Font size
WorksheetsTuyển BA
Total questions: 100
Worksheet time: 1hrs 15mins
Trong mô hình dữ liệu quan hệ, “khóa ngoại” (foreign key) được sử dụng để:
Giúp tối ưu tốc độ truy vấn thông qua cơ chế chỉ mục nội bộ.
Đảm bảo rằng mỗi bản ghi có giá trị duy nhất trong một bảng dữ liệu.
Liên kết các bản ghi giữa hai bảng khác nhau thông qua mối quan hệ logic.
Tạo ra các quy tắc tự động kiểm tra dữ liệu khi ghi vào cơ sở dữ liệu.
Ưu điểm chính của mô hình Star Schema so với Snowflake Schema là:
Giảm thiểu dữ liệu trùng lặp bằng cách chia nhỏ các dimension thành nhiều cấp.
Giúp người dùng dễ hiểu, dễ xây dựng báo cáo và tối ưu cho công cụ BI.
Cải thiện hiệu suất lưu trữ bằng cách giảm kích thước các bảng dimension.
Hạn chế việc phải thực hiện nhiều phép nối (join) khi truy vấn dữ liệu.
Trong Data Vault 2.0, bảng Hub đóng vai trò:
Lưu trữ các thuộc tính mô tả nghiệp vụ và các thông tin thay đổi theo thời gian.
Ghi nhận các mã định danh nghiệp vụ duy nhất đại diện cho từng thực thể.
Liên kết dữ liệu từ nhiều hệ thống nguồn thành bảng tổng hợp duy nhất.
Quản lý dữ liệu metadata và lineage phục vụ quá trình ETL.
Trong mô hình Data Vault, bảng Satellite được sử dụng để:
Lưu các thuộc tính mô tả của thực thể, có thể thay đổi theo thời gian.
Ghi nhận mối quan hệ giữa các thực thể khác nhau trong hệ thống dữ liệu.
Chứa thông tin định danh duy nhất của đối tượng nghiệp vụ.
Lưu trữ dữ liệu hệ thống và các thông số vận hành ETL.
Mục tiêu chính của chuẩn hóa dữ liệu (Normalization) trong mô hình quan hệ là:
Giảm độ phức tạp của các truy vấn bằng cách gộp các bảng dữ liệu nhỏ.
Loại bỏ dữ liệu dư thừa và đảm bảo tính toàn vẹn logic giữa các bảng.
Tăng hiệu suất truy vấn tổng hợp trong môi trường OLAP hoặc BI.
Chuẩn bị cấu trúc dữ liệu để dễ dàng chuyển đổi sang hệ thống NoSQL.
Mối quan hệ “1-nhiều” (1:N) giữa hai bảng thường được thể hiện bằng:
Một bảng trung gian lưu khóa chính của cả hai bảng để liên kết.
Việc đặt khóa chính của bảng cha làm khóa ngoại trong bảng con.
Một cột mapping tự động sinh để đồng bộ dữ liệu giữa hai bảng.
Cấu hình join logic trong công cụ ETL thay vì trong cơ sở dữ liệu.
Trong Data Mart tín dụng, bảng “Loan_Contract_Fact” thường chứa:
Các chỉ tiêu định lượng như dư nợ, lãi suất, thời hạn và giá trị giải ngân.
Danh mục sản phẩm tín dụng và thông tin mô tả chi tiết từng sản phẩm.
Đặc điểm nổi bật của Slowly Changing Dimension Type 2 (SCD2) là:
Dữ liệu cũ bị ghi đè bởi dữ liệu mới khi có thay đổi nghiệp vụ.
Mỗi thay đổi tạo ra một bản ghi mới, lưu lịch sử toàn bộ quá trình
Tự động gán cờ “is_active” để xác định bản ghi hiện hành trong dimension.
Dữ liệu được cập nhật đồng thời ở fact table và dimension table.
Trong mô hình Snowflake Schema, đặc trưng cơ bản là:
Dimension được chuẩn hóa thành nhiều cấp nhỏ để loại bỏ trùng lặp
Fact table chứa toàn bộ dữ liệu nghiệp vụ và không cần dimension.
Cấu trúc đơn giản, thuận tiện cho người dùng không chuyên BI.
Chỉ áp dụng cho các hệ thống OLTP có khối lượng giao dịch lớn.
Trong Data Vault, “Business Key” có ý nghĩa:
Mã khóa nội bộ do hệ thống sinh tự động để đảm bảo tính duy nhất.
Khóa nghiệp vụ tự nhiên dùng để định danh thực thể trong tổ chức
Chuỗi băm (hash key) được tạo từ khóa chính của bảng nguồn.
Một mã tạm thời dùng để ánh xạ giữa các hệ thống khác nhau.
Việc sử dụng Surrogate Key trong mô hình dữ liệu mang lại lợi ích:
Giúp đảm bảo khóa ổn định và tách biệt khỏi thay đổi nghiệp vụ
Giảm độ phức tạp trong việc xây dựng các chỉ mục vật lý.
Cho phép quản lý dữ liệu theo phiên bản trong thời gian thực.
Loại bỏ nhu cầu kiểm soát toàn vẹn tham chiếu trong CSDL.
Trong mô hình dữ liệu ngân hàng, các bảng “Customer”, “Branch”, “Product” thường được xem là:
Fact table chứa số liệu tài chính và chỉ tiêu phân tích.
