【実践問題150問×全問解説】Salesforce 認定 Data 360 コンサルタント 2026年版 試験対策まとめ
【旧版】この記事は2026年9月26日に公開した版です。最新版（2026年11月3日公開）は「【実践問題150問×全問解説】Salesforce認定Data 360コンサルタント 2027年最新版 試験対策まとめ」です。過去に公開した同じ資格の記事とは別に、150問すべてを新しく作り直しています。過去の記事の問題の使い回しではないので、過去の記事で学習済みの方も新しい問題で力試しができます。
過去に公開した同じ資格の記事:
この記事で得られるもの
公式受験ガイドの6ドメイン構成に配点比率をそろえた実践問題150問。
全150問に対する解説。正解の根拠と、誤答選択肢が誤りである理由まで書いている。
2026年時点の仕様に基づくシナリオ問題。Zero-Copy によるデータコラボレーション、予測AI・生成AIツール、Salesforce フローでの Data 360 活用といった新しい出題目標をカバーする。
ドメイン別に問題番号が整理されているため、弱い領域だけを繰り返し解ける構成。
本記事は実試験問題の転載ではなく、出題形式と論点を再現したオリジナル問題です。
筆者は Salesforce 認定資格を複数保有する現役コンサルタントです。実際の導入プロジェクトでデータ取り込み、ハーモナイゼーション、セグメントのアクティブ化を設計・実装してきました。その現場経験と、認定試験を複数受験して得た出題傾向の理解をもとに、本記事の問題と解説を書いています。実務で迷いやすい論点と、試験で問われる論点のずれにも触れています。
試験概要
正式名称: Salesforce 認定 Data 360 コンサルタント（旧: Salesforce 認定 Data Cloud コンサルタント）
英語名称: Salesforce Certified Data 360 Consultant (formerly Salesforce Certified Data Cloud Consultant)
試験コード: Data-Con-101
問題数: 60問（多肢選択式）。これに加えて採点対象外の問題が最大5問出題される。
試験時間: 105分
合格ライン: 70%
合格に必要な正解数: 採点対象60問中42問正解相当。公式は合格ライン70%のみを記載しているため、必要正解数は受験直前に公式サイトで確認。
受験料: US$200 / 30,000円（税抜。現地法令に基づく税金が別途加算）。日本円の税込金額は受験直前に公式サイトで確認。
再受験料: US$100 / 15,000円（税抜。現地法令に基づく税金が別途加算）。日本円の税込金額は受験直前に公式サイトで確認。
前提資格: なし
配信形式: テストセンター、またはオンラインのプロクター監督付き試験
準拠リリース: Spring '26
ブランド変更: 2025年10月14日付で製品名「Data Cloud」が「Salesforce Data 360」へ変更された。資格名も「Salesforce 認定 Data Cloud コンサルタント」から「Salesforce 認定 Data 360 コンサルタント」へ改称された。試験コードは Data-Con-101 のまま変わらない。Trailhead の資格URLは /credentials/datacloudconsultant から /credentials/data360consultant へ変更された。
出題目標の追加ポイント: Zero-Copy を含むデータコラボレーション機能、予測AI・生成AIツール（Data 360 のAI基盤としての役割と顧客シナリオへの適用）、Salesforce フロー（Flow）での Data 360 活用が明記された。
試験仕様は改定される。受験前に公式受験ガイドで最新の問題数、試験時間、合格ライン、受験料、出題範囲を確認してほしい。
出題ドメインと配点
ソリューションポジショニング（Solution Positioning）: 14%（本記事 Q1〜Q21、21問）
Data 360 のセットアップと管理（Data 360 Setup and Administration）: 13%（本記事 Q22〜Q40、19問）
データソース接続と取り込み（Data Source Connection and Ingestion）: 18%（本記事 Q41〜Q67、27問）
