第2章 高频面试问答：数据治理体系与架构设计

面试问题：请描述数据治理的体系框架，你会如何设计？

考察点：是否具备顶层设计能力，能否平衡标准、质量、安全、生命周期等模块。

回答框架：总-分-总：先定义治理目标 → 分层（战略层、组织层、机制层、技术层） → 举例说明落地细节 → 总结价值闭环。

示例回答：“我通常从治理目标出发，建组织、定标准、立流程、落平台。例如在金融项目里，先成立数据治理委员会，制定元数据、质量、安全标准，再通过Data Catalog实现血缘与质量监控，最终将治理指标纳入绩效考核，形成闭环。”

可能追问：“你们如何解决跨部门数据标准冲突？” \ “治理平台选型考量？”

避坑提醒：避免只谈理论框架而无企业级案例支撑；切忌将治理工具等同于治理体系。

面试问题：如何保证数据质量？你们公司有什么具体实践？

考察点：质量评估维度、监控手段、问题闭环能力及自动化水平。

回答框架：定义质量维度（完整性、准确性、一致性等） → 嵌入生产流程（前置校验+后置监控） → 自动化告警与修复 → 量化指标持续改进。

示例回答：“我们通过六维度量化质量：开发阶段用规则引擎预校验，生产阶段设DQC每日扫描，异常自动生成工单并同步业务方。例如离线数仓中，我们实现‘质量门禁’——未通过校验的表禁止上游引用，整体错误率从5%降至0.3%。”

可能追问：“增量数据质量如何监控？” \ “质量规则谁来维护？”

避坑提醒：不要说“全靠人工核对”；未提及业务侧协同也是扣分点。

面试问题：谈谈元数据管理在数据治理中的价值和实现方式。

考察点：对元数据分类、采集、血缘解析、应用场景的深入程度。

回答框架：价值（影响分析、合规溯源、资产盘点） → 分类（技术、业务、操作元数据） → 采集方式（钩子/日志/API） → 血缘解析（字段级+表级） → 应用（数据地图、变更影响通知）。

示例回答：“元数据是治理的骨架。我们自研元数据平台，通过Spark解析SQL血缘并入库，结合业务元数据自动打标。上线后影响分析从半天缩短至5分钟，同时支撑了隐私合规的数据溯源需求。”

可能追问：“如何处理存储过程/脚本血缘？” \ “元数据质量如何保障？”

避坑提醒：避免只讲工具功能而不谈解决了什么实际问题；血缘解析需提及字段级而非仅表级。