Cloud Digital Leader 認定試験

Step 1: 公式試験ガイドを読む（必須）
Step 2: Cloud Skills Boost の CDL ラーニングパスを修了
Step 3: 公式サンプル問題を解く
Step 4: cp.certmetrics.com/google から試験を予約

📎 試験ページ: cloud.google.com/learn/certification/cloud-digital-leader
📎 学習パス: cloudskillsboost.google/paths/9

Google Cloud が提供するクラウド移行成熟度モデル。技術・組織文化・プロセスを含めた全体論的なアプローチで、4つのテーマに基づく。

データドリブン経営とは、勘や経験ではなくデータに基づいて意思決定を行う経営スタイルです。

1. 過去の理解: 何が起きたかを把握（記述的分析）
2. 現状の把握: 今何が起きているかをリアルタイムで監視（診断的分析）
3. 未来の予測: 次に何が起きるかを予測（予測的分析）
4. 最適行動の提案: 何をすべきかをAIが提案（処方的分析）

RDBが必要か？
├── YES: グローバルに強一貫性が必要 → Cloud Spanner
└── YES: リージョン内で十分      → Cloud SQL

NoSQLが必要か？
├── ドキュメント形式・リアルタイム → Firestore
├── 時系列・超大量データ         → Bigtable
└── キャッシュ・セッション        → Memorystore

分析・DWH用途                    → BigQuery
高性能HTAP（OLTP+分析）          → AlloyDB

Looker は Google Cloud のエンタープライズ BI プラットフォーム。LookML という独自言語でデータ定義を一元管理し、全社員が同じ定義で一貫したデータを参照できる「真実の唯一の情報源」を実現する。BigQuery・Cloud SQL など主要 DB に直接接続し、経営ダッシュボード・売上レポート・顧客分析に活用される。

無料で使えるセルフサービスBI/ダッシュボードツール。コードなしでインタラクティブなレポートを作成。Google Sheets・BigQuery・Google Analytics などと連携。

フルマネージドのデータ処理パイプライン（Apache Beam ベース）。リアルタイム（ストリーミング）とバッチ処理の両方に対応。大量データの変換・集計・分析パイプラインを構築。用途: ログ処理・IoTデータ変換・ETLパイプライン

マネージド Apache Hadoop/Spark クラスタ。既存のHadoopワークロードをクラウドへ移行し、必要な時だけクラスタを起動してコスト削減。用途: 大規模バッチデータ処理・ML パイプライン

フルマネージドのメッセージングサービス。イベント駆動アーキテクチャの基盤として、1秒あたり数百万メッセージを処理可能。用途: リアルタイムデータ取り込み・システム間の非同期連携

Google Cloud の IaaS コンピューティングサービス。OS・ミドルウェア・アプリの完全制御と幅広いマシンタイプを提供。

• Preemptible/Spot VM: 通常比最大 91% 安価。中断可能なバッチ処理向け
• Sustained Use Discount: 月の一定時間以上利用すると自動割引（最大 30%）
• Committed Use Discount: 1年・3年契約で最大 57% 割引

Kubernetes はコンテナ化されたアプリを自動的にデプロイ・スケール・管理するオープンソースプラットフォーム。

コンテナをサーバーレスで実行するフルマネージドサービス。リクエストがない時は 0スケール（コストゼロ）。リクエストに応じて自動スケール。用途: HTTP/gRPC API・イベント処理・スパイクトラフィック対応

イベント駆動のサーバーレス関数（FaaS）。HTTP リクエスト・Pub/Sub・Cloud Storage イベントでトリガー。用途: 軽量処理・Webhook・ETL・通知送信

PaaS の Web アプリプラットフォーム。Standard環境: Python・Node.js・Go・Java など対応。Flexible 環境: カスタムランタイム・Docker コンテナ対応。

OS・ミドルウェアの制御が必要         → Compute Engine
コンテナ + ステートフル/長時間処理    → GKE
コンテナ + ステートレス HTTP API      → Cloud Run
イベント駆動 + 短時間の小さな関数     → Cloud Run Functions
コード書くだけでOK（PaaS）           → App Engine
0スケールでコスト最小化              → Cloud Run / Cloud Run Functions