ハーモナイゼーションと統合（Harmonization and Unification）: 17%（本記事 Q68〜Q93、26問）
データ拡張・共有・分析（Data Enhancements, Sharing, and Analysis）: 18%（本記事 Q94〜Q120、27問）
データのアクティブ化と活用（Data Activations and Utilization）: 20%（本記事 Q121〜Q150、30問）
本記事の各ドメインの問題数は、公式受験ガイドの配点比率に一致する割合で配分している。150問を解き切れば、実試験と同じ比重で全領域を通過できる。
なお、各ドメインの解説内で触れる「頻出テーマ」は、公式受験ガイドの出題目標をもとに筆者が整理したものである。公式が個別テーマの出題頻度を公表しているわけではない。
学習戦略
配点の高いドメインから潰す。データのアクティブ化と活用（20%）、データソース接続と取り込み（18%）、データ拡張・共有・分析（18%）の3領域で全体の56%を占める。ここを固めてから、ハーモナイゼーションと統合（17%）、ソリューションポジショニング（14%）、セットアップと管理（13%）へ進む。
シナリオ形式に慣れる。この試験は用語の暗記ではなく、顧客の状況を読んで適切な設計を選ぶ問題が中心になる。問題文から要件、制約、既存構成を抜き出す読み方を、150問を通して繰り返し練習してほしい。
2026年時点の最新仕様に注意する。本記事の問題は Spring '26 リリース準拠の仕様を前提にしている。ブランド変更後の名称、Zero-Copy によるデータコラボレーション、予測AI・生成AIツール、Salesforce フローとの連携は新しい出題領域であり、古い教材では扱っていない。学習中に参照する外部資料の更新日を必ず確認する。
「標準機能で最も保守しやすい選択肢を選ぶ」という思想で解答する。この試験は、技術的に実現可能な案を並べたうえで、標準機能で完結し、運用負荷が小さく、将来の変更に耐える案を正解とする。カスタム開発や外部ツールでの回避策は、標準機能で要件を満たせない場合に限って正解になる。選択肢が複数成立するように見えたときは、この基準で絞り込む。
実践問題
ソリューションポジショニング（Solution Positioning）（Q1〜Q21）
Q1. ユニバーサルコンテナーズ社は、SFTPから配信される会員データをData 360に取り込み、統合プロファイルの基礎データとして利用する計画を立てている。コンサルタントは、取り込んだCSVの列構成が標準スキーマと一致していない点を懸念している。データレイクオブジェクト（DLO）とデータモデルオブジェクト（DMO）の役割をチームに説明する際、最も適切な内容はどれか。
A. DLOは標準スキーマに正規化された共通モデルであり、DMOは取り込み時の生データを保持する領域である。
B. DLOとDMOはどちらも取り込み時に自動生成され、マッピング作業は不要である。
C. DLOを作成するには、対象オブジェクトのプロファイルに「すべてのデータの編集」を付与する必要がある。
D. DLOは取り込んだ生データをソースの構造のまま保持し、DMOへのマッピングによって標準スキーマへ正規化される。
回答：D
データストリームを作成するとソースの構造を保持したDLOが生成され、そのDLOの項目をDMOへマッピングすることで標準スキーマへ正規化される。Aは役割が逆で、Bはマッピングが取り込み後の必須作業である点を無視している。DLO＝ソース構造のままの保管、DMO＝正規化された共通モデルと覚える。DMOへのマッピングが完了していない項目はセグメントやCalculated Insightから参照できないため、設計段階でマッピング対象項目を確定させる。
Q2. クラウドキックス社は、北米事業部とEMEA事業部で別々のマーケティングチームがData 360を運用する。両事業部のデータは相互に参照させず、セグメントやDMOも分離したい。一方で、各事業部内には複数のSFTPソースとWeb行動データが存在する。コンサルタントはデータスペースとデータストリームの役割をどう説明すべきか。
A. データスペースはソース単位の取り込み設定であり、データストリームはブランド単位の論理的な分離境界である。
B. データストリームを事業部ごとに2本作成すれば、DMOとセグメントは自動的に分離される。