Dimension table mô tả thực thể nghiệp vụ, dùng để phân tích theo chiều
Metadata table chứa cấu trúc của dữ liệu và quy tắc mapping.
Temporary table dùng để lưu dữ liệu trung gian trong quá trình ETL.
“Cardinality” trong mô hình dữ liệu biểu diễn:
Mức độ lặp lại giá trị trong một cột dữ liệu cụ thể.
Số lượng bản ghi mà một thực thể có thể liên kết với thực thể khác
Độ sâu của mối quan hệ giữa các cấp dimension trong schema.
Số lần một bảng được tham chiếu trong mô hình dữ liệu tổng thể.
Trong Data Warehouse, fact table thường được thiết kế để:
Lưu trữ dữ liệu định lượng và có thể liên kết đến các dimension
Chứa toàn bộ dữ liệu chi tiết về khách hàng và sản phẩm.
Lưu thông tin về cấu hình ETL và trạng thái pipeline.
Ghi nhận thông tin hệ thống để kiểm soát hiệu năng truy vấn.
Một junk dimension được dùng khi:
Cần gom các thuộc tính rời rạc (flag, code, status) thành một dimension
Muốn tạo ra dimension phụ để lưu dữ liệu phi cấu trúc.
Cần tách dữ liệu tổng hợp ra khỏi fact table để giảm tải.
Phải lưu metadata mô tả dữ liệu của nhiều nguồn khác nhau.
Trong thiết kế Data Warehouse, khái niệm schema-on-write nghĩa là:
Cấu trúc dữ liệu được xác định trước khi lưu vào hệ thống
Dữ liệu được tự động ánh xạ sang schema khi có truy vấn.
Việc định nghĩa schema được thực hiện trong quá trình đọc dữ liệu.
Hệ thống tự động tạo schema dựa trên metadata của file nguồn.
Trong Data Vault, Link Table được dùng để:
Lưu mối quan hệ giữa các thực thể thông qua khóa của các Hub
Quản lý metadata của các ETL process trong pipeline dữ liệu.
Chứa dữ liệu mô tả chi tiết thuộc tính nghiệp vụ của thực thể.
Theo dõi các thay đổi dữ liệu theo cơ chế version control.
Khi chuyển đổi mô hình từ OLTP sang OLAP, nguyên tắc chính là:
Tập trung tối ưu hóa tốc độ ghi và cập nhật dữ liệu.
Tối ưu hóa cho các truy vấn tổng hợp và phân tích đa chiều
Giữ nguyên toàn bộ các mối quan hệ khóa ngoại để tránh sai lệch.
Tăng số lượng chỉ mục để cải thiện hiệu năng giao dịch.
Sơ đồ Entity Relationship Diagram (ERD) giúp BA chủ yếu trong việc:
Hiểu rõ cấu trúc bảng và mối quan hệ giữa các thực thể nghiệp vụ
Phân tích hiệu suất truy vấn và lập kế hoạch tối ưu chỉ mục.
Viết các câu lệnh SQL phục vụ cho ETL pipeline tự động.
Định nghĩa metadata cho hệ thống catalog và lineage.
Khi xây dựng mô hình dữ liệu tổng hợp cho báo cáo, BA nên:
Chuẩn hóa toàn bộ dữ liệu đến cấp cao nhất có thể.
Cân bằng giữa hiệu năng truy vấn, tính dễ hiểu và khả năng mở rộng
Thiết kế schema tách biệt cho từng nhóm người dùng cuối.
Giới hạn số lượng bảng để giảm độ phức tạp trong quản lý.
Trong kiến trúc dữ liệu hiện đại, Data Lake khác với Data Warehouse chủ yếu ở điểm nào?
Data Lake lưu trữ dữ liệu phi cấu trúc và bán cấu trúc, còn Data Warehouse chủ yếu lưu trữ dữ liệu có cấu trúc
Data Lake chỉ dùng cho hệ thống BI, còn Data Warehouse dùng cho ứng dụng giao dịch.
Data Lake không có khả năng truy vấn trực tiếp, còn Data Warehouse có thể xử lý real-time.
Data Lake yêu cầu schema-on-write, còn Data Warehouse sử dụng schema-on-read.
Tầng Raw Zone trong Data Lake thường được thiết kế để:
Lưu trữ dữ liệu đã chuẩn hóa theo mô hình sao, phục vụ BI và báo cáo.
Lưu trữ dữ liệu thô từ nguồn, chưa qua xử lý, dùng để đảm bảo khả năng truy vết
Lưu trữ dữ liệu được tổng hợp theo chủ đề nghiệp vụ như khách hàng, sản phẩm.
Lưu trữ dữ liệu được làm sạch và chuẩn hóa trước khi đưa vào kho dữ liệu.
Kiến trúc Data Lakehouse kết hợp ưu điểm của hai hệ thống nào?
Data Mart và Data Vault
Data Lake và Data Warehouse
Data Catalog và Data Quality
OLTP Database và NoSQL Storage
Trong kiến trúc dữ liệu, metadata có vai trò chủ yếu là:
Lưu trữ bản sao dữ liệu để phục vụ việc sao lưu và khôi phục.
