Cloud Digital Leader 試験は Google Cloud（旧称 GCP）の認定資格の中でも最も基礎的な内容を扱う試験です。試験対策や出題傾向について解説します。

基本的な情報

Cloud Digital Leader とは

Cloud Digital Leader 試験は Google Cloud（旧称 GCP）の「基礎の基礎」を理解しているかどうか問われる試験です。

Google Cloud 認定資格の中で最も基礎的な資格であり、 Google Cloud の世界に足を踏み入れたいエンジニアのみならず、 SIer の営業担当、クラウド利用企業の経理担当、新社会人など、幅広い人におすすめできる試験となっています。

試験内容は Google Cloud に限定されていません。オンプレミス環境と比べたクラウドのメリットや一般的な情報セキュリティに関する問いも出題されます。

出題の幅は広いですが、深い知識までは問われないため、Google Cloud を中心に IT やクラウドについて浅く、広い知識を身につける必要があると言えます。

試験時間は90分、問題数は50問です。テストセンター（オンサイト）かオンライン（遠隔監視）のどちらでも受験することが出来ます。

参考 : Cloud Digital Leader

Cloud Digital Leader の難易度

Cloud Digital Leader の難易度は比較的低いと言えます。情報処理推進機構（IPA）の「IT パスポート試験」程度の IT 基礎知識を前提に、パブリッククラウドや Google Cloud について基礎的な学習を行えば、合格は難しくありません。

認定試験ガイドには「Cloud Digital Leader の認定試験は特定の職に就いていることを条件とせず、Google Cloud の実務経験も必要ありません。」とあります。このことから、クラウド入門者に適した資格といえるでしょう。

しかし、繰り返しになりますが「IT パスポート試験」程度の IT の基礎知識は必要です。クライアント、サーバー、ネットワーク、IP アドレスといった IT の基本的な用語を、自分の言葉で説明できるでしょうか。当試験の学習がなかなかはかどらないと感じたら、これらの IT 基礎知識を身につけることを検討してください。

体験記

以下の記事は、G-gen 社のセールスメンバーが当試験を受験した体験記です。

非エンジニアが当試験を勉強するためのヒントになりますので、ぜひご参照ください。

blog.g-gen.co.jp

試験対策方法

あくまで一例となりますが、以下の方法で試験の対策が可能です。

1. IT 基礎知識の習得

もし受験者が、IT 全般の初心者である場合は、IPA（独立行政法人情報処理推進機構）の国家資格であるIT パスポートや基本情報技術者試験など、初級レベルの IT 資格を学習することをおすすめします。

必ずしも受験、合格まで目指す必要はありません。基礎知識の習得は、今後の IT 人生や社会人生活において有用なはずです。

2. 公式の試験ガイドで試験範囲を把握する

本試験の出題内容と出題範囲を試験ガイドで確認しましょう。

試験ガイドには出題範囲が記載されてます。一字一句、意味を考えながら熟読することをおすすめします。

3. Google Cloud の関連書籍を読む

以下の書籍が例に挙げられます。Google Cloud の書籍は、これ以外にも数多く出版されています。必ず1冊は熟読するようにしましょう。

書籍名	説明
合格対策 Google Cloud認定資格Cloud Digital Leader テキスト＆演習問題	Cloud Digital Leader の参考書です。クラウド基礎知識に加えて、試験合格のための知識が得られます。模擬問題も収録されています。
図解即戦力 Google Cloudのしくみと技術がこれ1冊でしっかりわかる教科書	全編オールカラーで図解が多く、Google Cloud の主要サービスが丁寧に解説されています。

参考書籍
1. 合格対策 Google Cloud認定資格Cloud Digital Leader テキスト＆演習問題
2. 図解即戦力 Google Cloudのしくみと技術がこれ1冊でしっかりわかる教科書

4. 公式の模擬試験を受験で感覚を掴む

公式ページから模擬試験を無料で受けることが可能です。

模擬試験は20問で、最後にフィードバックを確認できます。間違った問題だけでなく正解した問題もきちんと解説を読むことで、理解が進みぐっと合格へ近づくことが出来ます。

