数仓建模实战总结

做数仓最常踩的5个坑

坑一：上来就建宽表，不做分层。很多小公司第一反应是搞一张大宽表什么都有。但很快需求变了加字段要回刷全量历史，口径不一致。正确做法：再简陋也要做分层，哪怕只有ODS→DWD→ADS三层。

坑二：粒度不明确就开始写SQL。新建表的第一件事不是写SQL，而是写清楚「一行数据代表什么」。我的习惯是在建表语句的COMMENT里把粒度写死。

坑三：维度表不做主键校验。拉链表忘了加is_current = 1过滤，JOIN金额翻倍。维度表ETL必须加主键唯一校验。

坑四：指标没有统一定义就开始出报表。你算的DAU和同事的不一样——一个用user_id去重，一个用device_id去重。先定义再开发。

坑五：重复造轮子。团队3人建了3张用户画像表，字段重叠70%。新建表之前先查有没有已有表能满足需求。

面试讲项目的3分钟模板

背景：「我在某出海公司负责数仓建设。团队3人，数据来源十几个。」

挑战：「接手时数仓没有分层，200多张表命名混乱，指标口径不统一。」

方案：「我做了三件事：建立分层架构、统一命名规范和指标定义、做了一轮埋点治理把1000+事件精简到100+。」

关键设计：「DWD层做了跨时区处理，用户维度表用Type 2拉链表，DWS层建了核心宽表，广告归因用OneID打通。」

结果：「数据质量问题减少60%，报表口径投诉从每周2-3次降到基本为零，新需求上线从2周缩短到3天。」