C. 事業部ごとに別のData 360組織を新規契約し、運用を物理的に分ける。
D. データスペースで事業部単位の論理的な分離境界を定義し、その中で各ソースごとにデータストリームを作成する。
回答：D
データスペースはブランドや事業部、地域単位でデータとメタデータを論理的に区切る境界であり、データストリームは個々のソースからの取り込み単位である。Aは両者の定義が逆で、Bはデータストリームに分離境界の機能がない点を誤っており、Cは標準機能で解決できる要件に過剰な契約を持ち込んでいる。データスペース＝論理的な区切り、データストリーム＝取り込み経路と覚える。デフォルトのdefaultデータスペースは削除できず、データスペースには作成上限があるため、事業部の増設予定を含めて設計する。
Q3. AWコンピューティング社の経営層は、既存のマーケティング専用CDPからData 360への移行を検討している。コンサルタントは、Data 360が従来型CDPと異なる価値を持つ点を訴求する必要がある。差別化ポイントとして適切な説明はどれか。（2つ選択）
A. Sales CloudやService Cloudの標準オブジェクトとネイティブに連携し、統合プロファイルを営業・サービス・マーケティングの全部門で共有できる。
B. データウェアハウスとのゼロコピー連携により、データを物理的に複製せずにData 360上でモデル化・分析できる。
C. 従来型CDPと同様にマーケティングのメール配信専用のプロファイルストアとして機能する。
D. 取り込んだデータはすべてSalesforceのコアオブジェクトとして保存されるため、ストレージ課金が発生しない。
回答：A、B
Data 360はSalesforceプラットフォーム上に構築されており、統合プロファイルをマーケティングに限らず営業・サービス・コマースの各クラウドで共通利用できる点と、Snowflake、BigQuery、Databricksなどとのゼロコピー連携でデータ複製を回避できる点が従来型CDPとの主要な差別化ポイントになる。Cはマーケティング専用という限定がプラットフォーム横断の価値を否定しており、Dはデータレイク上の保管とコアオブジェクトを混同している。Data 360＝プラットフォーム横断の単一プロファイル基盤、従来型CDP＝マーケティング部門内の最適化と整理する。ゼロコピー連携では外部側のクエリ処理が発生するため、外部データウェアハウス側の課金モデルも提案時に確認する。
Q4. ユニバーサルコンテナーズ社は、Snowflakeに蓄積された5年分の購買明細（数十億行）をData 360で分析したい。データの鮮度要件は日次で足りるが、Data 360側での物理的なデータ保管量は最小化したい。加えて、対象テーブルは分析用途のみで、アクティベーションのペイロードには含めない。コンサルタントが推奨すべきアプローチはどれか。
A. Snowflakeのゼロコピー連携を構成し、外部データ共有としてDMOにマッピングする。
B. Snowflakeコネクタでバッチデータストリームを作成し、全件をData 360に取り込む。
C. SnowflakeからCSVを日次で書き出し、担当者が手動でData 360にアップロードする。
D. Snowflakeのデータをまず Marketing Cloud Engagement のデータエクステンションへ複製し、そこから取り込む。
回答：A
大容量かつ分析中心の用途で物理的な保管量を抑える要件では、ゼロコピー連携で外部データ共有を構成し、複製せずにDMOへマッピングする方式が適する。Bは数十億行を実体としてコピーするため保管量最小化の要件に反し、Cは手作業運用で保守性がなく、Dは目的の異なる隣接製品を経由させる遠回りな構成になる。ゼロコピー＝参照して分析、バッチ取り込み＝実体を保管してアクティベーションにも活用と整理する。ゼロコピーで参照するデータはクエリ実行時に外部側へ問い合わせるため、応答性能は外部ウェアハウスの構成に依存する。
Q5. クラウドキックス社はすでにMDM製品を導入しており、顧客マスタのゴールデンレコードを管理している。Data 360導入の議論で、業務部門から「MDMと同じものを二重に作るのではないか」という質問が出た。コンサルタントの説明として最も適切なものはどれか。
A. Data 360の統合プロファイルはMDMのゴールデンレコードを完全に置き換えるため、MDM製品は廃止する。
