discount อย่าลืมกด Apply Discount กันด้วยนะ จะได้ประหยัดเงินในกระเป๋ากัน
สถานที่สอบสามารถเลือกได้ว่าจะสอบที่ศูนย์สอบ หรือว่าสอบออนไลน์จากทางบ้านหรือที่ทำงาน (แนะนำให้ไปสอบที่ศูนย์สอบนะ เงื่อนไขการเตรียมสถานที่น้อยกว่าสอบออนไลน์ที่บ้านหรือที่ทำงาน พูดง่ายๆก็คือกดดันน้อยกว่านั้นเอง)
ศูนย์สอบมีมากกว่า 30 ที่ สามารถเลือกศูนย์สอบที่ใกล้คุณได้เลย
หรือถ้าใครไม่สะดวกเดินทางไปที่ศูนย์สอบ ก็สามารถเลือกสอบออนไลน์จากทางบ้านหรือที่ทำงาน แทนได้เหมือนกัน
แค่นี้ก็สิ้นสุดขั้นตอนการสมัครแล้ว Microsoft จะส่งอีเมล Confirm การสมัครสอบของเรา ถ้าต้องการยกเลิกหรือเลื่อนเวลาสอบ ต้องดำเนินการก่อน 24 ชั่วโมงก่อนเวลาที่นัดสอบเด้อ
เตรียมตัวสอบ
เราใช้ระยะเวลาในการเตรียมตัวทั้งหมด 2 เดือน ตั้งแต่ Jan-Feb23 โดยเราศึกษาจากคอร์สใน Udemy ด้านล่างนี้เลย
จากที่เรียนมารู้สึกว่าทำให้เราเข้าใจ พื้นฐานนนนน Power BI มากขึ้นจริงๆ
พื้นฐานแบบตะโกน !!!
แต่เมื่อเข้าสอบอาจจะช่วยเราได้ไม่ถึง 50% ฮ่าๆๆ เพราะว่าข้อสอบส่วนใหญ่จะเน้นเรื่อง Performance ,Best practice และ Case study ซะส่วนใหญ่
การเตรียมตัวสอบ Online
- หาห้องที่เงียบไม่มีเสียงรบกวนเลย ห้ามมีจอมอนิเตอร์อยู่ในห้อง จอเดียวที่มีได้คือจอคอมเราเท่านั้น
- เตรียม Notebook และอย่าลืม Test system จะได้ไม่รนน้า
- เตรียมบัตรประชาชน หรือ ใบขับขี่ ที่ไม่หมดอายุ
- เตรียมโทรศัพท์มือถือเข้าห้องสอบ เพื่อใช้ถ่ายบัตรประชาชน ถ่ายรูปหน้าตัวเอง รูปที่ได้จะไปแสดงใน Exam result ยิ้มสวยๆก่อนสอบเด้ออออ และถ่ายห้องสอบ 4 ด้าน : ด้านซ้าย,ขวา,หน้า และหลัง
- หลังจากใช้มือถือเสร็จให้วางห่างจากตัว เกินระยะเอื้อม
รูปแบบข้อสอบที่เราจะต้องเจอ
- Active screen
- Build list
- Drag and drop
- Hot area
- Multiple choice
- Case studies
ข้อควรระวัง
อันนี้เฉพาะกรณีที่สอบออนไลน์นะ
อย่างแรก เราควรทดสอบระบบว่าสามารถ Run system test บนเครื่องเราได้ปกติก่อนวันที่สอบจริง โดยขั้นตอนสามารถทำตามได้ดังนี้
- กดเข้าไปที่ลิ้งค์นี้เลย https://home.pearsonvue.com/MICROSOFT/onvue
- Run system test ตามขั้นตอนได้เลย
- โหลดโปรแกรม OnVUE มาลงที่เครื่องของเรา
- ทดสอบระบบ Microphone, Speakers และ Webcam ตามขั้นตอน
ทำตามขั้นตอนไปเรื่อย ถ้าเด้ง Pop up แบบนี้ แสดงว่ามีโปรแกรมบางอันที่ห้ามเปิดตอนสอบ ควรระวังตอนสอบจริง หรือ เปลี่ยนเครื่อง ปล. ไม่ควรใช้เครื่องบริษัทที่มี security policy เยอะๆ เพราะอาจจะทำให้ โดน Block บางอย่างได้
จากประสบการณ์ เราเคยโดนเด้งออกจากโปรแกรมสอบระหว่างลงทะเบียนสอบจริง ซึ่งหลังจากโดนเด้งแล้ว การสอบในครั้งนั้นก็ยุติทันที ต้องรอสอบใหม่อีกรอบ เพราะฉะนั้นถ้าไม่อยากเสียเวลาระวังกันให้ดีด้วย
อย่างสอง ห้ามใช้เสียงอ่านข้อสอบ ห้ามให้ใครรบกวนเด็ดขาด ! ไม่งั้นอาจจะโดนปรับตกได้ !!
สรุป
หลังจากสอบแล้ว เราจะรู้ผลทันทีว่าผ่านหรือไม่ผ่าน ถ้าสอบผ่านสักพักจะมีเมลส่งลิ้งค์ digital badge มาให้ เพื่อน ๆ สามารถเอาไปแนบใน resume หรือ Linkedin ของตัวเองแบบหล่อเท่ได้เลย
#PowerBI #TripetchIT #PowerBITheSeries #ExportData #DataScience #DataSci #DataAnalytic #Dashboard #Report #Excel #Visualization #Chart #Graph #DataAnalyst #Analyst #Analysis #Data #IT #PL300
The author
- Patcharanut Ittidetwatthana (Pond)
- Suebsak Watcharothai (Pe)
- Tanakrit Taeyanuluk (Hope)
- Pimchanok Kaewbooddee (Oil)
