数仓项目怎么讲才不像在背书——数仓项目表达模板
先说结论
数仓项目用STAR+三个差异化要素：① 讲你的设计决策而不是背概念（'为什么我们只分了三层没有DWS'）；② 讲你解决的具体问题（'口径不一致导致GMV差了20%'）；③ 用业务数字量化（'支撑了50+张报表、日活数据量30GB、T+1产出SLA 4:30'）。
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
数仓项目是大数据面试最常讲的项目类型。但大部分人讲数仓项目就是在背教科书——'ODS原始层、DWD明细层、DWS汇总层、ADS应用层'，然后画个星型模型的图。面试官听了100个候选人讲的都一样——分层+星型模型+Kimball方法论。怎么讲出'你的'数仓而不是'教科书的'数仓？关键是讲你做了什么决策、为什么这样设计、遇到了什么问题、效果如何量化。
数仓项目的STAR模板
S（背景）模板：'我在[公司]负责[业务域]的数仓建设。业务规模是[用户量/日活/GMV]，日均数据量[XX GB/TB]，主要数据源有[3-5个来源]。当时的痛点是[烟囱式开发/指标口径不一致/查询慢/数据不可信]。'
T（任务）模板：'我负责设计和搭建[业务域]的离线数仓体系，目标是[统一指标口径/支撑BI报表/降低查询延迟/提升数据质量]。'
A（行动）模板：'我做了三件事：① 设计分层架构（ODS/DWD/DWS/ADS各层的职责和命名规范）；② 建设核心模型（事实表+维度表的设计、缓慢变化维的处理）；③ 治理指标口径（统一GMV/DAU等核心指标的计算逻辑）。'
R（结果）模板：'数仓支撑了[50+]张BI报表，覆盖[运营/产品/财务]团队。指标口径统一后数据差异从20%降到0。T+1数据在凌晨4:30前全部就绪，SLA达标率从85%提升到99%。'
示范：我怎么讲某短剧出海公司的数仓项目
S：'我在某短剧出海公司负责广告数据的数仓建设。业务是短剧出海——在Facebook、TikTok等平台投放广告获取用户。日均广告花费几十万美元，需要精准的ROI分析。之前广告数据分散在各平台的API中，没有统一的数仓，运营靠手动从各平台导出Excel拼数据做分析——效率低、口径不一致、容易出错。'
T：'我负责从0搭建广告数据的数仓体系，目标是统一各平台的广告数据、建立标准化的ROI分析指标、支撑运营的自动化报表。'
A：'我做了四件事：① ODS层——用DataWorks调度从Facebook/TikTok/Google API每小时拉取广告投放数据，存入MaxCompute；② DWD层——统一不同平台的字段命名和数据格式（Facebook叫spend、TikTok叫cost，统一成ad_cost），处理跨时区问题（海外业务涉及多个时区，统一转成UTC再转当地时间）；③ DWS层——搭建广告归因体系，按campaign/adgroup/creative三个维度计算CPA/CPC/ROAS等核心指标；④ ADS层——产出运营日报自动推送到飞书，搭建Metabase自助分析看板。'
R：'数仓支撑了5个广告平台的统一分析，运营从手动拼Excel到自助看板，分析效率提升80%+。广告数据时效从T+1提升到每小时更新（5分钟延迟），帮助运营及时调整投放策略。跨时区数据处理的标准化方案被其他团队复用。'
三个差异化要素——让你的数仓项目与众不同
要素一：讲你的设计决策——不要说'我们用了星型模型'就完了，要说'为什么选星型不选雪花'。比如：'维度表不大（设备表50万行、地区表200行），星型模型的JOIN开销可以接受，而且查询更简单——分析师直接JOIN事实表和维度表不用走多层JOIN。'
要素二：讲你解决的具体问题——'不同平台的广告指标定义不同（Facebook的conversion包含所有事件、TikTok只包含付费事件），我需要统一口径。做法是在DWD层定义conversion_standard和conversion_raw两个字段，标准口径只计算付费事件。'
要素三：用业务数字量化——不要说'数据量很大'，说'日均30GB新增数据、3个月累计2TB+、5个数据源'。不要说'性能提升了'，说'查询从分钟级降到秒级、SLA达标率从85%到99%'。
数仓项目面试官最爱追问的5个问题
| 追问 | 怎么答 | 示范 |
|---|---|---|
| 为什么这样分层？ | 讲你的设计考虑不要背概念 | '我们的DWS层很薄因为业务指标变化快预聚合容易过时' |
| 宽表怎么设计的？ | 讲trade-off | '宽表查询快但维护成本高，只对高频查询建宽表' |
| 缓慢变化维怎么处理？ | 讲具体方案 | '用户信息用Type2拉链表保留历史，设备信息用Type1覆盖' |
| 数据质量怎么保证？ | 讲具体措施 | '每层加了null率/行数/值域的自动检查，异常率超1%告警' |
| 指标口径怎么统一？ | 讲具体例子 | 'GMV之前有含退款和不含退款两个版本，统一为不含退款' |
面试高频追问
追问一：你们的数仓用什么技术栈？
这个问题不是让你列技术清单。正确的讲法：'存储用[MaxCompute/Hive on S3]，计算引擎用[Spark SQL/MaxCompute SQL]，调度用[DataWorks/Airflow]，BI用[Metabase/Tableau]。选MaxCompute是因为我们在阿里云上，全托管不需要运维，团队只有我一个人没精力维护Hadoop集群。'——讲选型原因比列技术名字有价值。
追问二：数据量大了怎么办？
分三层回答：① 存储层——分区裁剪（按天分区只扫描需要的天数）+列式存储（Parquet/ORC）；② 计算层——Broadcast Join小表广播、AQE自动优化、数据倾斜处理（加盐打散）；③ 调度层——关键路径优化减少总执行时间。最好带具体案例：'有一张100TB的事实表查询要6小时，加了分区裁剪+列裁剪后降到40分钟。'
追问三：你觉得你的数仓有什么不足？
这是加分题——展示反思能力。'我们的DWS层预聚合做得不够——很多查询还是直接查DWD层做现场聚合，导致Metabase的看板加载慢。如果重新做我会在DWS层建更多预计算的汇总表，用物化视图自动维护。'——既诚实又有改进方案。第15篇会详细讲怎么回答这类反思题。
总结
数仓项目表达讲三个差异化：① 讲设计决策不背概念（'为什么这样分层'而不是'ODS/DWD/DWS/ADS四层'）；② 讲具体问题不讲笼统架构（'指标口径不一致GMV差了20%'而不是'我们统一了口径'）；③ 用业务数字量化（'5个数据源/日均30GB/SLA 99%/分析效率提升80%'而不是'效果很好'）。按STAR模板准备3分钟和10分钟两个版本。
下一篇聊实时项目怎么讲：Flink+Kafka+Doris的实时数仓怎么在面试中展示深度？
你面试讲数仓项目通常怎么讲？面试官反馈怎么样？评论区聊聊～
关注「Wood聊大数据」| 9年大数据老兵，聊技术、聊职场、聊成长