また、前述の参考書にも、模擬問題が掲載されています。

正答以外の選択肢に登場したものを含めて、サービスの概要や特徴は理解しておくと良いでしょう。

5. 模試試験で得たギャップを再学習する

模擬試験の解説で、理解が足りない部分があれば書籍に戻り再学習します。

ただ各サービスの概要を理解することだけではなく、各サービスに適したユースケース（使われる場面）を理解していることが重要です。そのサービスを使うと「誰が、なぜ嬉しいのか」という点が重要になります。

教科書の内容を丸暗記するのではなく、本質的な理解を心がけましょう。

出題範囲・出題傾向

概要

当記事ではこれ以降、試験ガイドをベースにして、出題の傾向について解説します。

関連する Google Cloud の公式ページへのリンクも併記しますので、勉強の方針決めや、受験前の最後の仕上げとしてご利用いただければ幸いです。

これ以降の記述は、ある程度の技術的な基礎知識があることを前提にしています。以下に登場する用語がわからない場合、Google 検索や書籍などを使ってその用語を理解できるように知識を強化してください。

セクション1 : Google Cloud によるデジタルトランスフォーメーション

IT インフラの基本

クライアント、サーバー、ネットワーク、IP アドレス、レイテンシ、Web アプリケーション、DNS、といった IT の基本的な用語を理解しておいてください。

クラウドテクノロジー

パブリッククラウド、データ分析、デジタルトランスフォーメーション、IaaS、PaaS、SaaS などの主要な用語の意味は理解しておきます。

参考: Google Cloud を選ぶ理由

またクラウド導入を検討する際、リフト&シフトという言葉が取り上げられることがあります。

企業がオンプレミスに所有する既存の IT 資産を、まずはそのままクラウドの仮想サーバー等に移行することを「リフト（クラウドに持ち上げる）」と表現しています。

まずリフトを実現し、その後、よりクラウドの強みを活かしたアーキテクチャに変換することを「シフト」と呼びます。リフトしてからシフトする、というのが一種のベストプラクティスとなっています。

新しいテクノロジーとビジネス

クラウドと従来のオンプレミスの違いを言えるでしょうか。どんなことがオンプレミスだと実現が出来ないのか、またどんなことがクラウドだと実現できるのか、という点が問われます。

一般的に言われるパブリッククラウドの利点は、以下でしょう。

パブリッククラウドでは ハードウェアの調達が不要
開発の アジリティが向上（スピードが上がる）
情報システムの TCO（Total Cost of Ownership = 総所有コスト）が低下

セクション2 : Google Cloudによるデータトランスフォーメーションの探求

データの役割・データドリブン文化

クラウドを使うことでデータにどのような価値が生まれ、どのようなメリットが企業や利用者に生まれるのかが問われます。特に以下の用語を把握しておいてください。

データレイク
データウェアハウス
構造化データ・非構造化データ

これらの用語について分かりやすく解説された Web サイトが多数あるので、まずはそちらを参照するのがよいでしょう。

ポイントとして、こういった「分析用途で使われるデータベース」と「業務用のアプリケーションで使われるデータベース」は 違う仕組み であるという点は押さえておきましょう。

関連する Google Cloud サービスとしては Cloud Storage 、BigQuery などがあります。それぞれ、どのような役割を担っているのか、理解します。

以下は、参考ドキュメントです。

参考 : データクラウド
参考 : Cloud Storage(GCS)を徹底解説 - G-gen Tech Blog

非常に簡単に言うと Google Cloud では 非構造化データは Cloud Storageに 、 構造化データは BigQuery に 入れるというのが基本となります。もし「構造化データ」や「非構造化データ」について、自分の言葉で説明できないと感じた場合、これらの用語をきちんと調べ、自分の言葉で説明できるようになっていることが望ましいです。

スマートアナリティクス

Google Cloud のデータベースサービスには Cloud SQL、BigQuery、Cloud Spanner など、多数のサービスがあります。それぞれのサービスの特徴や特性を理解 して、ユースケースに合致したサービスを選択できるようにする必要があります。

