数据仓库面试问题准备

一、如何理解数据体系

包含数据模型、数据分层、数据主题划分、数据治理、元数据管理、数据安全权限、数仓可视化产品的完整数仓服务体系

---

二、数仓的目标是什么

数据质量和数据服务两个角度

数据质量：有序、有结构地分类组织和存储数据，避免重复建设和数据不一致性，保证数据的规范性

数据服务：提高数据使用体验,包括数据的准确度、数据产品提升数据可视化服务的体感

追问：怎么理解分类组织和存储

分类组织：组织映射到数仓的主题划分（横向)、分层（纵向)

存储：针对生命周期管理、数据治理

---

三、事实表分几种

1. 基于分层、以及明细表类型

• 根据分层，原子指标组成明细事实表DWD，派生指标组成汇总事实表DWS

• 明细事实表又分为：事务事实表、累积快照事实表、周期快照事实表

2. 展开说。。。

• 事务型事实表用来描述业务过程，跟踪空间或者时间上某点的度量时间，保存的是最原子的数据，也可以称作“原子事实表”

• 周期快照事实表以具有规律性的、可预见的时间间隔记录事实，时间间隔如每天、每月、每年等。

• 累计快照事实表用来表述过程开始和结束之间的关键步骤时间，覆盖过程的整个生命周期，通常具有多个日期字段来记录关键时间点，当过程随着生命周期不断变化时，记录也会随着过程的变化而被修改。

---

四、指标有哪一些内容

1. 内容：原子指标、派生指标、衍生指标

2. 关系

• 派生指标= 原子指标+时间周期+修饰词

• 派生指标又分为：事务型指标、存量型指标和复合型指标

  • 事务型指标：是指对业务活动进行衡量的指标。例如：新发商品数，订单支付金额。是修饰词+原子指标

  • 存量型指标：是指对实体对象(如商品、会员)某些状态的统计。例如：商品总数是修饰词+原子指标+周期(一般是历史截至至当前某个时间)

  • 复合型指标：在事务型指标和存量型指标的基础上复合而成。

3. 业务中的关联

• 原子指标、修饰类型和修饰词，直接归属在业务过程下，其中修饰词继承修饰类型的数据域，例如：A渠道的支付金额，通过支付可以知道是属于支付主域的，渠道是修饰渠道主题域的，可以是跨域的组合
• 派生指标可以选择多个修饰词，修饰词之间的关系为“或”或者“且”，例如：新客购买电子品类支付金额，修饰词：新客且电子产品
• 派生指标唯一归属一个原子指标，继承原子指标的数据域，与修饰词的数据域无关。例如：A渠道的支付金额，还是说的是支付金额
• 一般而言，如果遇到同时有两个行为发生，需要多个修饰词、生成一个派生指标的情况，则选择时间靠后的行为创建原子指标，选择时间靠前的行为创建修饰词，例如：A渠道的支付金额，先经历了渠道后才产生的交易，渠道就发生比较前，后再进行消费产生支付金额，原子指标就比较靠后

4. 引申整个体系架构

• 确定企业层级和业务部门的数仓，然后去确认主题域，再去梳理业务过程，基础数据就是原子指标，落到DWD形成明细事实表，加上修饰词变成派生指标，形成轻度DWS汇总事实表，维度会经过维度退化和事实表关联。

---

五、维度退化到单事务型事实表里面和宽表的区别

前者还是代表是解耦业务过程的事实表，宽表是跨业务过程进行融合的表，强调多个业务流程