第4章 数据治理与质量面试
数据治理与质量是数据资产建模的基石。面试中，面试官不仅考察你对 DAMA/DMBOK 框架的认知，更关注你能否将治理理论落地到建模实践中。本章提供结构化回答路径与项目模板，帮你高效斩获 Offer。
3个高频面试问答卡片
Q1：请介绍你理解的数据治理框架，你认为最关键的环节是什么？
| 考察点 | 对 DAMA/DMBOK 等标准框架的掌握程度，以及能否结合数据资产建模场景给出重点判断。 |
| 回答框架 | ① 概述框架：包含数据标准、质量、安全、生命周期、元数据等域；② 点出核心环节：数据质量和元数据管理是建模的基础；③ 举例说明：如建模前需先统一数据标准。 |
| 示例回答 | “我参考 DAMA 框架，认为数据标准和数据质量最关键。在建模前必须定义统一的字段命名和业务含义，否则模型复用性极差。我曾主导制定客户维度标准，使模型输出一致率从65%提至92%。” |
| 可能追问 | “你们如何确保标准被下游系统遵守？” / “质量维度中哪个最难落地？” |
| 避坑提醒 | 避免只背框架不举例，面试官需要看到你实际用过这些概念。不说“我们没做治理”而要说“我推动了一部分改进”。 |
Q2：数据质量通常包括哪六个维度？请结合项目说明如何衡量某个维度。
| 考察点 | 对完整性、一致性、准确性、及时性、唯一性、有效性六维度的掌握，以及量化指标的设定能力。 |
| 回答框架 | ① 列出六个维度并简述定义；② 选一个你最熟悉的维度（如完整性），说明如何定义规则和阈值；③ 举例：订单表的“收货地址”字段完整率需≥99.5%。 |
| 示例回答 | “六维度包括完整性、一致性、准确性、及时性、唯一性、有效性。我重点监控准确性：通过抽样比对源系统与模型层数据，设定阈值99%。曾发现地址字段解析错误，推动清洗脚本修复。” |
| 可能追问 | “如果一致性只有80%，你会怎么排查？” / “及时性如何衡量实时流数据？” |
| 避坑提醒 | 不要只背维度名而无具体指标。每个维度应对应可量化的 SQL 规则或监控方式。避免说“我们测了质量”，要说出“我设定了XX规则”。 |
Q3：主数据管理与数据标准的关系是什么？建模中如何落地主数据？
| 考察点 | 对 MDM 的理解，以及能否将标准与主数据关联设计模型，体现架构思维。 |
| 回答框架 | ① 关系：标准是主数据的“语言”，主数据是标准的载体；② 建模落地：将主数据实体（如客户、产品）抽象为独立维度表，并引用标准编码；③ 举例：客户主数据模型包含统一ID、属性遵循标准字段定义。 |
| 示例回答 | “标准定义主数据字段的命名、类型与枚举值，主数据则是实例数据。建模时我会将客户、产品等主数据建成缓慢变化维度，并定期与 MDM 系统同步，保证下游分析维度一致。” |
| 可能追问 | “如何处理多源主数据冲突？” / “主数据版本管理如何做？” |
| 避坑提醒 | 不要混淆主数据与业务交易数据。强调主数据的“唯一性权威来源”特征。避免只说概念不提建模细节（如 SCD 类型选择）。 |
项目案例模板
项目名称：电商平台客户数据资产治理与质量提升
| 业务背景 | 电商平台合并后客户信息重复率高达23%，导致营销推送错误、GMV预估偏差。需统一客户主数据并构建可靠模型。 |
| 规模指标 | 覆盖1.2亿注册用户，每日增量200万条；影响30+业务报表和推荐模型。 |
| 技术栈 | Spark（ETL）、Airflow（调度）、Atlas（元数据）、Great Expectations（质量监控）、MySQL + Hive（存储）。 |
| 核心难点 | 多源客户ID冲突（手机号、微信OpenID、设备ID），无统一标识；历史脏数据清洗影响下游。 |
| 面试高频追问 | 1. “你们如何设计客户黄金记录匹配规则？” 2. “质量监控如何自动阻断问题数据？” 3. “主数据模型如何支持缓慢变化？” |
| 可迁移回答话术 | “我们采用基于概率匹配的模型（如 Dedupe 算法）生成统一客户ID，并建立质量预警 Pipeline。模型层用 SCD Type 2 保留历史版本，确保分析可回溯。这套方案后来被推广到供应商主数据中。” |
面试加分点： 强调“规则+算法”结合解决冲突，且将治理能力产品化（如自动修复脏数据）。
💡 本章复习要点：
```
- 熟记数据治理核心域（标准、质量、元数据、安全、生命周期）。
- 质量六维度必须能结合 SQL 或监控工具举例（如 Great Expectations 规则）。
- 主数据建模首选 SCD Type 2，并说明与 MDM 系统的同步机制。
- 项目案例中突出“跨域协同”与“业务收益”，避免纯技术描述。