数据质量管理基础与核心概念
数据质量是数据建模与数据工程的生命线。面试中，基础概念考察通常会从定义、维度、常见问题三个层面展开，考察你是否具备系统化的问题拆解能力和质量优先意识。本节帮你建立完整的知识框架与面试表达体系。
- 清晰复述数据质量的6大维度（完整性、准确性、一致性、及时性、唯一性、有效性）
- 掌握每类维度的典型问题与检查手段
- 用“定义→维度→案例→解决方案”路径回答所有基础题
数据质量六大维度速查表
| 维度 | 定义 | 典型问题 | 常见检查方法 |
|---|---|---|---|
| 完整性 | 数据不缺失 | NULL值、关键字段缺失 | NULL计数、外键校验 |
| 准确性 | 数据真实反映现实 | 数值错误、符号错误 | 业务规则校验、交叉验证 |
| 一致性 | 跨系统数据无矛盾 | 同字段不同值、单位不统一 | 字段映射对比、标准字典 |
| 及时性 | 数据按时可用 | 延迟到达、过期数据 | 时间戳监控、SLA跟踪 |
| 唯一性 | 无重复记录 | 主键重复、冗余行 | 去重校验、唯一索引检查 |
| 有效性 | 数据符合格式/范围约束 | 非法值、超范围、格式错误 | 正则校验、枚举检查 |
面试问答卡 1
Q1：请解释数据质量的定义，以及为什么它在数据仓库中如此重要？
🎯 考察点： 基础认知、概念边界、业务价值理解。
📐 回答框架： 定义（数据满足使用需求的程度）→ 三个层面（准确、可用、可信）→ 重要性（影响决策、增加成本、降低信任）→ 举例说明。
📝 示例回答：（约80字）数据质量是指数据是否真实、完整、及时地反映业务事实。在数仓中，低质量数据会导致报表失真、决策失误，且ETL重复修正浪费资源。比如营收表如果缺失订单，会直接误导季度分析。因此建立质量基线是数仓建设的第一道防线。
❓ 可能追问： 1. 你如何定义“数据满足使用需求”？2. 怎么衡量数据质量的好坏？3. 如果业务方觉得数据准但工程师发现有问题，怎么处理？
⚠️ 避坑提醒： 不要只背定义不举例子；避免说“数据质量就是没错误”，要包含“适用性”概念。
面试问答卡 2
Q2：数据质量的六大维度分别是什么？请针对每个维度举一个实际例子。
🎯 考察点： 维度记忆是否系统、能否结合业务场景、细节把握。
📐 回答框架： 总起（六个维度）→ 逐个：名称 + 定义 + 例子（正例+反例）→ 总结在项目中优先关注哪个维度。
📝 示例回答：（约90字）完整性：用户注册表手机号不能为空；准确性：订单金额不能为负；一致性：CRM和BI工具中客户等级需一致；及时性：交易数据需在T+1内到达；唯一性：账户ID不能重复；有效性：邮箱格式必须包含@。项目中我常优先保证一致性和完整性。
❓ 可能追问： 1. 各维度的优先级如何排序？2. 如果完整性和准确性冲突怎么办？3. 在一个实时数仓中及时性如何具体度量？
⚠️ 避坑提醒： 避免只列名称不举例；例子不要用过于抽象的描述，要用“用户表”、“订单”等具体业务。
面试问答卡 3
Q3：数据仓库中常见的质量问题有哪些？请至少给出三类并说明如何发现和处理。
🎯 考察点： 实战经验、问题分类能力、解决方案思考。
📐 回答框架： 分类（数据缺失、数据重复、数据不一致）→ 每类一个典型案例 → 发现手段（SQL校验、监控告警）→ 处理方式（修复规则、数据回刷、告警降噪）。
📝 示例回答：（约90字）三类常见：1. 缺失：ODS层源表字段NULL，导致下游聚合错误。发现用COUNT(NULL)校验，处理默认值填充或拒绝入库。2. 重复：主键重复导致Join膨胀。用ROW_NUMBER去重。3. 不一致：不同源系统同一客户年龄不同。建立字典表映射。先阻断异常数据再追溯根因。
❓ 可能追问： 1. 如何处理偶发性质量问题？2. 质量问题告警阈值怎么设置？3. 修复后如何验证问题已解决？
⚠️ 避坑提醒： 不要只说“用工具”，要说具体逻辑；避免只谈发现不谈修复闭环。