Google Cloud のソフトウェア定義ネットワーク。1つの VPC がグローバルに展開（リージョンをまたがる）。プロジェクトごとに分離されたネットワーク環境を構築。ファイアウォールルールで送受信トラフィックを細かく制御。

グローバルロードバランサー: 世界規模でトラフィックを分散（HTTP/HTTPS）。リージョナルロードバランサー: 特定リージョン内での負荷分散。自動スケーリング対応。

Google のグローバルネットワークを使ってコンテンツをキャッシュ・高速配信。静的コンテンツ（画像・動画・CSS/JS）のレイテンシを大幅削減。

マネージドサービスとは、インフラの管理（パッチ適用・スケーリング・バックアップ等）を Google が代わりに行うサービス。

Google Cloud Architecture Framework が示すベストプラクティスによれば、システムは密結合なモノリシック（一枚岩）アーキテクチャから脱却し、コンポーネントごとに独立してスケール・更新が可能な「疎結合（Decoupled）」かつ「ステートレス（状態を保持しない）」なマイクロサービスアーキテクチャへと移行すべきです。

企業の IT インフラは単一のパブリッククラウドだけで完結するとは限りません。法規制・データ主権・既存オンプレミス投資の観点から、ハイブリッドクラウドやマルチクラウド戦略を採用することが増えています。

モダナイゼーションの中核として、社内外のシステムをつなぐ API（Application Programming Interface） の重要性が増しています。API は単なる連携ツールではなく、企業のデータやサービスをパッケージ化し、サードパーティに提供することで新たな収益源を生み出すビジネス資産です。

Google Cloud は多層防御（Defense in Depth）とゼロトラストセキュリティの考え方を基本とします。

組織（Organization）
    │
    ├── フォルダ（Folder）← 部門・環境（Dev/Prod）でグループ化
    │       │
    │       ├── プロジェクト（Project）← 課金単位、API 管理
    │       │       │
    │       │       └── リソース（VM・GCS・DB 等）
    │       │
    │       └── プロジェクト（Project）
    │
    └── フォルダ（Folder）

ポリシーは上位から下位へ継承される（上書き不可）

IAM は「誰が（Who）・何を（Permission）・どのリソースに（Resource）できるか」を制御するサービスです。

• Google アカウント（個人ユーザー）
• サービスアカウント（アプリ・VM・サービス用）
• Google グループ（複数ユーザーのまとめ）
• Cloud Identity ドメイン

VPN なしで社内アプリへのコンテキストアウェアアクセスを実現。ユーザーの ID・デバイス・場所に基づいてアクセスを制御。BeyondCorp Enterprise の核心コンポーネント。

Web アプリの DDoS 保護・WAF（Web アプリファイアウォール）。SQLインジェクション・XSS など OWASP Top 10 脆弱性をブロック。IP・地域ベースのアクセス制御。Cloud Load Balancing と統合。

API キー・パスワード・TLS 証明書などの機密情報を安全に管理。アプリのコードにシークレットをハードコードしない。自動ローテーション・アクセスログを提供。

暗号化キーの集中管理サービス。CMEK（Customer-Managed Encryption Keys） で顧客自身が暗号鍵を管理し、データを完全自社管理。ハードウェアセキュリティモジュール（HSM）対応。

Google Cloud リソース全体のセキュリティ脅威・脆弱性を一元可視化。リスクの検出・優先順位付け・修復のガイダンスを提供。コンプライアンス状況のダッシュボード。

データ内の個人情報（PII）・機密情報を自動検出・分類・マスキング。BigQuery・Cloud Storage などに格納されたデータをスキャン。GDPR・HIPAA 等のコンプライアンス対応に必須。

Google Cloud は多数の第三者認証・コンプライアンスフレームワークに対応しています。

メトリクスの収集・可視化・アラート。CPU 使用率・レイテンシ・エラー率などを継続監視。アップタイムチェックでサービスの死活監視。

GCP 全サービスのログを一元収集・保存・分析。監査ログ（Audit Logs）: 誰がいつ何をしたかを記録（Admin Activity は常時有効・無効化不可）。ログシンクで BigQuery・Cloud Storage へ転送して長期分析。