データベース系サービスとユースケースを、以下に簡単に列挙します。

サービス名	ユースケース
Cloud SQL	・高い費用対効果でリレーショナルデータベース（RDB）をクラウドに移行したい・MySQL / PostgreSQL / SQL Server などをクラウドに移行したい
Cloud Spanner	・世界（リージョン）をまたいで同期する、ミッションクリティカルでトランザクション処理が可能なリレーショナルデータベース
BigQuery	・構造化データを保存し、分析するための分析用データベース

この表を見て「リレーショナルデータベース」「ミッションクリティカル」「トランザクション処理」「構造化データ」「同期（レプリケーション）」といった用語が分からないことに気がついた場合、調べて理解することをおすすめします。クラウドに限らず、 IT 一般知識として有用です。

上記のサービス名と、ユースケースに出てくるキーワードが頭の中で結びついていれば、複数の問題に回答できるはずです。

セクション3 : Google CloudのAIを活用したイノベーション

Google Cloud の AI サービス

Google Cloud の機械学習や AI サービスについて、サービス名と一般的なユースケースを理解しておきましょう。

機械学習とは、本来は人間の認知力が必要な作業を、コンピューターに代わりに行わせるための技術です。

例えば Google Cloud では Cloud Vision API というサービスが公開されています。このサービスに画像を読み込ませると、「写真にどんなオブジェクト（犬、風船、車...）が映っているか」「写真の中の顔や企業ロゴの検出」「画像内のテキスト検出」などを行わせることができます。

機械学習では一般的に、「学習」という作業が必要です。教師データを読み込ませる等して、機械学習の頭脳である「モデル」を構築する必要があります。しかし Google Cloud の Vision API では学習が必要ありません。 Vision API は、 Google が持つ大量のデータを使って既に学習済みです。我々利用者は、この学習済みのモデルに仕事を投げるだけでよいので、機械学習の専門的な知識は必要ありません。

一方で、そういった Google の一般的なデータを使って学習済みのモデルでは、ニーズを満たせないこともあります。工場の生産ラインで、不良品を検知したいような場合、大量の「不良品の写真」「正常な製品の写真」を使ってカスタムなトレーニングを行い、独自のモデルを作りたいはずです。

そのような場合は AutoML Vision といったサービスが役に立ちます。AutoML では、教師データさえあれば、簡単な操作で学習・モデル構築を行うことができます。

また AutoML では飽き足らず、独自のモデル、独自のアルゴリズムなどを用いたい場合、Vertex AI を使うことができます。

このように Google Cloud には実装難易度の異なる3段階（画像認識で言えば Vision API / AutoML Vision / Vertex AI）の AI サービスが存在しています。

また、BigQuery ML では、BigQuery に対する SQL の知識をベースに、AI/ML を利用することができます。

TPU と GPU

Google Cloud では、機械学習のために、GPU や TPU が提供されています。

TPU は、Google が開発した機械学習向けのプロセッサです。Tensorflow、PyTorch、JAX などのフレームワークで利用可能であり、このような AI/ML フレームワークが使われている場合は、TPU の利用を検討します。

セクション4 : Google Cloudによるインフラストラクチャとアプリケーションのモダナイゼーション

IT インフラストラクチャのモダナイズ

「モダナイズ（modernize）」とは近代化・現代化を意味する英語の動詞です（名詞形はモダナイゼーションです）。暗にオンプレや従来型のシステムアーキテクチャを "旧" 、クラウドやコンテナなど新しいアーキテクチャを "新" として、クラウド移行をきっかけに IT インフラやアプリケーションを現代的に再構築することを意味しています。

Google Cloud では以下のようなサービスを IT インフラとして利用することができます。

Compute Engine
Google Kubernetes Engine
Cloud Functions
Cloud Run
App Engine

参考 : インフラストラクチャのモダナイゼーション

アプリケーションのモダナイズ

「コンテナ」や「サーバーレス」といった用語に馴染みがあるでしょうか。もしなければ、これを機に、検索する等して調べてみてください。概要だけでも大丈夫です。

コンテナを活用するための代表的なサービスが Google Kubernetes Engine（GKE）です。アプリケーションをコンテナ化し、 GKE に移行することで「アプリケーション開発の高速化」「スケーラビリティ（拡張性）の向上」などのメリットを得ることができます。