Mô tả cấu trúc, nguồn gốc, định nghĩa và ý nghĩa của dữ liệu trong toàn hệ thống
Cung cấp dữ liệu lịch sử giúp phân tích xu hướng và thống kê dài hạn.
Tối ưu hóa việc ghi dữ liệu bằng cách thêm chỉ mục vật lý.
Data Lineage trong hệ thống quản trị dữ liệu có ý nghĩa gì?
Là tập hợp các bản ghi mô tả quyền truy cập dữ liệu của người dùng.
Là sơ đồ mô tả luồng di chuyển và biến đổi dữ liệu từ nguồn đến đích
Là hệ thống phân loại dữ liệu theo cấp độ bảo mật và mức độ nhạy cảm.
Là danh sách định nghĩa nghiệp vụ của các thuộc tính dữ liệu trong từ điển.
Trong kiến trúc dữ liệu phân tầng, tầng Curated (Trusted Zone) thường chứa:
Dữ liệu gốc từ hệ thống nguồn, chưa qua kiểm tra.
Dữ liệu gốc sau xử lý, kiểm tra chất lượng và được dùng làm “single source of truth”
Dữ liệu tổng hợp phục vụ trực tiếp cho báo cáo điều hành cấp cao.
Dữ liệu tạm thời được sinh ra trong quá trình ETL và bị xóa sau đó.
Một Data Pipeline được xem là hiệu quả khi nào?
Khi nó tự động chạy theo lịch và có thể mở rộng theo chiều dọc.
Khi nó đảm bảo dữ liệu được xử lý đúng, đủ, kịp thời và có thể kiểm soát lỗi
Khi nó có thể tích hợp với nhiều nguồn dữ liệu khác nhau.
Khi nó có thể xử lý dữ liệu lớn với chi phí thấp.
Trong hệ thống dữ liệu doanh nghiệp, Data Mesh khác Data Lakehouse ở điểm nào?
Data Mesh tập trung quản lý dữ liệu theo miền nghiệp vụ, còn Lakehouse tập trung vào hạ tầng lưu trữ
Data Mesh không hỗ trợ phân quyền truy cập dữ liệu, còn Lakehouse thì có.
Data Mesh chỉ dùng cho dữ liệu phi cấu trúc, còn Lakehouse dùng cho dữ liệu có cấu trúc.
Data Mesh là khái niệm công nghệ, còn Lakehouse là mô hình tổ chức dữ liệu.
Khi thiết kế kiến trúc dữ liệu cho ngân hàng, việc phân tách Data Mart theo chủ đề nghiệp vụ (ví dụ: tín dụng, huy động, kế toán) giúp:
Giảm chi phí lưu trữ tổng thể và tăng tốc độ load dữ liệu.
Tăng tính bảo mật, khả năng mở rộng và dễ quản lý quyền truy cập
Loại bỏ hoàn toàn sự phụ thuộc vào Data Warehouse trung tâm.
Tự động hóa việc sinh báo cáo và cập nhật dashboard BI.
Mục tiêu quan trọng nhất của kiến trúc dữ liệu tổng thể trong tổ chức là:
Giảm chi phí phần cứng và tối ưu hạ tầng lưu trữ đám mây.
Đảm bảo dữ liệu được quản lý thống nhất, tin cậy và sẵn sàng phục vụ phân tích
Hạn chế số lượng công cụ phân tích được sử dụng trong doanh nghiệp.
Hợp nhất toàn bộ dữ liệu về một máy chủ duy nhất để dễ kiểm soát.
Mục tiêu cốt lõi của Data Governance trong tổ chức là gì?
Tập trung vào việc thiết kế kiến trúc hệ thống và tối ưu hiệu suất truy vấn.
Đảm bảo dữ liệu được quản lý, sử dụng và chia sẻ theo quy trình minh bạch, đúng trách nhiệm
Giảm chi phí lưu trữ bằng cách loại bỏ dữ liệu cũ hoặc trùng lặp.
Hợp nhất toàn bộ dữ liệu về một nền tảng đám mây duy nhất để dễ giám sát.
Trong mô hình quản trị dữ liệu, Data Owner thường chịu trách nhiệm chính về:
Quản lý hạ tầng kỹ thuật của hệ thống lưu trữ dữ liệu.
Xác định và phê duyệt quyền truy cập dữ liệu đối với từng người dùng
Thực hiện các quy trình ETL và giám sát chất lượng dữ liệu hằng ngày.
Kiểm thử và triển khai các dashboard báo cáo trên công cụ BI.
Vai trò của Data Steward trong tổ chức thường bao gồm:
Giám sát, kiểm tra và đảm bảo chất lượng dữ liệu theo quy định nghiệp vụ
Thực hiện các truy vấn SQL phức tạp để tạo báo cáo phân tích.
Phát triển pipeline và job xử lý dữ liệu trên nền tảng DWH.
Đề xuất các thay đổi kỹ thuật trong hệ thống lưu trữ vật lý.
Một Data Policy được xem là hiệu quả khi nào?
Khi nó quy định chi tiết cách thiết kế bảng dữ liệu và chỉ mục trong hệ thống.
Khi nó mô tả rõ quy tắc, vai trò và quy trình vận hành dữ liệu trên toàn tổ chức.
Khi nó được ban hành bởi bộ phận IT mà không cần phê duyệt từ lãnh đạo.
