5 年经验面试：出了一次严重数据事故，你作为负责人怎么处理、怎么复盘？
面试怎么回答
事故发生时我先止损再定位：确认影响了哪些表、报表和下游，从哪天开始；马上在报表上挂异常提示、暂停对外推送，避免更多人用错数据。团队分工，有人定位原因、有人准备修复和回刷，我负责对外沟通和协调资源。沟通上要主动早说，讲清楚哪些数据有问题、影响多大、预计什么时候修好，修复后发正式说明，协助业务方更正已发出的汇报。复盘对事不对人，先梳理时间线，再多问几层为什么，从「没人检查」追到「没有机制能发现」；改进分技术和流程两类，比如核心指标波动告警、上游字段契约和变更检测、上游变更必须通知下游，每项措施都有负责人和截止时间，并在周会跟进到落地。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
普通开发被问故障，讲的是怎么定位和修复；负责人被问故障，面试官关注的是另一件事：你怎么组织团队止损、怎么对外沟通、怎么让同类问题不再发生。
假设场景：一个上游字段的含义变了，导致核心收入报表连续三天多算了 15%，业务方已经拿着错误数据向老板汇报了。
事故发生时：先止损、再定位
- 确认影响范围：哪些表、哪些报表、哪些下游系统、从哪天开始，有没有数据被推送到外部；
- 马上止损：在报表上挂提示「数据异常，修复中」，暂停对外推送，必要时下线有问题的看板，避免更多人拿错数据做决策；
- 分工处理：一人定位原因，一人评估影响和准备修复方案，自己负责对外沟通和协调资源，不要所有人都扎进去查代码；
- 修复和回刷：修正逻辑，按依赖顺序回刷受影响的分区，用对账确认修复后的数据正确。
对外沟通：早说、说清楚
- 第一时间主动告知：不要等业务方自己发现；先说「哪些数据有问题、影响多大、什么时候能修好」；
- 定时同步进展，修复完成后发正式说明：受影响的时间段和指标、正确的数据是多少；
- 需要的话，协助业务方更正已经发出去的汇报材料。
复盘：对事不对人
- 时间线：什么时候变更、什么时候发现、谁发现的、每一步花了多长时间；
- 找根因要多问几层为什么：字段含义变了 → 为什么我们不知道？→ 上游变更没有通知机制 → 为什么三天才发现？→ 收入指标没有波动监控；
- 区分直接原因和机制原因：「某人没检查」是直接原因，「没有任何机制能发现」才是要解决的问题；
- 不追究个人：复盘会如果变成批斗会，以后大家会隐瞒问题。
改进措施要落地
- 技术：核心指标加波动监控和同比环比告警；上游关键字段加数据契约和变更检测；核心链路上线前做数据对比；
- 流程：上游变更必须通知下游，纳入变更评审；故障分级和响应时间标准；
- 每项措施有负责人和完成时间，下次周会检查进度，不是写完复盘文档就结束。