91学AI - 大数据工程师

【阿里】有了主题域为什么还要划分数据域

阿里（飞猪数据团队）数仓实习一面真题。主题域是面向分析的业务视角，数据域是面向建设的加工视角，两者解决的是分类和归属两个不同问题。

91学AI·7 阅读

阿里数仓实习一面（飞猪数据团队）真题。分层带来复用、口径统一、隔离变化和问题定位四大收益；最难的是 DWS，难在公共沉淀的粒度与边界拿捏。

91学AI·7 阅读

字节跳动数仓二面真题。模型优化从复用度治理、宽表与拆分、分区与存储格式、生命周期管理到指标口径收敛，覆盖设计与成本两个维度。

91学AI·7 阅读

字节跳动数仓一面真题。从 ODS 到 ADS 的分层职责、维度建模落地方式，再到数仓团队按业务域和层的分工协作模式，按真实大厂实践作答。

91学AI·6 阅读

数据湖与数仓在数据形态、schema 时机、成本模型、适用场景上的本质差异，以及为什么行业在往湖仓一体收敛。

91学AI·9 阅读

稳定业务按照标准的数据流向进行开发，即 ODS –> DWD –> DWS –> APP。非稳定业务或探索性需求，可以遵循 ODS -> DWD -> APP 或者 ODS -> DWD -> DWM ->APP 两个模型数据流。

园陌·2 阅读

数仓建设真正的难点不在于数仓设计，而在于后续业务发展起来，业务线变的庞大之后的数据治理，包括资产治理、数据质量监控、数据指标体系的建设等。

园陌·2 阅读

美团技术团队的博客质量非常高，里面有许多关于大数据的文章，具有很大的参考价值。

园陌·2 阅读

数仓建设保姆级教程PDF文档(opens new window)

园陌·2 阅读

数据治理的范围非常广，包含数据本⾝的管理、数据安全、数据质量、数据成本等。在这么多治理内容中，大家想下最重要的治理是什么？当然是数据质量治理，因为数据质量是数据分析结论有效性和准确性的基础，也是这一切的前提。所以如何保障数据质量，确保数据可用性是数据仓库建设中不容忽视的环节。

园陌·2 阅读