Khi nó chỉ áp dụng cho dữ liệu tài chính mà không ảnh hưởng đến dữ liệu khác.
Data Quality Rule (quy tắc chất lượng dữ liệu) có vai trò gì trong Data Governance?
Xác định các tiêu chí đo lường, phát hiện và kiểm soát lỗi dữ liệu
Mô tả cấu trúc bảng dữ liệu trong mô hình logic của DWH.
Định nghĩa các yêu cầu truy cập và phân quyền cho người dùng cuối.
Lưu trữ thông tin về metadata kỹ thuật của hệ thống nguồn.
Khi phát hiện lỗi dữ liệu trong hệ thống, quy trình Data Issue Management bao gồm:
Ghi nhận lỗi, phân loại mức độ, phân công xử lý và theo dõi đến khi khắc phục
Xóa dữ liệu lỗi ngay lập tức để tránh ảnh hưởng đến người dùng cuối.
Tạo bảng log để ghi nhận lỗi nhưng không cần xử lý chi tiết.
Gửi thông báo đến tất cả người dùng có quyền truy cập hệ thống.
Một Data Catalog được triển khai nhằm mục đích:
Tạo repository tập trung chứa định nghĩa, mô tả và lineage của dữ liệu
Lưu trữ bản sao dữ liệu từ các nguồn khác nhau để tăng tính sẵn sàng.
Tối ưu hóa pipeline ETL bằng cách giảm số lượng bảng trung gian.
Quản lý lịch chạy tự động của các job xử lý dữ liệu định kỳ.
Trong quy trình quản trị dữ liệu, Metadata được chia làm mấy loại chính?
Hai loại: metadata kỹ thuật và metadata bảo mật.
Ba loại: metadata kỹ thuật, nghiệp vụ và vận hành
Bốn loại: metadata vật lý, kỹ thuật, mô tả và quản trị.
Một loại duy nhất được lưu trong hệ thống quản trị tập trung.
Một quy trình Data Access Control hiệu quả cần đảm bảo:
Mọi người dùng đều có thể truy cập dữ liệu để tránh gián đoạn công việc.
Chỉ người có vai trò phù hợp mới có quyền truy cập dữ liệu tương ứng
Quyền truy cập dữ liệu được cấp một lần và không cần rà soát lại.
Hệ thống tự động khóa tài khoản sau 30 ngày không truy cập dữ liệu.
Theo Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân, tổ chức phải:
Được sự đồng ý của chủ thể dữ liệu trước khi thu thập hoặc xử lý thông tin
Có thể chia sẻ dữ liệu cá nhân với bên thứ ba nếu đã mã hóa an toàn.
Lưu trữ dữ liệu cá nhân không giới hạn thời gian và phạm vi sử dụng.
Không cần thông báo cho chủ thể dữ liệu nếu dữ liệu đã được ẩn danh.
Trong lĩnh vực ngân hàng, BCBS 239 yêu cầu gì về quản trị dữ liệu rủi ro?
Mỗi chi nhánh phải có Data Warehouse riêng biệt để lưu trữ dữ liệu giao dịch.
Dữ liệu rủi ro phải được tổng hợp, chính xác, đầy đủ và kịp thời.
Các báo cáo rủi ro phải được trình bày dưới dạng đồ họa thay vì bảng.
Ngân hàng chỉ cần kiểm tra dữ liệu rủi ro mỗi quý một lần.
Một hệ thống Data Lineage hữu ích khi nào?
Khi nó thể hiện được toàn bộ luồng di chuyển, biến đổi và phụ thuộc dữ liệu
Khi nó chỉ hiển thị các bảng có dung lượng lớn nhất trong kho dữ liệu.
Khi nó tự động xóa dữ liệu lỗi trong pipeline mà không cần xác nhận.
Khi nó được triển khai độc lập, không cần liên kết với metadata catalog.
Data Retention Policy (chính sách lưu giữ dữ liệu) giúp tổ chức:
Xác định thời gian lưu trữ, tiêu hủy và tuân thủ quy định pháp lý
Đảm bảo dữ liệu luôn được sao lưu song song tại ít nhất hai vị trí vật lý.
Tự động cập nhật phiên bản mới nhất của dữ liệu trong catalog.
Giảm chi phí cloud bằng cách nén dữ liệu cũ định kỳ hàng tháng.
Trong khung quản trị dữ liệu, Data Governance Committee có nhiệm vụ:
Xây dựng chính sách, giám sát và phê duyệt các quy định liên quan đến dữ liệu
Quản lý chi tiết kỹ thuật của các bảng dữ liệu trong hệ thống DWH.
Kiểm thử ETL job để đảm bảo dữ liệu được load đúng theo lịch trình.
Triển khai mô hình dữ liệu mới khi có thay đổi trong nghiệp vụ.
Khi triển khai Data Governance Framework, yếu tố quan trọng nhất để thành công là:
Sự phối hợp chặt chẽ giữa công nghệ, quy trình và con người
Sử dụng các công cụ BI hiện đại để hiển thị trực quan dữ liệu.
Tập trung vào việc xây dựng pipeline thay vì quy trình vận hành.
Áp dụng toàn bộ khung DAMA-DMBOK mà không cần điều chỉnh.
Trong dự án tích hợp dữ liệu, Data Mapping được hiểu là quá trình:
Xây dựng mô hình vật lý cho hệ thống kho dữ liệu.
