数据质量是数据治理的核心，也是面试必问的内容。
我整理了20多家大厂面试中出现的数据质量高频问题，按模块分类，附参考答案。
建议收藏，面试前看一遍。
一、数据质量六维度（必问）
- 数据质量有哪些评估维度？
六大维度：
维度
定义
举例
完整性
数据完整程度
字段非空率、记录完整率
准确性
数据真实准确程度
值域校验、格式校验
一致性
跨系统数据统一程度
编码统一、跨表一致性
唯一性
数据无重复程度
主键唯一性
及时性
数据及时更新程度
T+1按时产出
有效性
数据符合业务规则程度
外键关联、状态有效
面试追问：你们怎么计算综合质量分？
参考答案：六个维度加权求和，权重根据业务重要性配置。比如财务数据准确性权重高，业务数据完整性权重高。
- 你们怎么评估数据质量的好坏？
回答框架：
- 定义标准：每个质量维度有明确的合格线（如>=90分）
- 自动检测：配置质检规则，自动跑数据质量检查
- 生成报告：六维度评分 + 问题明细
- 问题闭环：通过工单系统推动整改
加分点：能说出具体工具或自研平台的实现逻辑。
二、质检函数与质检规则（核心）
- 质检函数是什么？怎么设计？
质检函数是数据质量检查的最小单元，分为预置函数和自定义函数。
常见预置函数：
函数
检查内容
SQL逻辑
IS_NULL
字段是否为空
COUNT() WHERE col IS NULL
IS_UNIQUE
字段值是否唯一
HAVING COUNT() > 1
IN_RANGE
值是否在范围
WHERE col NOT BETWEEN min AND max
MATCH_REGEX
格式校验
WHERE col NOT REGEXP 'pattern'
IN_CODE_TABLE
枚举值校验
WHERE col NOT IN (SELECT code FROM码表)
自定义函数示例（订单金额合理性）：
-- 规则：单笔订单不能超过客户信用额度的200%
SELECT order_id, customer_id, order_amount
FROM orders o
JOIN customer c ON o.customer_id = c.customer_id
WHERE o.order_amount > c.credit_limit *2
- 质检规则和质检函数的区别？
核心区别：
质检函数
：定义「怎么检查」，是原子能力
质检规则
：定义「检查什么对象，用什么阈值」，是场景化配置
规则 = 函数 + 对象 + 阈值
举例：
函数：IS_NULL（非空检查）
对象：orders.order_id（订单表主键）
阈值：0（不允许为空）
规则：订单主键不允许为空
- 怎么设计一个数据质量检查流程？
四步流程：
- 定义质检函数（非空、唯一、范围...）
- 配置质检规则（函数+对象+阈值）
- 组合形成质检模型
- 调度执行 → 生成质量报告 → 触发问题工单
面试加分：能画出完整的质检流程图，说明每个环节的职责。
三、质检模型与质量报告（高频追问）
- 质检模型是什么？怎么组合规则？
质检模型是质检规则的组合，用于批量检查某一类数据。
举例：
模型：交易数据质量模型
规则：
订单金额不为空
订单金额大于0
订单金额不超过信用额度200%
下单时间格式正确
订单状态在有效枚举范围内
模型可以设置权重，比如金额准确性权重60%，时间及时性权重40%。
- 质量报告包含哪些内容？
标准质量报告结构：
- 六维度评分（完整性、准确性、一致性、唯一性、及时性、有效性）
- 综合质量分
- 达标情况统计（合格/警告/不合格）
- 问题明细列表
- 问题趋势分析（环比/同比）
- Top问题表/字段清单
面试追问：质量分怎么计算的？
参考答案：加权求和模型。每个维度权重根据业务重要性配置，比如财务数据「准确性」权重最高，业务数据「及时性」权重最高。
- 数据质量问题怎么处理？
闭环流程：
发现问题 → 创建工单 → 派发给责任人 → 处理中 → 待验证 → 已关闭
关键点：
问题记录要完整：问题描述、影响范围、产生原因、处理记录
超时未处理要升级
处理结果要验证
四、实际场景问题（最难）
- 实时数据和批量数据怎么分别做质量检查？
实时数据（T+0）：
采用流式处理：Kafka + Flink
消息队列层做校验，不合格直接拦截或打标签
延迟敏感，质检逻辑要轻量
批量数据（T+1）：
凌晨调度执行
完整SQL检查，覆盖率高
检查结果写质量报告，推送告警
核心区别：实时重在拦截，批量重在发现。
- 跨系统数据不一致怎么排查？
排查思路：
- 确定问题范围：哪些表/字段不一致
- 追溯数据链路：从源头到终点的每个节点
- 对比数据内容：逐条对比，找差异点
- 定位原因：同步延迟？转换逻辑错误？业务数据错误？
常用方法：
数据血缘追溯：从ODS到ADS全链路看
数据比对：两边数据做minus/intersect
日志排查：看ETL任务的执行日志
- 数据质量差会有什么后果？
从业务到技术的全面影响：
影响层面
具体表现
业务决策
报表数据失真，管理层判断失误
运营效率
客服成本增加，用户体验下降
合规风险
监管数据不合格，被监管处罚
技术成本
数据修复返工，浪费大量人力
经典案例：某电商因为商品库存数据不准，超卖10万单，赔偿损失上百万。
- 怎么推动业务方重视数据质量？
这是个常见但很难答好的问题。
核心思路：让业务方看到数据质量的价值
量化价值
：数据质量提升X%，业务转化提升Y%
关联考核
：把数据质量纳入业务KPI
服务化
：提供质检工具，让业务方自助检查
自动化
：嵌入学控平台，出问题自动告警
反问面试官：我们公司目前数据质量治理的痛点是什么？我可以针对性地聊聊。
- 怎么判断数据质量问题是系统问题还是业务问题？
判断方法：
特征
系统问题
业务问题
数据规律
批量失败，符合某种模式
零星发生，无明显规律
发生时间
某个时间点突然出现
持续存在或逐渐累积
影响范围
影响整批数据
影响个别记录
复现方式
固定条件下可复现
难以复现
实操：拉取问题数据的明细，看时间分布、业务类型分布、字段值分布。
五、实战经验问题（加分项）
- 你从0到1搭建过数据质量体系吗？
STAR法则回答：
S（背景）：业务数据质量差，报表数据不准，影响决策
T（任务）：需要搭建数据质量管理体系
A（行动）：设计质检模型，配置质检规则，落地工单闭环
R（结果）：数据质量分从60分提升到90分，报表投诉减少80%
面试官想听的重点：
你为什么这么设计？不是工具罗列
你踩过什么坑？怎么解决的？
业务方配合吗？怎么推动的？
- 数据质量和数据治理是什么关系？
标准回答：
数据治理 > 数据质量管理
数据治理包含：
- 数据标准管理
- 元数据管理
- 数据质量管理 ← 你在这
- 数据安全管理
- 数据生命周期管理
补充：数据质量是数据治理的核心目标之一，也是最能直接体现治理效果的模块。
总结
数据质量面试核心考察三点：
概念理解：六维度、质检函数、质检规则、质检模型
实操经验：规则怎么配置、质量报告怎么看、问题怎么闭环
体系思维：数据质量在数据治理中的位置，怎么推动落地
