Data Engineering

Nền tảng thiết kế dữ liệu: khác biệt OLTP vs OLAP, chuẩn hoá (1NF–3NF) và khi nào phi chuẩn hoá, ba mức mô hình (conceptual/logical/physical), và quy trình mô hình hoá cho kho dữ liệu.

Phương pháp Kimball cho kho dữ liệu: fact & dimension, xác định grain, star vs snowflake, bus matrix & conformed dimensions, và quy trình thiết kế 4 bước — nền tảng của hầu hết kho phân tích.

Ba loại bảng fact (transaction, periodic snapshot, accumulating snapshot), tính cộng được của measure (additive/semi/non-additive), factless fact, và các mẫu thiết kế fact cho kho phân tích.

Xử lý thay đổi trong bảng chiều: các loại SCD (Type 0–6), surrogate key, conformed & role-playing dimension, junk/degenerate/hierarchy dimension — để giữ lịch sử và truy vấn đúng theo thời điểm.

Phương pháp mô hình hoá cho kho quy mô lớn, dễ mở rộng & audit: Hub, Link, Satellite; raw vault vs business vault; so sánh với Kimball; và khi nào Data Vault phù hợp (nhiều nguồn, thay đổi liên tục, yêu cầu truy vết).

Mô hình hoá thời cloud/columnar: One Big Table (wide table) & phi chuẩn hoá cho kho cột như BigQuery, kiến trúc medallion, và semantic/metrics layer (dbt/Looker) như nguồn sự thật về chỉ số.

Giữ mô hình dữ liệu đáng tin & bền vững: quy ước đặt tên, tài liệu & data dictionary, lineage, kiểm thử chất lượng dữ liệu, quản trị (catalog, ownership, data contracts) và hướng data mesh.