アプリケーションの分散トレーシング（レイテンシ分析）。マイクロサービス間のリクエスト経路と処理時間を可視化。

本番アプリのパフォーマンスプロファイリング。CPU とメモリ消費の原因箇所を特定（オーバーヘッドが非常に小さい）。

1. 右サイズ化（Right-sizing）: 過剰スペックの VM をダウンサイズ
2. 使われていないリソースの削除: 停止中の VM・未使用の IP アドレス
3. ストレージクラスの最適化: アクセス頻度に応じたクラス選択
4. Spot VM の活用: バッチ処理・CI/CD などに
5. Committed Use の適用: 安定したワークロードには長期契約が得

• 予算アラート: 月次予算を設定し、閾値超過時に通知
• Cost Table: プロジェクト・サービス別のコスト内訳
• BigQuery への課金データエクスポート: 詳細分析・カスタムレポート
• Recommender（Active Assist）: AI によるコスト削減・セキュリティ改善の推奨

従来のオンプレミス環境で主流だった「境界防御モデル（ファイアウォールで脅威を遮断）」は、テレワークやクラウドの普及によりもはや有効ではありません。

Google Cloud は、内部ネットワークであっても暗黙の信頼を置かず、すべてのユーザーとデバイスのアクセス要求に対して、その都度コンテキスト（身元・場所・デバイスの安全性など）を動的に検証するゼロトラストモデルである BeyondCorp アプローチを採用しています。

Active Assist は、機械学習を用いて顧客のクラウド利用状況を継続的に分析し、インテリジェントな推奨事項（レコメンデーション）を提示するポートフォリオです。

Google Cloud は、顧客の環境負荷を測定し削減を支援するための Carbon Footprint ツールを提供しています。データセンターの機器レベルでの詳細な電力監視データに基づき、プロジェクト・プロダクトごとに炭素排出量をダッシュボードで正確に可視化します。

試験で最も基本的かつ頻出の概念です。 AI ⊃ ML ⊃ 深層学習 ⊃ 生成AI ⊃ LLM の入れ子構造（包含関係）を理解することが最重要です。 AI が最も広い概念、LLM が最も狭い概念です。 「生成AI = LLM」は誤り。LLM はテキスト生成専門ですが、 生成AI には画像生成（Imagen）・動画生成（Veo）・音楽生成なども含まれます。 深層学習とは多層ニューラルネットワークを使った ML であり、画像認識・音声認識・翻訳に活用されます。

機械学習には「教師あり学習」「教師なし学習」「強化学習」の 3 つのアプローチがあります。 データの形式と学習方法が異なるため、ユースケースによって使い分けます。 RLHF（人間フィードバックによる強化学習）は Gemini の品質向上にも活用されています。

Google Cloud の AI サービスは「使いやすさ」と「カスタマイズ性」のバランスで 4 層に分かれています。プリビルト API（ML 知識不要・即座に利用）→ AutoML（ノーコードでカスタムモデル）→ Vertex AI（カスタムモデル・フル制御）→ 生成 AI サービスの順にステップアップします。 まずプリビルト AI API から試し、精度が不十分なら AutoML、さらに高い要件なら Vertex AI カスタムモデルを検討します。

プリビルト AI API は、Google が膨大なデータで事前学習済みのモデルを API として公開したサービスです。 ML の専門知識不要で即座に利用開始でき、学習コスト・インフラ管理も不要です。 まずプリビルト AI API から試し、精度が不十分であれば AutoML でカスタムモデルを検討します。

AutoML は ML の専門知識なしに独自データからカスタム ML モデルを構築できるサービスです。 従来 ML エンジニアが数週間〜数ヶ月かけて実施する作業を、数時間〜1日・ML 知識不要で完結します。 Google の AutoML が内部で最適なモデルアーキテクチャの自動選択、ハイパーパラメータの自動チューニング（Neural Architecture Search）、データ拡張の自動適用を実施します。

Vertex AI は ML ライフサイクル全体（データ準備→学習→評価→デプロイ→監視）を一つのプラットフォームで管理できる統合 ML 基盤です。 2021年に複数の個別 ML サービス（AI Platform・AutoML・Explainable AI・Prediction Service 等）が統合されました。 データサイエンティストとエンジニアの協業が容易になり、MLOps（ML の DevOps）を実現します。 Model Monitoring はデータドリフト・予測ドリフトを自動検知し、アラートを発報・再学習を自動トリガーします。