参考 : アプリケーションのモダナイゼーション

また、マイクロサービスという用語も出題されます。意味について調べ、マイクロサービスがもたらすメリットを理解してください。

サーバーレス

Cloud Functions や Cloud Run も出題範囲です。いずれもサーバーレスなサービスではありますが、例えばイベントドリブンなシステムであれば、Cloud Functions が適切です。一方で単一コンテナをベースとした Web アプリであれば、Cloud Run が望ましいといえます。

参考 : Cloud Functionsを徹底解説！
参考 : Cloud Run を徹底解説！

API の価値

API とは何か、また API をアプリケーションに用意することで、 どのようなメリット が生まれるのか理解しておきましょう。

API の意味を調べると、色々な情報が出てきて混乱するかもしれません。 API とは Application Programming Interface の略であり、当試験で指す API は概ね Web API のことであり「アプリケーションに外部からアクセスするための出入り口。そこからデータを出したり、入れたりできる」と理解して差し支えありません。

API という「出入り口」をアプリケーションに用意することで、他のアプリケーションとのデータ連携がリアルタイムに行えるなどのメリットがあります。以下の公式ページから辿ると API を使用することのメリットが分かりやすく解説されています。

参考 : API とアプリケーション

アプリケーションに API を実装するための Google Cloud ソリューションとして Apigee API Management があります。

セクション5 : Google Cloudで実現する信頼とセキュリティ

セキュリティの基本

以下のようなキーワードを理解しておいてください。

認証、認可、監査
DDoS（Google Cloud Armor）
ゼロトラストセキュリティ
データ主権

責任共有モデル

クラウドサービスで責任共有モデルを正しく理解しましょう。責任共有モデルは Google Cloud に固有の言葉ではなく、多くのクラウドサービスで一般的に使われる用語です。

どこまでがクラウド事業者側の責任範囲で、どこからが利用者側の責任範囲なのか正しく理解しましょう。

簡単に言うと IaaS では 「ハードウェアの管理（導入、保守、セキュリティ）」まで がクラウド事業者の責任です。一方で「クラウドサービスを使ったインフラのアーキテクチャ」「サービスの設定などによるセキュリティ」「OS やミドルウェア」「アプリケーション」などは利用者の責任となります。この責任範囲は IaaS / PaaS / SaaS により、異なります。

参考 : セキュリティ基盤のブループリント

そして、各 Google Cloud でサービスで責任共有モデルが具体的に何を意味するかも、把握しておきます。

例えば「Compute Engine では利用者はどこまで責任があるのか」「Cloud SQL では」など、それぞれのサービスにおいて責任分界点を把握しておきます。

IaaS である Compute Engine では「OS から上のレイヤ」は全て利用者の責任です。OS やミドルウェアのインストール、セキュリティの維持、ソフトウェアの開発などです。

一方で PaaS である Cloud SQL や App Engine では、ハードウェアに加えて OS ・ミドルウェアレベルまで Google の責任です。利用者はアプリケーションやデータベースだけが責任範囲となります。

上記の責任共有モデル以外にも、 Google Cloud のセキュリティについて紹介している公式ページがあります。以下には必ず目を通しておきましょう。

参考 : 信頼とセキュリティ

セクション6 : Google Cloud運用でのスケーリング

クラウドにおける財務ガバナンス

オンプレミスとクラウドでの、費用の違いについて理解しましょう。オンプレミスのような固定費用ではなく、クラウドは 使った分だけの従量課金 です。

また、以下のキーワードを押さえてください。

クラウド導入で TCO（Total Cost of Ownership = 総所有コスト）を低減できる
TCO 低減はシステム投資に対する ROI（Return on Investment: 投資収益率）の向上に寄与する
オンプレミスとクラウドのコストの性質の違い
- オンプレミスはサーバー買い切りからの減価償却、つまり CapEx（資本的支出） である
- クラウドを利用するということは、毎月変動する経費的な支出であり OpEx（経費的支出） である