Inmon vs Kimball на собеседовании Data Engineer

Зачем разбирать на собесе

Inmon и Kimball — две классические школы DWH-моделирования. На собесе DE: «отличие подходов», «когда что выбрать», «связь с медальоном». Senior — нюансы корпоративных DWH, hub-and-spoke архитектуры.

Подход Inmon: top-down

Bill Inmon — «отец DWH». Подход:

1. EDW (Enterprise Data Warehouse) — единое нормализованное хранилище (3НФ), source of truth для всей компании.
2. Из EDW строятся data marts — денормализованные витрины под конкретные отделы / задачи.

Принципы:

• DWH — субъектно-ориентированный, integrated, time-variant, non-volatile.
• Нормализация защищает от inconsistency.
• Data marts — производная EDW, не источник.

Применение:

• Большие корпорации с зрелой архитектурой.
• Регуляторика требует единой версии правды.
• Долгий runway на построение (1+ год).

Подход Kimball: bottom-up

Ralph Kimball — альтернативный подход:

1. Сразу строить data marts под бизнес-нужды (по отделам).
2. Использовать conformed dimensions — общие dim-таблицы, которые согласованы между marts.
3. Bus matrix — план, как marts связываются.

Принципы:

• Star schema (или snowflake) — fact-таблицы окружены dim-таблицами.
• Денормализация — для скорости запросов.
• Бизнес-ценность сразу с первого mart.

Применение:

• Стартапы и средний бизнес.
• Когда нужен быстрый ROI.
• BI-команды без больших дата-инженерных ресурсов.

Сравнительная таблица

Гибридный подход

Современные DWH часто делают medallion architecture — гибрид:

• Bronze — сырьё (raw, minimal transformations). Похоже на Inmon staging.
• Silver — очищенные / нормализованные сущности. Близко к Inmon EDW.
• Gold — бизнес-витрины (star/snowflake). Похоже на Kimball marts.

Это компромисс — есть и единый source of truth, и быстрые витрины.

Что выбирают в РФ

Чистый Inmon:

• Сбер, ВТБ, крупные банки и страховщики (нужна регуляторика).
• Госсектор.
• Корпоративные DWH с 10+ лет историей.

Чистый Kimball:

• Avito, Wildberries (исторически), Ozon — продуктовые компании, BI-driven.
• Маркетинг-аналитические команды.

Медальон:

• Современные стек на Spark / Databricks / Snowflake.
• Iceberg / Delta Lake в основе.
• Большинство новых проектов в 2026.

Частые ошибки

Сразу делать «настоящий Inmon». На MVP — overkill. Marts быстрее показывают ценность.

Считать Kimball устаревшим. Star schema жива в 2026 — особенно с учётом колоночных движков (CH, BQ, Snowflake).

Игнорировать conformed dimensions в Kimball. Без них маркетинг и продукт оперируют разными «пользователями».

Делать EDW в 3НФ на ClickHouse. CH плохо джойнит — денормализация / star лучше для OLAP.

Не учитывать SCD. Inmon и Kimball оба требуют истории изменений измерений.

Перетаскивать паттерн без adaptation. Облачные DWH (Snowflake) меняют trade-offs — старые правила «нормализация дешевле» не работают.

Связанные темы

• Star schema vs Snowflake для DE
• SCD типы для DE
• DWH ClickHouse на собесе DE
• Lakehouse Iceberg Delta для DE
• Подготовка к собесу Data Engineer

FAQ

Какой подход в Snowflake / BigQuery?

Современные облачные DWH хорошо подходят под Kimball star schemas. Часть команд использует медальон поверх (raw vault → business vault → marts).

Conformed dimension — что это?

Dim-таблица, согласованная между разными marts. dim_user одинаковая в маркетинге и в продукте — иначе аналитика противоречит.

Data Vault — это Inmon или Kimball?

Ни то ни другое. Data Vault 2.0 (Linstedt) — третий подход с hub/link/satellite. Гибрид нормализации и historizable.

Это официальная информация?

Нет. Статья основана на работах Inmon (1992 «Building the Data Warehouse»), Kimball (2002 «The Data Warehouse Toolkit»).

Тренируйте Data Engineering — откройте тренажёр с 1500+ вопросами для собесов.