Question 1

Jak nazywa się zautomatyzowany workflow w Zapierze?

Accepted Answer

W Zapierze zautomatyzowany workflow nazywa się Zap. Każdy Zap składa się z triggera (zdarzenia inicjującego) oraz jednej lub więcej akcji (zadań wykonywanych automatycznie). Zapy pozwalają łączyć różne aplikacje bez pisania kodu, co czyni je centralnym narzędziem automatyzacji no-code.

Question 2

Który typ wykresu najlepiej nadaje się do porównywania wartości w różnych kategoriach?

Accepted Answer

Bar chart to najskuteczniejszy wykres do porównywania wartości między odrębnymi kategoriami. Ludzkie oko bardzo skutecznie porównuje długości wyrównane na wspólnej osi, co sprawia, że odczyt jest intuicyjny. Słupki mogą być pionowe lub poziome w zależności od liczby kategorii i długości etykiet.

Question 3

Jaka jest główna struktura danych Pandas do przechowywania danych tabelarycznych?

Accepted Answer

DataFrame to podstawowa struktura danych Pandas. Reprezentuje dwuwymiarową tabelę z wierszami i kolumnami, podobną do arkusza kalkulacyjnego lub tabeli SQL. Każda kolumna to Series, a każdy wiersz ma indeks. DataFrame umożliwia efektywną manipulację ustrukturyzowanymi danymi dzięki licznym wbudowanym metodom.

Question 4

Które odwołanie do komórki wskazuje komórkę znajdującą się w kolumnie B, wierszu 5?

Accepted Answer

W Google Sheets odwołania do komórek zawsze używają litery kolumny, po której następuje numer wiersza. Kolumna B z wierszem 5 daje więc B5. Ten zapis pozwala na precyzyjną identyfikację każdej komórki w arkuszu kalkulacyjnym.

Question 5

Który typ wykresu jest najbardziej odpowiedni do wyświetlania ewolucji miesięcznych przychodów w ciągu roku w dashboardzie Google Sheets?

Accepted Answer

Wykres liniowy (line chart) jest optymalnym wyborem do wizualizacji ciągłej ewolucji szeregów czasowych. Podkreśla trendy, szczyty i doliny w danym okresie. Wykresy słupkowe lepiej nadają się do porównań kategorycznych, wykresy kołowe do proporcji całości, a wykresy punktowe do korelacji między dwiema zmiennymi.

Question 6

Czym jest podzapytanie w SQL?

Accepted Answer

Podzapytanie to zapytanie zagnieżdżone wewnątrz innego zapytania SQL. Może występować w klauzulach SELECT, FROM, WHERE lub HAVING. Podzapytanie wykonuje się jako pierwsze, a jego wynik jest używany przez zapytanie zewnętrzne. Ten mechanizm pozwala rozłożyć złożone problemy na kolejne logiczne kroki.

Question 7

Czym jest window function w SQL?

Accepted Answer

Window function wykonuje obliczenia na zestawie wierszy związanych z bieżącym wierszem, bez zwijania wyników do pojedynczego wiersza wyjściowego. W przeciwieństwie do GROUP BY, które redukuje liczbę wierszy, window function zachowuje wszystkie wiersze w wyniku, dodając obliczoną kolumnę. Klauzula OVER() definiuje okno, na którym wykonywane jest obliczenie.

Question 8

Jaką główną rolę pełni data pierwszego kontaktu (first touch date) w analizie kohort?

Accepted Answer

Data pierwszego kontaktu pozwala grupować użytkowników w kohorty na podstawie momentu, w którym po raz pierwszy weszli w interakcję z produktem. Ta segmentacja czasowa jest niezbędna do porównywania zachowań grup użytkowników pozyskanych w różnych okresach oraz identyfikowania trendów lub zmian wydajności w czasie.

Question 9

Jaka jest różnica między makrem a modelem w dbt?

Accepted Answer

Makro to wielokrotnego użytku blok kodu Jinja, który dynamicznie generuje SQL, podczas gdy model to plik SQL, który tworzy tabelę lub widok w hurtowni danych. Makra pomagają faktoryzować powtarzalny kod i tworzyć niestandardowe funkcje, podczas gdy modele definiują strukturę przekształconych danych.

Question 10

Jaka jest fundamentalna różnica między miarą a kolumną obliczeniową w DAX?

Accepted Answer

Miara jest obliczana dynamicznie przy każdej interakcji użytkownika (filtr, slicer) w kontekście bieżącej wizualizacji, podczas gdy kolumna obliczeniowa jest oceniana raz podczas ładowania danych i przechowywana w pamięci w tabeli. Miary są optymalne dla agregacji i KPI zmieniających się w zależności od kontekstu, kolumny obliczeniowe dla stałych atrybutów wymagających sortowania lub grupowania.

Pytania z rozmów o Data Analytics

Gotowy na rozmowę o Data Analytics?

Odkryj wszystkie tematy Data Analytics

Google Sheets - Podstawy

Google Sheets - Zaawansowane formuły

SQL - Podstawy

SQL - Agregacje i grupowanie

SQL - Złączenia

BigQuery - Podstawy

Data Cleaning - Czyszczenie danych

KPI i metryki biznesowe

Statystyka opisowa

Zapier i automatyzacja No-Code

Zasady wizualizacji danych

Python & Pandas - Podstawy

Google Sheets - Automatyczne dashboardy

SQL - Podzapytania i CTE

SQL - Window Functions

BigQuery - Funkcje zaawansowane

Data Modeling

Analiza funneli i konwersji

Analiza kohort i retencji

Google Tag Manager i tracking

API i webhooki

dbt - Podstawy

AB Testing i statystyka stosowana

Looker Studio (Google Data Studio)

Power BI - Podstawy

SQL - Zaawansowane zapytania analityczne

dbt - Funkcje zaawansowane

Power BI - DAX i zaawansowane dashboardy

Python Analytics - Zaawansowana analiza i ML

Oferty pracy Data Analytics w liczbach

Gdzie są oferty Data Analytics

Rynek pracy Data Analytics dziś

Opanuj Data Analytics na następną rozmowę