数据治理 面试题
共 10 篇真实面经 · 涵盖 熙牛医疗 / 某企业 AI 应用服务商 / 科大讯飞 / 联友科技 / 中邮消费金融 等 10 家公司
熙牛医疗 数据开发实习一面:数据治理、数仓建模与 SQL 口头作答
北京来未来旗下熙牛医疗数据开发实习一面,45 分钟一对一视频面,无笔试、无算法、无八股,SQL 也只口头出题口头作答:从实习项目逐段追问审核标准与治理闭环,考元数据、血缘、数据质量与口径一致性,数仓部分问事实维表、缓慢变化维、分层与拉链表,最后是科室就诊人次与人数、having 过滤、单行输出两列与全科室补零。
AI 应用服务商面试:客户问报价为什么差这么多,三种计价方式怎么答
企业 AI 应用服务商岗面经:面试官问「同样是 AI 项目,报价为什么能差出好几倍」,原帖作者起初只答了规模,被指出规模只是其中一小块;完整答案要先给出按项目交付、按订阅或调用量、按效果或分阶段三种计价方式,再补上真正决定差价的范围、数据准备、集成复杂度、运维责任四件事。
科大讯飞飞凡计划研发面经:数据治理 Agent、Skill 治理与换模型的耦合成本
科大讯飞飞凡计划研发岗面经:全程围绕 AI 与数据展开,从指标打标与数据治理链路,追问到 AI 能否独立完成全链路治理、Memory 能否替代人工文档、换底层模型是否要重评全套 Skill,以及多 Agent 拆分与自进化系统的可行性;末段问了实习收获、AI 数据开发需要补的能力与学习渠道,并被明确告知岗位不做数据治理、聚焦人机交互。
联友科技数据开发面经(10.9)
联友科技数据开发面经:从实习职责与收获切入,深入数仓分层与 DWS/ADS 差异、主题层构建、客户画像标签模型的分层与技术栈选择,再考数据倾斜成因与加盐实现、Iceberg 与数据湖对比、建表的分区分桶实现、数据治理体系,以及大数据领域 AI Agent 的落地方向。
中邮消费金融数据开发面经:数据倾斜、Iceberg 小文件与事务、数仓如何配合 AI
中邮消费金融数据开发面经(10 月 22 日):自我介绍后集中追问 Hive 数据倾斜的定位方式、使用的 Iceberg 版本、小文件怎么解决、是否支持事务、建表用的 V1/V2/V3,再问到项目是个人还是团队搭建、与传统数仓和 AI 的分工、如何借 AI 提升链路效能,反问环节面试官介绍了四五十人数据管理团队的两条方向(面向业务 / 面向 AI)。
虾皮数据开发面经:数仓建模、数据治理与智能问数 Agent
虾皮数据开发面经(9 月 23 日):从离线数仓建模存在的问题、分层设计与重复建表,到时效与存储的平衡、口径变更方案,再到智能问数 Agent 的架构、检索匹配与跨域调用规避,末尾反问团队规模与规划。
欣旺达数据开发一面:数仓分层与实时数仓设计
欣旺达数据开发岗9月22日一面,问题从自我介绍与项目角色开始,覆盖数据规模、实时与离线、数仓分层、数据倾斜、数据治理方案、脏数据排查、数据血缘,以及实时数仓架构设计与数据缺失补数。
云徙科技 数据方向面试:消费品行业的数据有什么特点
云徙科技消费行业数智化方向业务面复盘:第一题问消费品行业的数据和别的行业比有什么不同,答法要覆盖多渠道身份割裂、分销层级口径不一、动销与库存必须联动、数据质量本身是问题这四个差异,并落到指标定义与治理顺序上。
9ikun 数据开发二面:湖仓一体、DQC 与 Agent 追问
9ikun(神秘私募)数据开发二面面经,8 月 10 日:从湖仓一体的选型理由与缺点、数据治理难点,一路追问到分层 DQC 的实现规则、指标口径边界,以及 Agent 项目如何保证分析结果可信。
海信集团27届校招AI产品经理一面面经
海信集团27届校招AI产品经理一面面经,覆盖Agent与工作流、模型幻觉、主流大模型选型、海外营销工具设计和营销数据治理。