Name: データモデリング面接で多くのデータエンジニアが脱落！SLDC（Slowly Changing Dimensions）のモデリング方法 (Data modeling interview filters so many data engineers! How to model slowly-changing dimensions)
Uploaded: 2026-03-28T09:25:04.000Z
Duration: 2 min 58 s
Description: VoiceTubeの動画で発音を聞きながら英語表現を覚えよう！学べる英語：

程度の副詞

A lot of data engineers in data engineering interviews get filtered out in the data modeling round because they don't really understand it very well.

データエンジニアリングの面接では、データモデリングをよく理解していないために、多くのデータエンジニアがそこで落とされてしまいます。

法助動詞 B1

And if you ask around, like, "Oh, how do you learn data modeling?" some people might say, "Go read the Kimbell book." Some people say, "Go read the Inman book," or whatever, right?

そして、もし「データモデリングってどうやって学ぶの？」と周りに聞いてみると、Kimbell bookを読め、とか、Inman bookを読め、とか言う人もいるかもしれませんね。

様態の副詞

And, um, at least for me, the way that I learned data modeling was mostly through experience and, like, through testing things out and trying things out and experimenting while I've been on jobs.

そして、少なくとも私にとって、データモデリングを学んだ方法は、主に経験を通して、そして仕事を通して色々と試すことや実験することでした。

So that's been one of the ways that I've been able to kind of learn efficient data modeling.

それが、効率的なデータモデリングを学べた方法の一つです。

So here are a couple key components to efficient data modeling, right?

そこで、効率的なデータモデリングの主要な構成要素をいくつかご紹介しますね。

So one is learning how to model dimensions effectively, right?

まず一つ目は、次元を効果的にモデリングする方法を学ぶことです。

So dimensions are interesting because they are, like, attributes of a noun, right?

次元というのは面白いもので、名詞の属性のようなものなんです。

So maybe it's an attribute of a human, like a user, or maybe it's an attribute of, like, a listing, if it's an Airbnb or something.

例えば、人間、つまりユーザーの属性であったり、Airbnbのようなリスティングの属性であったりします。

And some of these attributes are unchanging, right?

そして、これらの属性の中には、変わらないものもあります。

Like, for example, my birthday is unchanging.

例えば、私の誕生日は変わらないものです。

It's the same—like, that day I can't change.

それは同じで、その日、変えられない、みたいな感じです。

それは、永続的な次元ですね。

But other dimensions for me do change, right?

でも、私にとって他の次元は変わるものもありますよね？

Like, my age, for example, changes over time, right?

例えば、私の年齢は時間とともに変わりますよね？

Right now I'm 29, but, you know, next year I'll be 30, right?

今は29歳ですが、来年には30歳になりますよね？

And that dimension is a changing dimension for me, right?

そして、その次元は私にとって変化する次元ですよね？

Same with things like maybe my favorite food over time changes as I, you know, learn more cultures and I eat more food.

同じように、私の好きな食べ物も、色々な文化を学び、色々な食べ物を食べるにつれて時間とともに変わるようなものもあります。

I'm like, "Oh, actually, lasagna is no longer number one," right?

「あ、実はラザニアはもう一番じゃない」ってなりますよね？

Maybe it's, uh, some sort of curry or some sort of other thing, right?

多分、カレーとか、他のものとか、そういう感じですよね？

And so those are—the big thing I'm talking about here is understanding, like, when it's a fixed dimension, right, versus a slowly changing dimension, which is a dimension that kind of changes with time and has that, like, temporal component to it, like my favorite food.

ですから、ここで私が話している大きなことは、固定された次元なのか、それとも時間とともに変化し、私の好きな食べ物のように時間的な要素を持つ、ゆっくりと変化する次元なのかを理解することです。

And so then you can kind of learn about the different ways to model slowly changing dimensions, uh, because fixed dimensions are really easy because it's just, like, a column and a user, right, ID, and

そして、ゆっくりと変化する次元のモデリング方法について、色々学ぶことができます。固定された次元はとても簡単ですから、ユーザーIDのようなカラムと、

then the dimension value, and that doesn't change.

次元の値があって、それは変わりません。

But slowly changing dimensions, there's a—you know, there's type one, type two, type three.

しかし、ゆっくりと変化する次元には、タイプ1、タイプ2、タイプ3があります。

それらを調べてみることができます。

I really like, uh, the type two—SED type two way of modeling.

私は、タイプ2、つまりSCDタイプ2のモデリング方法がとても好きです。

I think that that's the most effective way.

それが最も効果的な方法だと思います。

And how that works, right, is, uh, you can have multiple rows for a dimension,

そして、それがどのように機能するかというと、1つの次元に対して複数の行を持つことができますが、

but each row has a start date and an end date.

各行には開始日と終了日があります。

And, like, if it's the current one, the end date is just, like, really far into the future.

そして、現在の行の場合、終了日は、例えば、非常に遠い未来になります。

It might be, like, 9999, like, it's like the year 9000 or whatever, right?

それは、9999年、つまり西暦9000年のようなものかもしれませんね。

And it's like—so it's like that means it's, like, the current record.

そして、それは現在のレコードということになります。

And so that's how you can kind of get the SEDs to be—or, like, slowly changing dimensions to, like, be in a data model that you can easily use for, like, joins and queries and stuff like that.

そうすることで、SED（Slowly Changing Dimensions）を、結合やクエリなどに簡単に使用できるデータモデルに組み込むことができます。

And you can understand not just, like, what the current value is,

そして、現在の値だけでなく、

過去の値がどうだったかも理解できます。

And being able to have that historical context is also very important for, like, backfills and understanding your data sets.

このような履歴コンテキストを持てることは、バックフィルやデータセットの理解にも非常に重要です。

So definitely keep learning more about data modeling.

ですから、データモデリングについてさらに学び続けてください。

I'm going to keep posting more videos, you know?

これからももっと動画を投稿していきますよ。

Keep, you know, follow to get more knowledge here.

ぜひフォローして、さらに知識を深めてください。

どうもありがとうございました。

データモデリング面接で多くのデータエンジニアが脱落！SLDC（Slowly Changing Dimensions）のモデリング方法 (Data modeling interview filters so many data engineers! How to model slowly-changing dimensions)