Xác định mối quan hệ và quy tắc chuyển đổi giữa dữ liệu nguồn và dữ liệu đích
Lập kế hoạch kiểm thử dữ liệu sau khi ETL hoàn tất.
Phân tích hiệu suất vận hành để tối ưu pipeline xử lý dữ liệu.
Khi mapping dữ liệu giữa hai hệ thống có cấu trúc khác nhau, bước quan trọng đầu tiên là:
Tạo bảng trung gian để lưu dữ liệu tạm thời.
Hiểu rõ ý nghĩa nghiệp vụ và định nghĩa từng trường dữ liệu nguồn
Trong Data Mapping, Transformation Rule là gì?
Quy tắc mô tả cách chuyển đổi dữ liệu từ định dạng nguồn sang định dạng đích
Danh sách bảng được sử dụng trong quá trình load dữ liệu.
Cấu trúc lưu trữ dữ liệu tạm thời trong quá trình ETL.
Tập hợp các trigger tự động chạy trong cơ sở dữ liệu.
Khi dữ liệu từ nhiều hệ thống nguồn có cùng định danh khách hàng nhưng khác định dạng, BA cần:
Giữ nguyên tất cả dữ liệu và dùng mã hệ thống để phân biệt.
Chuẩn hóa định danh và áp dụng quy tắc matching để hợp nhất
Xóa dữ liệu trùng lặp để tránh lỗi khi join.
Gộp tất cả dữ liệu vào một bảng staging duy nhất.
Trong quá trình mapping, Join Condition đóng vai trò:
Xác định logic kết nối giữa các bảng hoặc nguồn dữ liệu
Định nghĩa thứ tự chạy của các job trong pipeline.
Xác định loại dữ liệu của từng trường trong schema.
Quản lý quyền truy cập của người dùng vào bảng dữ liệu.
Một Source-to-Target Mapping Document (STTM) nên bao gồm:
Mô tả quy tắc nghiệp vụ, tên bảng, tên cột, kiểu dữ liệu và công thức chuyển đổi
Danh sách người chịu trách nhiệm quản lý dữ liệu của từng hệ thống.
Các chỉ tiêu KPI được tính toán từ dữ liệu đích.
Lộ trình triển khai và kế hoạch đào tạo người dùng.
Khi một hệ thống nguồn thay đổi cấu trúc bảng (thêm cột hoặc đổi tên), tác động đầu tiên cần kiểm tra là:
Tốc độ load dữ liệu trong hệ thống ETL.
Cấu hình mapping và quy tắc chuyển đổi trong tài liệu STTM
Giao diện dashboard trên công cụ BI.
Quyền truy cập dữ liệu của người dùng cuối.
Change Data Capture (CDC) được sử dụng nhằm mục đích:
Tự động phát hiện, ghi nhận và truyền các thay đổi dữ liệu từ nguồn sang đích
Nén dữ liệu trong quá trình truyền để giảm băng thông mạng.
Tự động rollback dữ liệu khi phát hiện lỗi ETL.
Tối ưu hóa việc ghi dữ liệu đồng thời trên nhiều node.
Khi tích hợp dữ liệu giữa hai hệ thống sử dụng múi giờ khác nhau, điều quan trọng là:
Chuyển đổi toàn bộ dữ liệu sang giờ UTC hoặc định dạng thời gian chuẩn
Giữ nguyên thời gian gốc để đảm bảo tính nguyên bản của dữ liệu.
Lưu thêm một cột timestamp cho từng hệ thống nguồn.
Loại bỏ dữ liệu timestamp để tránh sai lệch.
Một lỗi thường gặp trong Data Mapping là data type mismatch, ví dụ:
Mapping giữa trường VARCHAR(50) sang NUMBER hoặc DATE không qua chuyển đổi
Mapping giữa hai cột có cùng kiểu dữ liệu nhưng khác độ dài.
Mapping dữ liệu giữa hai bảng có cùng khóa chính.
Mapping dữ liệu từ một bảng sang chính nó trong cùng hệ thống.
Trong ETL, việc sử dụng Staging Area giúp ích cho:
Lưu dữ liệu tạm để kiểm tra, làm sạch và chuẩn hóa trước khi load vào đích
Lưu trữ vĩnh viễn dữ liệu để phục vụ truy vấn BI.
Tăng tốc truy vấn OLTP nhờ tách riêng dữ liệu nghiệp vụ.
Tránh việc ghi đè dữ liệu giữa các bảng trong hệ thống nguồn.
Khi dữ liệu nguồn thiếu cột cần thiết cho bảng đích, BA nên:
Ghi chú trường còn thiếu trong tài liệu mapping và xác định giải pháp thay thế
Xóa toàn bộ bảng đích để tránh sai lệch dữ liệu.
Dùng giá trị NULL mặc định mà không cần thông báo.
Bỏ qua trường đó và tiếp tục mapping các trường còn lại.
Khi kiểm thử quy trình ETL, Data Reconciliation Test nhằm mục đích:
Đảm bảo số lượng và giá trị dữ liệu load vào đích trùng khớp với nguồn
Kiểm tra quyền truy cập dữ liệu của người dùng cuối.
Xác định mức độ chuẩn hóa của các bảng trong schema.