Gemini は Google DeepMind が開発したフラッグシップのマルチモーダル基盤モデルです。 テキスト・画像・音声・動画・コードを統合的に理解・生成できます。 Gemini 1.5 Pro/Flash は最大 100 万トークン（約70万語・映画脚本750本分）のコンテキストウィンドウを持ち、長大な文書やコードベース全体をまとめて処理できます。 Google の全サービスに統合されていく次世代 AI です。

Gemini for Workspace は Gmail・Docs・Sheets・Slides・Meet に Gemini の AI 機能を直接組み込むアドオンです。 ビジネスユーザーが普段使うツールの中で AI を活用でき、メール作成時間 30〜50% 短縮・会議準備・議事録作成の自動化・繰り返し作業の大幅削減・言語の壁を超えたグローバルコラボレーションが実現します。

NotebookLM は、ドキュメント（PDF・URL・Google Docs 等）を「ソース」として設定し、そのソースだけを参照して質問応答・要約・ポッドキャスト生成を行うツールです。 ソースに基づいた回答のみを生成するためハルシネーション（でたらめ回答）を大幅に低減します。 社内文書・報告書・研究論文の分析に最適であり、知識ワーカー（ナレッジワーカー）向けの AI ツールです。

AI エージェントとは、LLM が「ツールを使いながら自律的に複数ステップのタスクを実行できる」システムです。 通常の LLM は受動的（質問に答えるだけ）ですが、AI エージェントは能動的・自律的に行動します。 例えば「来週の水曜日、東京から大阪の新幹線を予約して」と依頼すると、カレンダー確認・新幹線検索・座席予約・確認メール送信まで自律的に実行します。

RAG（検索拡張生成）は LLM に「外部知識ベースから関連情報を検索して渡す」技術です。 LLM が抱える①ハルシネーション ②知識のカットオフ ③非公開情報を知らない という根本的な課題を解決します。 ベクトルデータベースに文書を埋め込み（Embedding）として格納し、ユーザーの質問と意味的に近い文書を高速検索します。

AI が引き起こす可能性のある問題（差別・偏見、ハルシネーション、プライバシー侵害、フェイクニュース・ディープフェイク、ブラックボックス問題）に対処するために、Google は責任ある AI の原則を全製品・研究に適用しています。 公平性・説明責任・透明性・プライバシー保護は試験で特に頻出の原則です。

AI・データ処理においてプライバシーを保護するための 3 つの主要技術です。 GDPR（EU個人データ保護規則）や医療情報保護法（HIPAA）などの規制対応にも密接に関連します。 匿名化は再識別が不可能なため GDPR の適用外となりますが、仮名化は紐付けテーブルで再識別が可能なため GDPR が適用されます。

BigQuery ML（BQML）は、BigQuery 内で SQL 文を書くだけで ML モデルを作成・学習・評価・予測できる機能です。 データをエクスポートして別の環境で学習させる必要がなく、データが存在する BigQuery 上で直接 ML を実行できます。 データサイエンティストでなくても SQL を知っていれば ML モデルを構築できるため、ビジネスアナリストによる ML 活用を促進します。

Explainable AI（XAI）は、AI がなぜその判断をしたかを人間が理解できる形で説明する技術です。 EU AI Act・金融規制などで「判断根拠の説明」が義務化されており、規制対応として必須です。 また、誤判断の原因特定・バイアスの発見・ユーザーの AI への信頼醸成に不可欠です。 Vertex Explainable AI は特徴量重要度の提示・注意機構の可視化（ヒートマップ）・SHAP（Shapley Additive Explanations）による影響量の数値化を提供します。

1. 「ビジネスリーダー」の視点で解答する: 技術詳細よりビジネス価値・コスト効率・生産性向上を重視
2. Google Cloud 固有のサービス名を覚える: 一般用語ではなく Google Cloud 固有の名前で選択肢を判断
3. 「最も適切な」に注意: 複数が正しい場合でも「最もシンプル」「最もコスト効率が良い」を選ぶ
4. セキュリティ問題は最小権限の原則: 権限を広く与えるより絞る方が正解
5. マネージドサービス優先: 「自分で管理する」より「マネージドサービスを使う」が Google の推奨