B. MDMのゴールデンレコードをData 360に取り込むことはできないため、両者は完全に独立して運用する。
C. MDMは業務システム全体の正となるマスタ属性を管理し、Data 360はエンゲージメント活用に向けて取引・行動データを含めたプロファイルを統合する。
D. Data 360の一致ルールでMDMのマッチングロジックを再現すれば、MDM側の運用は手動確認のみで済む。
回答：C
MDMは業務システム横断で権威ある正のマスタ属性を管理する仕組みで、Data 360の統合プロファイルはそのマスタに加えて取引・Web行動・エンゲージメント履歴を束ね、セグメンテーションとアクティベーションに使う分析・活用向けのビューである。Aは役割の異なる両者を単純な置き換えと誤解し、Bはゴールデンレコードを信頼できるソースとして取り込む一般的な構成を否定し、Dは手動確認という非現実的な運用に落としている。MDM＝業務の正となる属性、Data 360＝活用に向けた横断プロファイルと整理する。MDMのゴールデンレコードを取り込む場合は、調整ルールの優先順位でそのソースを最上位に設定して属性を安定させる。
Q6. AWコンピューティング社では、Eコマース、コールセンター、実店舗POSの3ソースから個人データを取り込む。統合プロファイル上の電話番号が、参照するタイミングによって異なる値になると報告された。コンサルタントは、一致ルールと調整ルールの違いを踏まえてどう説明すべきか。
A. 一致ルールが属性の優先ソースを決めるため、一致ルールを再設定して電話番号の優先順位を指定する。
B. 3ソースの電話番号を毎朝レポートで突き合わせ、差異があれば担当者が正しい値に修正する。
C. 一致ルールは同一人物と判定するレコードの束ね方を決め、調整ルールは束ねたレコード群から統合プロファイルに採用する属性値を決める。
D. プロセスビルダーで最新の電話番号を統合プロファイルに書き戻すフローを作成する。
回答：C
一致ルールは複数ソースのレコードを同一個人として束ねる判定条件を定義し、調整ルールは束ねられたレコード群のどの値を統合プロファイルの属性として採用するかを決めるため、属性値が安定しない症状は調整ルールの設定で解決する。Aは一致ルールに属性選択の役割を持たせる誤りで、Bは手作業前提の非現実的な運用、Dは廃止済みのプロセスビルダーを前提にしている。一致ルール＝誰と誰を束ねるか、調整ルール＝どの値を採用するかと覚える。調整ルールではソース優先度と「最新レコード」基準を選択でき、変更後は個人結合の再処理が走るため反映までに時間差が生じる。
Q7. ユニバーサルコンテナーズ社は、サポートサイトでエラーページを短時間に3回以上表示した顧客を、即時にサービス担当へエスカレーションしたい。同時に、顧客ごとの生涯購買金額と平均注文単価を日次で集計してセグメントに使いたい。コンサルタントが推奨する構成はどれか。
A. どちらもCalculated Insightで定義し、スケジュールを15分間隔に短縮する。
B. 即時のエラー3回検知はStreaming Insightで定義し、生涯購買金額と平均注文単価はCalculated Insightで定義する。
C. どちらもStreaming Insightで定義し、Web行動データとまとめて集計する。
D. 即時検知はレポートとダッシュボードの自動更新で代替し、集計はCalculated Insightで定義する。
回答：B
Streaming Insightは短い時間ウィンドウ内のストリーミングデータをほぼリアルタイムに集計してデータアクションを起動できるため即時エスカレーションに適し、生涯購買金額のような履歴全体の集計はCalculated Insightがスケジュール実行で処理する。Aはバッチ集計の性質上ミリ秒単位の即時要件を満たせず、Cは大量の履歴データを対象とする集計をストリーミングで扱おうとする誤りで、Dはレポート更新に即時性がない。Streaming Insight＝短いウィンドウの即時集計、Calculated Insight＝スケジュール実行の履歴集計と整理する。Streaming Insightは対象がストリーミング取り込みのDMOに限られ、時間ウィンドウの長さにも上限があるため要件との適合を事前に確認する。