Đánh giá hiệu năng truy vấn của báo cáo BI.
Trong tích hợp dữ liệu đa nguồn, một quy tắc tốt là:
Chuẩn hóa và mapping theo domain nghiệp vụ chung thay vì theo từng hệ thống
Mapping từng bảng theo cấu trúc vật lý của từng nguồn dữ liệu.
Sử dụng nhiều pipeline riêng biệt để dễ kiểm soát lỗi.
Gộp tất cả dữ liệu vào một file CSV trước khi load.
Trong vai trò BA, khi rà soát tài liệu mapping do kỹ sư dữ liệu cung cấp, điều cần chú ý nhất là:
Sự thống nhất giữa quy tắc nghiệp vụ và logic chuyển đổi trong mapping
Cấu hình tham số hiệu năng trong job ETL.
Cách đặt tên bảng vật lý trong schema hệ thống.
Mã nguồn Python hoặc SQL được sử dụng trong pipeline.
Khi thực hiện phép INNER JOIN giữa hai bảng A và B, kết quả sẽ:
Bao gồm toàn bộ bản ghi của cả hai bảng, có hoặc không có giá trị khớp.
Chỉ bao gồm các bản ghi có giá trị khóa khớp nhau ở cả hai bảng.
Giữ nguyên toàn bộ bản ghi của bảng bên trái bất kể điều kiện join.
Gộp tất cả các bản ghi có cùng cột tên giống nhau giữa hai bảng.
Câu lệnh nào trả về 3 khách hàng có doanh thu cao nhất trong từng tháng?
SELECT * FROM sales LIMIT 3
SELECT * FROM (SELECT *, RANK() OVER(PARTITION BY month ORDER BY revenue DESC) r FROM sales) WHERE r <= 3
SELECT TOP 3 * FROM sales ORDER BY month, revenue
SELECT customer, MAX(revenue) FROM sales GROUP BY month
Sự khác biệt giữa RANK() và DENSE_RANK() trong SQL là gì?
RANK() bỏ qua thứ hạng sau các giá trị trùng, còn DENSE_RANK() không bỏ qua
RANK() chỉ dùng cho số, còn DENSE_RANK() cho chuỗi ký tự.
DENSE_RANK() chỉ hoạt động trong truy vấn con, còn RANK() thì không.
Hai hàm này hoàn toàn tương đương về logic và hiệu năng.
Kết quả của LEFT JOIN giữa bảng A và B sẽ bao gồm:
Tất cả bản ghi của B và các bản ghi khớp của A.
Toàn bộ bản ghi của A, cùng dữ liệu khớp từ B nếu có
Chỉ những bản ghi có dữ liệu đầy đủ ở cả hai bảng.
Bản ghi từ A trừ đi các bản ghi có trong B.
Trong SQL, COALESCE(column, 0) thường được dùng để:
Gán giá trị mặc định 0 nếu cột chứa giá trị NULL
Loại bỏ các bản ghi có giá trị NULL.
Ép kiểu dữ liệu sang dạng số nguyên.
Tạo cột tổng hợp dựa trên nhiều giá trị.
Câu lệnh nào hiển thị tổng doanh thu theo khách hàng và năm, sắp xếp theo thứ tự giảm dần doanh thu?
SELECT customer, SUM(amount) FROM sales ORDER BY SUM(amount) DESC
SELECT customer, YEAR(date), SUM(amount) AS total FROM sales GROUP BY customer, YEAR(date) ORDER BY total DESC
SELECT * FROM sales WHERE total > 0 ORDER BY total DESC
SELECT customer, COUNT(amount) FROM sales GROUP BY customer ORDER BY COUNT(amount)
Trong câu lệnh SELECT COUNT(DISTINCT customer_id) FROM orders, mục đích của DISTINCT là:
Đếm số bản ghi không bị trùng lặp theo customer_id
Loại bỏ các giá trị NULL trước khi đếm.
Gộp các bản ghi theo ngày giao dịch.
Tăng tốc độ truy vấn khi bảng có nhiều bản ghi.
Khi sử dụng FULL OUTER JOIN, kết quả sẽ:
Chỉ lấy các bản ghi có khóa trùng giữa hai bảng.
Bao gồm tất cả bản ghi từ cả hai bảng, có hoặc không khớp khóa
Loại bỏ các bản ghi có giá trị NULL ở bất kỳ bảng nào.
Tự động nhóm các bản ghi theo khóa chính.
Trong SQL, CROSS JOIN giữa hai bảng A (5 bản ghi) và B (4 bản ghi) cho ra:
9 bản ghi
20 bản ghi
5 bản ghi
4 bản ghi
Kết quả của hàm LAG() trong SQL thường dùng để:
Tính trung bình cộng của các giá trị liên tiếp.
Lấy giá trị của bản ghi trước đó trong cùng partition
Tạo một cột tổng hợp dựa trên nhóm dữ liệu.
Đếm số bản ghi trùng lặp trong cột.
Câu lệnh CTE (Common Table Expression) được khai báo bằng từ khóa nào?
WITH
TEMP
DECLARE
DEFINE
Ưu điểm chính của việc dùng CTE so với subquery lồng nhau là:
Giúp truy vấn ngắn hơn và có thể tái sử dụng logic nhiều lần
Giảm kích thước bảng dữ liệu vật lý trong DWH.
