📚 课程目录第1章岗位能力画像与简历优化模板

第1章：岗位能力画像与简历优化模板

本章聚焦离线数仓岗位的 核心能力拆解、简历结构优化、关键词清单 及 成果量化句式。面试官最关注候选人的“建模思维”“ETL工程能力”与“业务理解深度”，简历必须在3秒内传递这些信号。

能力维度	关键要求	面试高频问题
数仓建模	维度建模、分层（ODS/DWD/DWS/ADS）、缓慢变化维	“设计一个订单分析主题域”
ETL开发	SQL调优、Spark/Hive、数据同步（Sqoop/DataX）	“如何处理数据倾斜？”
性能调优	任务并行度、小文件治理、资源队列	“慢任务排查思路”
数据治理	数据质量、血缘、元数据、生命周期	“如何保证数据准确性？”
业务理解	指标拆解、需求文档、与产品沟通	“用数仓解决的一个业务问题”

面试问题：“请描述你参与过的一个离线数仓项目，你的角色是什么？”

面试官考察点：项目经验真实性、分层理解、个人贡献度。

回答框架：STAR法则 → 背景(S) → 任务(T) → 行动(A) → 结果(R)，突出数据量和优化收益。

简短示例回答：“某电商数仓项目（日增50亿条），我负责DWD层设计。将用户行为日志从JSON解析成宽表，建模采用星型模型，使下游报表查询耗时从30s降至3s。”

可能追问：“为什么选择星型模型而非雪花？” “数据一致性怎么保证？”

避坑提醒：避免只讲业务不讲技术；数字要具体，不要只说“提升性能”。

面试问题：“数仓分层设计的原则是什么？你如何划分ODS/DWD/DWS/ADS？”

面试官考察点：建模理论、解耦思想、实际落地经验。

回答框架：分层目的 → 每层定义 → 数据流转 → 举例说明。

简短示例回答：“ODS保持源数据原样；DWD做清洗和维度退化；DWS按主题轻度汇总；ADS面向业务宽表。例如用户主题，DWD保留明细，DWS聚合日活跃，ADS输出留存报表。”

可能追问：“DWD层要不要做join？” “ODS全量还是增量？”

避坑提醒：不要背课本定义，要结合自己项目中的分层案例讲解。

面试问题：“简历中你写了‘优化数据仓库性能’，请具体说怎么做？”

面试官考察点：调优思路、问题定位、工具掌握。

回答框架：发现问题 → 定位原因 → 解决方案 → 量化效果。

简短示例回答：“发现Hive任务运行2h+，查看Stage耗时发现数据倾斜。采用salting技术随机打散key，重分区后任务降至25min，节省了75%时间。”

可能追问：“倾斜判断依据？salting后怎么还原？”

避坑提醒：避免只说“我用了某种方法”，要讲清楚具体指标和应用场景。

STAR 成果量化模板：“主导XX数仓项目（S），负责XX层建模（T），采用XX技术/方法（A），使XX指标提升YY%，资源节省ZZ%”（R）。