# dbt - Erweiterte Funktionen (Data Analytics)

> Jinja-Makros, benutzerdefinierte Tests, Packages, Hooks, Snapshots, inkrementelle Modelle, CI/CD-Orchestrierung

- 20 Interview-Fragen
- Senior
- [Interview-Fragen: Data Analytics](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen.md)

## 1. Was ist der Unterschied zwischen einem Macro und einem Model in dbt?

**Antwort**

Ein Macro ist ein wiederverwendbarer Jinja-Codeblock, der SQL dynamisch generiert, während ein Model eine SQL-Datei ist, die eine Tabelle oder View im Data Warehouse erzeugt. Macros helfen bei der Faktorisierung wiederholten Codes und der Erstellung benutzerdefinierter Funktionen, während Models die Struktur transformierter Daten definieren.

## 2. Wie deklariert man ein benutzerdefiniertes Macro in dbt?

**Antwort**

Ein dbt-Macro wird in einer .sql-Datei innerhalb des macros/-Ordners mit Jinja macro- und endmacro-Tags deklariert. Der Macro-Name wird im macro-Tag definiert und kann Parameter akzeptieren. Das Macro ist dann in Models mit der Jinja-Syntax doppelter geschweifter Klammern aufrufbar.

## 3. Was ist der Hauptvorteil von inkrementellen Modellen in dbt?

**Antwort**

Inkrementelle Modelle ermöglichen die Verarbeitung nur neuer oder geänderter Daten seit dem letzten Lauf, anstatt die gesamte Tabelle neu aufzubauen. Dies reduziert die Ausführungszeit und die Compute-Kosten für große Tabellen erheblich und hält die Daten aktuell.

## 17 weitere Fragen verfügbar

- Welche Konfiguration ist erforderlich, um ein inkrementelles Modell in dbt zu definieren?
- Was ist der Zweck der Merge-Strategie in einem dbt-inkrementellen Modell?

Kostenlos registrieren: https://sharpskill.dev/de/login

## Weitere Data Analytics-Interviewthemen

- [Google Sheets - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-basics.md): 20 Fragen, Junior
- [Google Sheets - Erweiterte Formeln](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-advanced.md): 20 Fragen, Junior
- [SQL - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-basics.md): 25 Fragen, Junior
- [SQL - Aggregationen und Gruppierungen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-aggregations.md): 20 Fragen, Junior
- [SQL - Joins](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-joins.md): 20 Fragen, Junior
- [BigQuery - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/bigquery-fundamentals.md): 20 Fragen, Junior
- [Data Cleaning - Datenbereinigung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-cleaning.md): 20 Fragen, Junior
- [KPIs und Business-Metriken](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/kpis-metrics.md): 20 Fragen, Junior
- [Deskriptive Statistik](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/descriptive-statistics.md): 20 Fragen, Junior
- [Zapier und No-Code-Automatisierung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/zapier-automation.md): 20 Fragen, Junior
- [Grundlagen der Datenvisualisierung](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-viz-principles.md): 20 Fragen, Junior
- [Python & Pandas - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/python-pandas-basics.md): 20 Fragen, Junior
- [Google Sheets - Automatisierte Dashboards](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/google-sheets-dashboards.md): 20 Fragen, Mid-Level
- [SQL - Unterabfragen und CTEs](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-subqueries-ctes.md): 20 Fragen, Mid-Level
- [SQL - Window Functions](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-window-functions.md): 20 Fragen, Mid-Level
- [BigQuery - Erweiterte Funktionen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/bigquery-advanced.md): 20 Fragen, Mid-Level
- [Data Modeling](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/data-modeling.md): 20 Fragen, Mid-Level
- [Funnel- und Conversion-Analyse](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/funnel-analysis.md): 20 Fragen, Mid-Level
- [Kohorten- und Retention-Analyse](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/cohort-retention.md): 20 Fragen, Mid-Level
- [Google Tag Manager und Tracking](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/gtm-tracking.md): 20 Fragen, Mid-Level
- [APIs und Webhooks](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/apis-webhooks.md): 20 Fragen, Mid-Level
- [dbt - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/dbt-fundamentals.md): 20 Fragen, Mid-Level
- [AB-Testing und angewandte Statistik](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/ab-testing.md): 20 Fragen, Mid-Level
- [Looker Studio (Google Data Studio)](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/looker-studio.md): 20 Fragen, Mid-Level
- [Power BI - Grundlagen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/power-bi-fundamentals.md): 20 Fragen, Mid-Level
- [SQL - Erweiterte analytische Abfragen](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/sql-advanced-analytics.md): 20 Fragen, Senior
- [Power BI - DAX und fortgeschrittene Dashboards](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/power-bi-dax.md): 20 Fragen, Senior
- [Python Analytics - Erweiterte Analyse und ML](https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/python-analytics-advanced.md): 20 Fragen, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/de/technologies/data-analytics/interviewfragen/dbt-advanced