Tự động tối ưu chỉ mục cho cột được nhóm.
Giảm thời gian đọc dữ liệu trong bảng nguồn.
Câu lệnh nào trả về tổng doanh thu theo từng loại sản phẩm, chỉ lấy sản phẩm có tổng doanh thu > 1 tỷ?
SELECT product, SUM(amount) FROM sales WHERE amount > 1000000000
SELECT product, SUM(amount) FROM sales GROUP BY product HAVING SUM(amount) > 1000000000
Câu lệnh SELECT department, AVG(salary) FROM employees GROUP BY department thực hiện:
Tính tổng lương theo phòng ban.
Tính trung bình lương cho từng phòng ban.
Liệt kê tất cả nhân viên có lương cao nhất.
Hiển thị tổng số nhân viên của mỗi phòng.
Trong câu lệnh SQL, HAVING khác WHERE ở điểm nào?
HAVING lọc sau khi GROUP BY, còn WHERE lọc trước khi nhóm
WHERE chỉ áp dụng cho cột số, còn HAVING cho cột chuỗi.
HAVING chỉ hoạt động với subquery, WHERE thì không.
Hai mệnh đề này có thể thay thế cho nhau hoàn toàn.
Khi muốn tìm 5 khách hàng có tổng doanh thu cao nhất, ta nên dùng:
ORDER BY kết hợp LIMIT 5 hoặc TOP 5
GROUP BY kết hợp COUNT(*)
RANK() mà không cần sắp xếp dữ liệu.
UNION ALL giữa các nhóm khách hàng.
Subquery nào sau đây hợp lệ?
SELECT * FROM orders WHERE amount > (SELECT AVG(amount) FROM orders)
SELECT * FROM orders GROUP BY (SELECT amount FROM products)
SELECT (SELECT * FROM customers)
SELECT COUNT(*) WHERE (SELECT amount FROM sales)
Khi cần kết hợp kết quả của hai truy vấn có cùng cấu trúc, ta dùng:
JOIN
UNION
EXCEPT
MERGE
Hàm COUNT(*) khác COUNT(column) ở điểm nào?
COUNT(*) đếm tất cả bản ghi, COUNT(column) bỏ qua giá trị NULL
COUNT(column) chạy nhanh hơn COUNT(*) trong mọi trường hợp.
COUNT(*) chỉ dùng cho bảng có khóa chính.
Hai hàm này luôn cho kết quả giống nhau.
Để tính tỷ lệ doanh thu của từng sản phẩm trong tổng doanh thu toàn công ty, ta dùng:
SUM(amount) / SUM(amount) OVER()
AVG(amount) / COUNT(amount)
SUM(amount) GROUP BY product
SUM(amount) / COUNT(*)
Việc tạo index cho cột thường được dùng trong điều kiện WHERE nhằm:
Tăng tốc truy vấn tìm kiếm và lọc dữ liệu
Giảm dung lượng lưu trữ của bảng dữ liệu.
Tránh việc tạo khóa chính trong bảng.
Tự động kiểm soát dữ liệu trùng lặp.
Khi một truy vấn có quá nhiều phép JOIN, cách tốt nhất để tối ưu là:
Loại bỏ các bảng không cần thiết và chỉ giữ các cột được sử dụng
Sử dụng CROSS JOIN để tăng tốc xử lý.
Thay toàn bộ bằng subquery để giảm số phép nối.
Nhân đôi dữ liệu trong bảng chính để tránh join.
Lỗi thường gặp khi dùng GROUP BY là:
Các cột trong SELECT không nằm trong danh sách GROUP BY
Không khai báo khóa chính cho bảng dữ liệu.
Dữ liệu trong bảng không được chuẩn hóa.
Không có hàm tổng hợp đi kèm với GROUP BY.
Để đảm bảo dữ liệu trả về chính xác khi JOIN nhiều bảng, BA cần chú ý:
Điều kiện join, loại join, và các khóa quan hệ được sử dụng
Tên cột trong kết quả hiển thị và thứ tự sắp xếp.
Các alias đặt trong câu lệnh SELECT.
Việc gộp nhóm dữ liệu theo thứ tự chữ cái.
Trong môi trường Data Warehouse, việc tách xử lý SQL nặng sang bảng tạm hoặc CTE giúp:
Dễ đọc, dễ debug và tối ưu hiệu năng truy vấn
Làm giảm tính chính xác của dữ liệu.
Tăng khả năng lỗi cú pháp trong câu lệnh.
Gây mất toàn vẹn dữ liệu khi join nhiều bảng.
Mục tiêu cốt lõi của hệ thống Business Intelligence (BI) là gì?
Lưu trữ dữ liệu từ nhiều nguồn trong một kho duy nhất để giảm trùng lặp.
Cung cấp thông tin chính xác, kịp thời để hỗ trợ ra quyết định quản trị
Khi thiết kế mô hình dữ liệu cho công cụ BI, cấu trúc Star Schema được ưu tiên vì:
Giúp truy vấn nhanh hơn và dễ hiểu với người dùng không chuyên
Hạn chế khả năng drill-down theo nhiều chiều khác nhau.
Tăng tính bảo mật dữ liệu bằng cách tách các dimension riêng biệt.
Giảm kích thước fact table nhờ chuẩn hóa mạnh.
