📚 课程目录第3章数据质量核心概念面试题

数据质量分析师面试宝典 - 第3节

数据质量核心概念面试题

  本章定位：面试中约70%的“数据质量”问题围绕维度定义、评估标准与实际场景结合。掌握一套可迁移的回答框架，能让面试官确信你具备系统化分析能力。

面试问题	请列举数据质量的几个核心维度，并说明你会如何评估它们？
考察点	基础知识广度 + 评估落地能力（非死背书）
回答框架	① 先总述常见六大维度；② 挑出2~3个与面试公司业务强相关的维度；③ 每个维度给出具体评估指标（如完整率 = 非空占比）
示例回答	“我通常从完整性、准确性、一致性三方面切入。比如订单表，我监控‘城市字段’完整率>99.9%为合格；对金额字段，用均值±3σ识别异常；跨系统间，用哈希比对月结数据，差异率低于0.01%通过。”
可能追问	“唯一性在什么场景下最重要？如何量化？”
避坑提醒	不要背课本的“8个维度”，面试官希望听到你用业务数据举例，而非理论堆砌。

面试问题	你认为数据质量的“可接受标准”应该由谁定？如何设定？
考察点	协作思维 + 量化能力 + 业务价值导向
回答框架	① 业务上下游联合定义（业务方+数仓+产品）；② 根据风险等级分层设定；③ 用历史数据统计基线 + 人工抽检做门限
示例回答	“我的做法是：先拉业务方开workshop，对核心KPI字段定义‘不可为空’；再按严重程度分层——P0级字段准确率要求99.99%，P3级可放宽至95%；最后用过去30天数据分布计算动态阈值。”
可能追问	“如果业务方提出的标准过高导致成本激增，你如何平衡？”
避坑提醒	避免说“标准由数据团队单方面定”，强调协作和数据驱动，同时体现取舍智慧。

面试问题	工作中你遇到过哪些典型数据质量问题？请举例并说明排查过程。
考察点	实战经验 + 排查逻辑 + 根因分析
回答框架	① 按问题分类（填充缺失、逻辑异常、时间漂移）；② 定位层（源系统→ETL→存储→应用）；③ 用数据剖面 + 血缘追踪快速锁定
示例回答	“最近遇到‘用户年龄出现负值’问题。我按分类判断为逻辑异常；首先扫描源数据库发现无负值，再检查ETL脚本，发现join时left表年龄被right表空值覆盖，导致计算错误。修复后加唯一性校验。”
可能追问	“如何设计自动化监控来提前拦截此类问题？”
避坑提醒	别只讲问题不讲解决方案，且展示你使用了工具（如dbt、DataHub）来提效。

项目名称	电商用户画像核心指标数据质量治理专项
业务背景	推荐算法依赖用户画像标签（年龄/性别/消费力），质量问题导致推荐CTR下降15%
规模指标	覆盖2亿用户，每日处理5亿条事件，涉及60+画像标签
技术栈	Spark、Hive、Airflow、Great Expectations、DataHub、MySQL
核心难点	① 多源异构数据（埋点/订单/客服）对齐困难；② 实时与离线数据质量统一监控；③ 业务方对“可接受度”标准不一致
面试高频追问	“如何衡量治理ROI？” → 回答：CTR提升12%，异常工单减少30% “如何推动跨团队协作？” → 回答：建立周度质量达摩院，输出红线规则并上浮优先级
可迁移回答话术	“我用Great Expectations编写了40条期望规则，覆盖完整性、唯一性和分布范围，调度在Airflow中每天跑，异常自动告警给on-call。同时通过DataHub展示血缘，帮助业务方自检字段来源。”

⚠️ 面试实战提醒：数据质量面试高频失分点——
• 只讲概念不讲量化（完整率多少？用什么工具？）
• 忽略业务价值（质量提升最终产生了什么收益？）
• 未展示”问题闭环“能力（发现问题→根因→修复→监控上线）