Q8. クラウドキックス社のマーケティングチームは、「直近90日に購入がなく、ロイヤルティ会員である顧客」をMarketing Cloud EngagementとGoogle広告の両方に連携したい。連携先ごとに必要な項目が異なる。コンサルタントが推奨する構成はどれか。
A. 条件を満たすセグメントを1つ作成し、そのセグメントから連携先ごとにアクティベーションを作成して送出項目とターゲットを個別に定義する。
B. 連携先ごとに同じ条件のセグメントを2つ作成し、それぞれに1つのアクティベーションを紐付ける。
C. セグメント作成時に連携先と送出項目を指定するため、アクティベーションの作成は不要である。
D. セグメントメンバーをCSVで書き出し、各連携先の管理画面に担当者が毎週アップロードする。
回答：A
セグメントは対象者の抽出条件を定義する責務を持ち、アクティベーションは抽出結果をどの連携先へどの項目で送るかを定義する責務を持つため、1つのセグメントに複数のアクティベーションを紐付ける構成が最も保守しやすい。Bは同一条件のセグメントを二重管理して条件変更時の不整合を招き、Cはセグメントにアクティベーションの役割を持たせる誤りで、Dは手作業運用で鮮度も担保できない。セグメント＝誰を選ぶか、アクティベーション＝どこへ何を送るかと整理する。アクティベーションにはアクティベーションターゲットの事前設定が必要で、公開頻度はセグメント側のスケジュールに従うため、連携先ごとの鮮度要件を確認する。
Q9. AWコンピューティング社は、Agentforceのサービスエージェントに顧客の直近の注文状況と保証期間を踏まえた回答をさせたい。関連データはData 360の統合プロファイルとDMOに存在する。コンサルタントが説明すべきData 360の役割はどれか。
A. Agentforceは自動的にすべてのDMOを参照するため、追加の構成は不要である。
B. 統合プロファイルをCSVで書き出し、エージェントのプロンプトに直接貼り付けて参照させる。
C. 必要なデータをSales Cloudのカスタムオブジェクトへ複製し、Data 360は経由させない。
D. Data 360のDMOと統合プロファイルを取得項目として参照させ、エージェントの応答をその顧客データでグラウンディングする。
回答：D
Data 360はAgentforceのグラウンディング基盤として機能し、DMOや統合プロファイル、Calculated Insightを取得対象として参照させることで、エージェントが実際の顧客データに基づいた応答を生成する。Aは参照対象と権限を明示的に構成する必要がある点を無視し、Bは静的な書き出しで鮮度も規模も担保できず、Cはデータ複製を増やしてData 360の横断プロファイルの価値を捨てている。グラウンディング＝モデルに顧客データの文脈を与える構成と整理する。グラウンディングに使うDMOには参照するユーザーのデータアクセス権限が適用されるため、公開範囲の設計を併せて確認する。
Q10. ユニバーサルコンテナーズ社は、Data 360の統合プロファイルを使って2つの施策を検討している。1つは解約可能性の高い顧客をスコア化してセグメントに使う施策、もう1つはサービス担当がケース対応履歴の要約を得る施策。コンサルタントが説明する構成として最も適切なものはどれか。
A. どちらも生成AIのプロンプトテンプレートで実装し、スコアはモデルに数値を生成させる。
B. どちらも予測AIのモデルビルダーで実装し、要約はモデルの出力項目として定義する。
C. 解約スコアはData 360のデータを使った予測モデルで生成してDMOに書き出し、ケース要約は統合プロファイルとDMOでグラウンディングした生成AIで作成する。
D. 解約スコアは担当者が四半期ごとに表計算ソフトで算出し、要約は生成AIで作成する。
回答：C
予測AIは過去データから学習したモデルで解約可能性などの数値スコアを算出し、その結果をDMOへ書き出してセグメント条件に利用でき、生成AIは統合プロファイルやDMOでグラウンディングしたうえで要約や文章生成を担う。Aはスコアリングを生成AIに任せて再現性と精度の担保を失い、Bは自然言語の要約を予測モデルの出力として扱う誤りで、Dは手作業の算出で更新頻度も精度も要件を満たさない。予測AI＝数値やランクの算出、生成AI＝文章の生成と整理する。予測モデルの学習には十分な件数の教師データが必要で、スコアの更新はモデルの実行スケジュールに従うため、施策の判断タイミングと合わせる。
（この行から下が有料エリアです）