Một KPI (Key Performance Indicator) được xem là tốt khi:
Có thể đo lường, liên kết với mục tiêu kinh doanh và được cập nhật thường xuyên
Chỉ dựa trên dữ liệu định tính và phản ánh cảm nhận chủ quan.
Không cần cập nhật thường xuyên để đảm bảo tính ổn định.
Có số lượng thật nhiều để bao quát toàn bộ hoạt động của doanh nghiệp.
Trong báo cáo BI, drill-down được dùng để:
Xem chi tiết dữ liệu ở cấp thấp hơn trong cùng chiều phân tích
Chuyển sang một dashboard khác có chủ đề khác.
Tổng hợp dữ liệu từ nhiều cấp thành một con số duy nhất.
Tự động cập nhật dữ liệu trong kho theo thời gian thực.
Khi thiết kế dashboard, nguyên tắc “less is more” nghĩa là:
Giới hạn số lượng biểu đồ và hiển thị thông tin cô đọng, dễ hiểu
Dùng nhiều màu sắc và hiệu ứng để tạo sự nổi bật.
Gom tất cả KPI trên một trang để người xem không phải chuyển tab.
Ưu tiên hiển thị dữ liệu dạng bảng thay vì biểu đồ.
Một dashboard hiệu quả cần đảm bảo yếu tố nào sau đây?
Trực quan, dễ đọc, phản ánh mục tiêu nghiệp vụ rõ ràng
Hiển thị càng nhiều dữ liệu càng tốt để tránh thiếu thông tin.
Có nhiều biểu đồ động để gây ấn tượng thị giác.
Thay đổi cấu trúc và màu sắc thường xuyên để tránh nhàm chán.
Trong các công cụ BI hiện đại, Data Model dùng để:
Xác định mối quan hệ giữa các bảng fact và dimension trong báo cáo
Lưu trữ dữ liệu ETL tạm thời trước khi load vào DWH.
Tự động sinh câu lệnh SQL thay cho người dùng.
Ghi log người dùng truy cập và thời gian xem báo cáo.
Khi KPI hiển thị sai lệch trên dashboard, nguyên nhân phổ biến nhất là:
Sai logic tính toán hoặc thiếu điều kiện lọc dữ liệu trong công thức
Lỗi kết nối giữa BI và hệ thống xác thực người dùng.
Màu sắc biểu đồ không phù hợp với quy tắc hiển thị.
Bộ nhớ cache chưa được làm mới sau khi render dashboard.
Khi thiết kế hierarchy (phân cấp) trong báo cáo, lợi ích chính là:
Cho phép người dùng phân tích dữ liệu từ tổng thể đến chi tiết
Giảm số lượng bảng cần hiển thị trong báo cáo.
Tự động tăng hiệu suất xử lý của hệ thống BI.
Giới hạn quyền truy cập theo từng cấp độ người dùng.
Trong ngôn ngữ tính toán BI như DAX hoặc MDX, hàm CALCULATE() (hoặc tương đương) được dùng để:
Thay đổi ngữ cảnh lọc dữ liệu trong khi tính toán
Gộp nhiều bảng dữ liệu thành một bảng duy nhất.
Sinh truy vấn SQL động dựa trên metadata.
Tự động kiểm tra lỗi công thức trong biểu thức KPI.
Khi thiết kế báo cáo cho ban điều hành, yếu tố quan trọng nhất là:
Tập trung vào các chỉ số chiến lược và trình bày ngắn gọn, dễ hiểu
Hiển thị càng nhiều số liệu chi tiết càng tốt để minh bạch thông tin.
Dùng biểu đồ 3D để tạo ấn tượng thị giác.
Tự động làm mới dữ liệu sau mỗi 10 giây để cập nhật liên tục.
Storytelling with Data trong BI có nghĩa là:
Dùng dữ liệu để kể một câu chuyện logic, có bối cảnh, nhân vật và kết luận rõ ràng
Trình bày dữ liệu bằng nhiều biểu đồ phức tạp để thể hiện kỹ thuật.
Viết các đoạn mô tả dài cho từng chỉ tiêu trong báo cáo.
Kết hợp video, âm thanh và animation vào dashboard.
Trong quá trình tối ưu hiệu năng báo cáo BI, bước nào nên thực hiện đầu tiên?
Kiểm tra nguồn dữ liệu và mô hình tính toán trước khi tối ưu giao diện
Giảm kích thước phông chữ và màu sắc để giảm tải bộ nhớ.
Tăng số lượng hình ảnh và widget để giảm tải CPU.
Cấu hình cache ở tầng visualization trước tiên.
Khi thiết kế dashboard tổng hợp nhiều KPI, điều nào sau đây là sai?
Mỗi KPI cần có định nghĩa và cách tính rõ ràng.
Nên dùng cùng định dạng màu sắc cho các chỉ số cùng loại.
Hiển thị tất cả KPI trong cùng một biểu đồ lớn để dễ so sánh
Cần cho phép người dùng lọc dữ liệu theo chiều thời gian hoặc chi nhánh
In large enterprises, the benefit of concentrating metadata in BI tools is:
Ensuring all reports and KPIs use the same data definitions
Helping users freely customize KPI formulas as needed
Reducing hardware costs without needing a Data Warehouse
Allowing direct connection to all data sources without data verification
