第3章 数据质量核心概念与指标体系
本章速览：数据质量评估的五大黄金维度——完整性、准确性、一致性、及时性、唯一性。面试中80%的数据质量题都围绕这五个词展开，你需要掌握定义、度量公式和常见陷阱。
五大维度定义与度量速查表
| 维度 | 核心定义 | 常用度量指标 | 典型场景 |
|---|---|---|---|
| 完整性 | 数据是否缺失（行/列） | 缺失率 = 缺失值数 / 总数 | 用户注册信息字段为空 |
| 准确性 | 数据是否真实反映客观事实 | 准确率 = 正确值数 / 总记录数 | 年龄字段超出合理范围 |
| 一致性 | 同一数据在不同系统中的值是否一致 | 不一致率 = 不一致记录数 / 总数 | 订单金额在OMS和CRM中不同 |
| 及时性 | 数据从产生到可用是否满足时间要求 | 延迟时间 = 可用时间 - 产生时间 | 实时看板数据迟到5分钟 |
| 唯一性 | 是否存在重复记录 | 重复率 = 重复记录数 / 总数 | 用户ID多次出现 |
面试加分点：回答时主动补充“唯一性”的度量方法（如基于业务主键的重复检测），并指出五个维度之间存在关联（如一致性问题常由准确性不足引发）。
面试问答卡片 · 第3章
🎯 面试问题 1：请解释数据质量的五个核心维度，并分别给出一个业务示例。
面试官考察点：
- 是否能准确说出五维度名称及其本质区别
- 能否用具体业务案例佐证，而非死记硬背
- 是否理解维度之间的耦合关系
回答框架：总-分-总。先快速列出五个维度；然后逐一用“定义 + 度量指标 + 业务案例”结构展开；最后总结维度间协同关系。
示例回答：“完整性指数据是否缺失，我用空值率衡量，比如订单表中收货地址为空就是不完整。准确性指数据是否正确，比如用户年龄不能超过120。一致性指跨系统数据匹配，如订单状态在ERP和CRM中一致。及时性看数据延迟，比如实时风控要求延迟<1min。唯一性指无重复，例如用户ID不能出现两次。”
可能追问：”如果五个维度同时出问题，你优先修复哪个？为什么？”
避坑提醒：不要将“一致性”与“准确性”混淆。一致性关注相同数据的跨系统同步，准确性关注单系统内数据是否符合事实。很多候选人回答时混为一谈。
🎯 面试问题 2：如何度量数据的完整性？请设计一个实际监控方案。
面试官考察点：
- 是否掌握不同完整性场景（必填字段、关联完整性、时间序列完整性）
- 能否给出可落地的SQL或自动化检测方法
- 是否考虑阈值设定与报警机制
回答框架：先明确完整性分类；再给出度量公式（缺失率）；接着用SQL模板说明检测逻辑；最后给出报警阈值建议。
示例回答：“完整性度量分字段和行两类。字段级用 SUM(CASE WHEN col IS NULL THEN 1 ELSE 0 END)/COUNT(*)。我会设置关键字段缺失率>1%时触发钉钉报警。同时补充外键关联完整性检查，比如订单表中的用户ID必须在用户表中存在。”
可能追问：”如果上游故意用‘-1’或‘N/A’填充缺失字段，如何判断？”
避坑提醒：不要只提空值检查，忽略“业务含义缺失”。例如年龄为0在法律意义上也是不完整。度量前要定义好业务规则下的“有效缺失”与“无效值”。
🎯 面试问题 3：数据一致性和准确性有什么区别？请用同一个业务场景说明。
面试官考察点：
- 是否清晰区分两个维度的定义界限
- 能否用一个连贯场景同时体现两个维度的问题
- 是否具备系统性数据质量治理思维
回答框架：先分别解释定义；再用“交易金额”场景举例：准确性指单个系统记录的金额是否正确，一致性指两个系统之间的金额是否相等。最后给出治理优先级建议。
示例回答：“准确性是数据本身正确，比如订单金额100元记录为100。一致性是跨系统一致，比如支付系统记录100，但财务系统记录90。同一个场景：如果两个系统都记录100，则既准确又一致；如果都记录90，则一致但不准确。通常先解决准确性问题，再解决一致性问题。”
可能追问：”如果两个系统都不准确但一致，你是先修数据还是先修系统？”
避坑提醒：避免直接回答“一致性比准确性重要”，要结合业务场景。对于对账场景，一致性更重要；对于风控场景，准确性更重要。面试中要体现场景化思维。
💡 复习建议：将五个维度用一张思维导图画出，每个维度下写出至少2个度量公式、2个业务场景。面试前模拟口述一遍，控制在2分钟内。