# Data Modeling dla Data Engineering (Data Engineering)

> Star schema, snowflake, Data Vault, normalizacja, typy SCD, grain, metryki addytywne

- 20 pytań z rozmów
- Mid-Level
- [Pytania z rozmów: Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne.md)

## 1. Czym jest star schema?

**Odpowiedź**

Star schema to wymiarowy model danych, w którym centralna fact table jest otoczona przez dimension tables. Fact table zawiera metryki i foreign keys do wymiarów, które przechowują atrybuty opisowe. Ta prosta, zdenormalizowana struktura optymalizuje wydajność zapytań analitycznych poprzez minimalizację złączeń.

## 2. Jaka jest różnica między fact table a dimension table?

**Odpowiedź**

Fact table zawiera ilościowe miary (metryki) i foreign keys do wymiarów. Rejestruje zdarzenia lub transakcje. Dimension table zawiera atrybuty opisowe (kto, co, gdzie, kiedy) umożliwiające filtrowanie i grupowanie faktów. Fakty są liczbowe i agregowalne, wymiary są tekstowe i opisowe.

## 3. Czym jest grain fact table?

**Odpowiedź**

Grain definiuje poziom szczegółowości wiersza w fact table. Odpowiada na pytanie: co dokładnie reprezentuje jeden wiersz? Na przykład, jedna sprzedaż na wiersz, jedna sprzedaż na dzień na produkt lub jedna sprzedaż na godzinę. Zdefiniowanie grain jest pierwszym krokiem modelowania wymiarowego, ponieważ określa, które wymiary są potrzebne i jaki poziom agregacji jest przechowywany.

## Jeszcze 17 dostępnych pytań

- Jaka jest różnica między star schema a snowflake schema?
- Czym jest conformed dimension?

Zarejestruj się za darmo: https://sharpskill.dev/pl/login

## Inne tematy rekrutacyjne Data Engineering

- [Linux & Shell - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/linux-shell-basics.md): 20 pytań, Junior
- [Git & GitHub - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/git-github-fundamentals.md): 20 pytań, Junior
- [Zaawansowany Python dla Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/python-advanced-de.md): 25 pytań, Junior
- [Docker - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/docker-fundamentals.md): 25 pytań, Junior
- [Google Cloud Platform - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/gcp-fundamentals.md): 20 pytań, Junior
- [CI/CD i jakość kodu](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/ci-cd-code-quality.md): 20 pytań, Mid-Level
- [Docker Compose](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/docker-compose.md): 20 pytań, Mid-Level
- [FastAPI - API danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/fastapi.md): 20 pytań, Mid-Level
- [Zaawansowany SQL dla Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/sql-advanced-de.md): 20 pytań, Mid-Level
- [Data Lake - Architektura i wprowadzanie danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/data-lake.md): 20 pytań, Mid-Level
- [BigQuery dla Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/bigquery-de.md): 20 pytań, Mid-Level
- [PostgreSQL - Administracja](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/postgresql-admin.md): 20 pytań, Mid-Level
- [Fivetran & Airbyte - Pozyskiwanie danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/fivetran-airbyte.md): 20 pytań, Mid-Level
- [dbt - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/dbt-fundamentals-de.md): 20 pytań, Mid-Level
- [Apache Airflow - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/airflow-fundamentals.md): 20 pytań, Mid-Level
- [Kubernetes - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/kubernetes-fundamentals.md): 20 pytań, Mid-Level
- [dbt - Zaawansowane funkcje](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/dbt-advanced-de.md): 20 pytań, Senior
- [Wzorce ETL / ELT / ETLT](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/etl-elt-patterns.md): 20 pytań, Senior
- [Apache Airflow - Zaawansowany](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/airflow-advanced.md): 20 pytań, Senior
- [Airflow + dbt - Orkiestracja pipeline'ów](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/airflow-dbt-integration.md): 20 pytań, Senior
- [PySpark - Przetwarzanie na dużą skalę](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/pyspark.md): 20 pytań, Senior
- [Google Pub/Sub - Streaming danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/pubsub-streaming.md): 20 pytań, Senior
- [Apache Beam & Dataflow](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/apache-beam-dataflow.md): 20 pytań, Senior
- [Kubernetes - Produkcja i skalowanie](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/kubernetes-advanced.md): 20 pytań, Senior
- [Terraform - Infrastructure as Code](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/terraform.md): 20 pytań, Senior
- [Bazy danych NoSQL](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/nosql-databases.md): 20 pytań, Senior
- [Nowoczesna Data Architecture](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/data-architecture.md): 20 pytań, Senior
- [Monitorowanie i obserwowalność](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/monitoring-observability.md): 20 pytań, Senior
- [IAM i bezpieczeństwo danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/iam-security-de.md): 20 pytań, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/data-modeling-de