# Data Modeling (Data Analytics)

> Star schema, ตาราง fact และ dimension, การ normalize, การ denormalize, SCD, grain

- 20 คำถามสัมภาษณ์
- Mid-Level
- [คำถามสัมภาษณ์: Data Analytics](https://sharpskill.dev/th/technologies/data-analytics/interview-questions.md)

## 1. Star schema ใน data modeling คืออะไร?

**คำตอบ**

Star schema คือสถาปัตยกรรมการสร้างแบบจำลองเชิงมิติที่ fact table กลางถูกล้อมรอบด้วย dimension table ที่เชื่อมต่อโดยตรง โครงสร้างนี้ทำให้คิวรีเชิงวิเคราะห์ง่ายขึ้นและเพิ่มประสิทธิภาพโดยหลีกเลี่ยง join หลายตัวระหว่าง dimension ชื่อนี้มาจากรูปร่างของแผนภาพ โดย fact table กลางมีลักษณะเหมือนตัวดาว และ dimension เป็นกิ่งก้าน

## 2. บทบาทของ fact table ในโมเดลเชิงมิติคืออะไร?

**คำตอบ**

Fact table จัดเก็บการวัดเชิงปริมาณ (รายได้ จำนวนที่ขาย จำนวนคลิก) และ foreign key ไปยัง dimension table มันแทนเหตุการณ์หรือธุรกรรมทางธุรกิจ แต่ละแถวสอดคล้องกับเหตุการณ์ที่วัดได้ในระดับ grain ที่กำหนด คอลัมน์ตัวเลข (measure) คือข้อมูลที่นักวิเคราะห์รวมในคิวรี

## 3. Dimension table ในโมเดลเชิงมิติคืออะไร?

**คำตอบ**

Dimension table ประกอบด้วยคุณสมบัติเชิงพรรณนาที่ขยายความการวัดใน fact table ตัวอย่างเช่น dimension สินค้าประกอบด้วยชื่อ หมวดหมู่ แบรนด์ และราคาต่อหน่วย Dimension ช่วยให้สามารถกรอง จัดกลุ่ม และตัดแบ่งข้อมูลในระหว่างการวิเคราะห์ โดยทั่วไปจะถูก denormalize เพื่อให้คิวรีง่ายขึ้นและหลีกเลี่ยง join เพิ่มเติม

## มีอีก 17 คำถาม

- Grain (granularity) ของ fact table คืออะไร?
- ความแตกต่างระหว่างการวัดแบบ additive และ semi-additive คืออะไร?

สมัครฟรี: https://sharpskill.dev/th/login

## หัวข้อสัมภาษณ์ Data Analytics อื่นๆ

- [Google Sheets - พื้นฐาน](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/google-sheets-basics.md): 20 คำถาม, Junior
- [Google Sheets - สูตรขั้นสูง](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/google-sheets-advanced.md): 20 คำถาม, Junior
- [SQL - พื้นฐาน](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/sql-basics.md): 25 คำถาม, Junior
- [SQL - การรวมและการจัดกลุ่ม](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/sql-aggregations.md): 20 คำถาม, Junior
- [SQL - Joins](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/sql-joins.md): 20 คำถาม, Junior
- [BigQuery - พื้นฐาน](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/bigquery-fundamentals.md): 20 คำถาม, Junior
- [Data Cleaning - การทำความสะอาดข้อมูล](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/data-cleaning.md): 20 คำถาม, Junior
- [KPI และเมตริกทางธุรกิจ](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/kpis-metrics.md): 20 คำถาม, Junior
- [สถิติเชิงพรรณนา](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/descriptive-statistics.md): 20 คำถาม, Junior
- [Zapier และระบบอัตโนมัติ No-Code](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/zapier-automation.md): 20 คำถาม, Junior
- [หลักการ Data Visualization](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/data-viz-principles.md): 20 คำถาม, Junior
- [Python & Pandas - พื้นฐาน](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/python-pandas-basics.md): 20 คำถาม, Junior
- [Google Sheets - แดชบอร์ดอัตโนมัติ](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/google-sheets-dashboards.md): 20 คำถาม, Mid-Level
- [SQL - Subquery และ CTE](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/sql-subqueries-ctes.md): 20 คำถาม, Mid-Level
- [SQL - Window Functions](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/sql-window-functions.md): 20 คำถาม, Mid-Level
- [BigQuery - ฟีเจอร์ขั้นสูง](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/bigquery-advanced.md): 20 คำถาม, Mid-Level
- [การวิเคราะห์ Funnel และ Conversion](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/funnel-analysis.md): 20 คำถาม, Mid-Level
- [การวิเคราะห์ Cohort และ Retention](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/cohort-retention.md): 20 คำถาม, Mid-Level
- [Google Tag Manager และการติดตาม](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/gtm-tracking.md): 20 คำถาม, Mid-Level
- [API และ Webhook](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/apis-webhooks.md): 20 คำถาม, Mid-Level
- [dbt - พื้นฐาน](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/dbt-fundamentals.md): 20 คำถาม, Mid-Level
- [AB Testing และสถิติประยุกต์](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/ab-testing.md): 20 คำถาม, Mid-Level
- [Looker Studio (Google Data Studio)](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/looker-studio.md): 20 คำถาม, Mid-Level
- [Power BI - พื้นฐาน](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/power-bi-fundamentals.md): 20 คำถาม, Mid-Level
- [SQL - การคิวรีเชิงวิเคราะห์ขั้นสูง](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/sql-advanced-analytics.md): 20 คำถาม, Senior
- [dbt - ฟีเจอร์ขั้นสูง](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/dbt-advanced.md): 20 คำถาม, Senior
- [Power BI - DAX และแดชบอร์ดขั้นสูง](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/power-bi-dax.md): 20 คำถาม, Senior
- [Python Analytics - การวิเคราะห์ขั้นสูงและ ML](https://sharpskill.dev/th/technologies/data-analytics/interview-questions/python-analytics-advanced.md): 20 คำถาม, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/th/technologies/data-analytics/interview-questions/data-modeling