BI工程师面试题及参考答案.docxVIP

BI工程师面试题及参考答案

一、基础技能类（考察核心工具与理论掌握）

问题：请说明SQL中IN和EXISTS的区别，以及实际使用时如何选择？

参考答案：核心区别在于执行逻辑——IN是先执行子查询，将结果集缓存后与主查询匹配，适合子查询结果集小的场景；EXISTS是主查询每条记录触发一次子查询，判断是否返回结果，适合子查询结果集大但主查询过滤后数据少的场景。比如查询“近30天有下单记录的用户”，用EXISTS（子查询查订单表）比IN更高效，因为不用缓存所有订单用户ID；如果是“查询指定10个用户的订单”，用IN（子查询查10个用户ID）更简洁。另外，IN不支持NULL值匹配，EXISTS不受影响。

问题：你常用的BI工具（如Tableau/PowerBI）中，如何处理数据中的缺失值？实际项目中你会怎么判断处理方式？

参考答案：工具层面，Tableau可通过“数据→数据解释”查看缺失值分布，用“替换缺失值”（填充固定值、均值、中位数）或“筛选器排除”；PowerBI在PowerQuery中用“替换值”“填充”功能，或通过DAX函数IF(ISBLANK())处理。实际判断时，先看缺失原因：如果是随机缺失（比如用户可选填字段），数值型字段用中位数（避免极值影响）、分类字段用众数；如果是业务逻辑缺失（比如未发生该行为，如未下单用户的下单金额），用0或“无”填充更合理；如果缺失率超过30%且对核心指标影响大，会和业务沟通是否补充数据，或在报表中注明缺失情况，不盲目填充。

问题：什么是数据建模中的星型模型和雪花模型？实际做BI项目时你更倾向用哪种，为什么？

参考答案：星型模型是事实表（存核心指标，如订单金额、销量）围绕多个维度表（存维度属性，如用户、产品），维度表不关联其他维度表，结构简单；雪花模型是维度表会关联子维度表（如产品表关联品类表、品牌表），结构层级多。实际项目中更倾向星型模型，因为查询效率高（减少表关联次数），维护成本低，BI报表用户理解起来也更简单，除非业务对维度层级要求极高且数据量不大，才会考虑雪花模型。

二、项目实操类（考察落地能力与流程思维）

问题：请描述你从0到1搭建一个销售BI报表的完整流程，重点说明遇到的常见问题及解决方案。

参考答案：完整流程：①需求沟通：和销售、运营确认核心指标（如销售额、客单价、复购率）、维度（时间、区域、产品）、刷新频率（日报/周报）、展示形式（折线图/饼图）；②数据采集：从ERP（订单数据）、CRM（客户数据）、财务系统（回款数据）提取数据，统一字段格式（如日期统一为YYYY-MM-DD，区域名称统一）；③数据清洗与建模：用SQL或ETL工具（如DataX、Talend）处理重复数据（去重订单号）、异常值（如超出合理范围的大额订单，需和业务确认是否为测试单）、缺失值（如客户所属区域缺失，按收货地址补全），然后搭建星型模型（事实表：销售事实表；维度表：时间维、区域维、产品维）；④报表开发：用Tableau/PowerBI制作报表，设置筛选器（时间范围、区域筛选）、联动功能（点击区域饼图联动显示该区域产品销量）；⑤测试与上线：和业务核对数据准确性（比如和财务报表的销售额差异），收集使用反馈（如是否需要新增维度），然后部署到服务器或BI平台，设置自动刷新；⑥运维监控：定期检查数据刷新是否正常，指标异常时（如销售额突降）及时排查原因。

常见问题及解决方案：①数据不一致：比如ERP和财务系统的销售额差异，原因是统计口径不同（ERP按下单金额，财务按回款金额），解决方案是和双方确认统一口径，在报表中注明统计逻辑；②报表加载缓慢：原因是数据量过大（如历史3年数据全量加载），解决方案是设置数据分区（按月份分区）、只加载近1年明细数据，历史数据用汇总表查询；③业务需求变更：比如中途新增“渠道维度”，解决方案是在建模阶段预留扩展字段，变更时只需要补充渠道维度表和关联关系，减少报表重构成本。

问题：如果业务要求你做一个实时BI看板（如实时监控电商平台订单量），你会如何设计技术方案？需要注意哪些关键点？

参考答案：技术方案：①数据采集：用实时采集工具（如Flink、SparkStreaming）从电商平台的日志系统（如ELK）或数据库binlog（如MySQLbinlog）提取实时订单数据，确保延迟在秒级；②数据处理：用Flink进行实时计算，处理重复订单（基于订单号去重）、格式转换，计算实时指标（累计订单量、瞬时下单峰值）；③数据存储：将实时计算结果写入时序数据库（如InfluxDB）或内存数据库（如Redis），