【社招面经】某大厂数据研发/数据仓库的岗位

自我介绍+介绍项目，时间大概半个多小时，主要是针对项目发问。

1、流失模型，看三月份连续7天流失，要怎么计算。

然后我说了一下我司流失的定义并非互联网那种流失，我们是拿单日离职人数/当日在职人数。

查了下留存率核心代码，大概是两表以用户关联后，count distinct去重，算间隔日期啥的就行。

,count(distinct p1.user_id) total_cnt

,count(distinct if(datediff(p2.state,p1.state) = 7, p1.user_id, null)) dif_1cnt

2、问底层数据每天是一个存量表还是增量表。

存量：系统在某一时点时的所保有的数量；

增量：则是指在某一段时间内系统中保有数量的变化。

3、数据清洗，和常用的清洗办法：

我们做的是数据仓库下游应用开发，我们不负责清洗数据。例如如果收入录入错误，多录了一个零，那之后会再来一条负数的记录做冲抵。我们所做的清洗主要是针对具体业务规则的，如做某些指标需要剔除xx

清洗这个步骤由事务性数据库-ods层的数仓同事做，我们的数据跟ods层保持一致。

4、指标表的数据粒度

时间维度（月份），组织，组织层级，指标值。不止存最小组织的数据，全网汇总数据也会存（因为计算逻辑不一样）

5、人离职调度，10天A组织，20天B组织，如何计算A B组织的成本。

成本计算会有个折算逻辑在里面，但这个逻辑不由数仓做。因为成本底层的数据不到人，而是组织的某项科目的成本为xx元，相关财务系统已经考虑到人员调动问题。

如果是人员的考勤or工时，数仓会考虑到这样一个折算逻辑。

6、表权限按组织一般作用在行维度。权限跟组织架构走，如果从A组织换到B组织，就只能看到B组织的数据。

大数据平台也会通过申请表权限来控制权限。

7、MySQL的数据量太大要怎么办？分库，分表。

8、如何保证数据时效性：配依赖，监控作业，

9、有没有考虑过数据降级策略。

为应对高并发的情况，我们会提前进行压力测试。