数仓/数据开发校招拆解：维度建模、窗口函数与调度链路

岗位画像

数仓/数据开发负责把业务数据变成可用资产：接入（binlog/埋点）→ 分层建模（ODS/DWD/DWS/ADS）→ 调度与质量监控 → 对外提供报表与接口。互联网、银行科技子公司与新零售都在招。

笔试与一面：SQL 是硬门槛

1. 窗口函数：连续 N 天登录、七日留存、分组 TopN、去重排名。
2. 关联陷阱：一对多 join 导致指标翻倍怎么排查？
3. 慢 SQL：数据倾斜的常见原因（热点 key/空值聚集）与处理（打散/两阶段聚合）。
4. Hive/Spark 基础：内外部表、分区分桶、宽依赖窄依赖、shuffle 发生在哪。

二面：建模与场景

• 给一个电商下单业务，让你设计 DWD/DWS 表：先问清粒度，再定维度（用户/商品/时间/渠道）与事实（下单/支付/退款），说明缓慢变化维怎么处理。
• 指标口径题：GMV 口径变更怎么保证历史可比？答「口径版本化+重刷分区」。
• 数据质量：主键唯一性/波动率监控怎么配，出了问题怎么定位到上游。

准备建议

• 刷 SQL 真题 50 道以上，窗口函数写到不假思索。
• 用公开数据集做一个分层小项目，重点能讲清每层存在的理由。
• 了解一种调度工具（Airflow/DolphinScheduler）的依赖与补数机制即可，不必求全。