基础解释ID-MAPPING：是基于操作ID进行打通映射，找到唯一标识ID的一种手段。简单说，就是把不同来源（不同设备，不同APP，不同应用等）的数据，通过一系列技术手段或者方法映射成同一个对象的过程。ONE-ID：ONE-ID主要解决孤岛数据的链接问题，将实际实体的行为关系通过顶层的ONE-ID进行孤岛串联，就能打通不同用户，不同实体之间的所有跨端、跨APP、跨平台之间的孤立状态，ONE-ID本质是一种桥梁关系，核心基础就是ID-MAPPING。主账号:一般在公司核心产品中或者一个对应的应用APP中，一个用户可能有多个账户，其中用户主要通过该账号进行的平台活动视为该用户的主账号，主账号的识别...

这两天有同学咨询语兴，指标异常分析或者归因，目前有啥好的自动化解决方案吗首先明确一下这个问题如果要定位到最根本细节的原因是解决不了的，依赖算法模型召回是可以的，如果让数据去做，则无法落地。举个例子🌰，语兴做了一家类似小某书的公司，现在做的是社区业务，目前语兴01想看一下社区业务中为什么昨天举报量对比前天量级要激增了，于是把这个抛送给语兴02去排查，经过语兴02排查发现昨天是1300，前天是1000，作为数分兼岗数据仓库的语兴02通过数据分析思维去向下排查，发现社区中评论场景举报占比85%+，再按照举报理由去排查发现三级举报类目下引战谩骂占比最高，但对于语兴02同学来说排查到到这里基本就结束了...

群友提问：离线小时看板数据和实时看板数据对不上该怎么排查。首先定位问题中架构为HSAP OR LAMBDA。指标口径先看指标口径是否准确，保障实时和离线指标口径一致，以及线上版本，同时看代码版本改动记录如指标口径及数据源，如果都没问题则继续向下排查。消费情况看dwd清洗加工代码中是否有加filter处理，以及多表明细join情况是否有空，如果未做处理同时未有空值，则看 flink ui 查看dwd/ods数据消费情况，如数据反压则按照反压排查思路，如数据质量还是有问题（例如正常指标每日gmv在100w附近，今日变20w），则去回查mysql/kafka源头情况，同时保障数据来源一致。重新拉取消...

群友分享字节一面面经  虚拟内存 域名访问过程  深挖项目 细节 困难 收获算法 二叉树镜像 股票买卖还问了ab test

数据25秋招各类内推码1在我主页          

数据25秋招各类内推码，          

数据25秋招字节1面 #九月投秋招是不是太晚了？#  #24届秋招同行攻略分享#  #你的秋招进行到哪一步了#  #数据人offer决赛圈怎么选#  #数据人的面试交流地#

数据25秋招b站1  2面 #九月投秋招是不是太晚了？#  #24届秋招同行攻略分享#  #你的秋招进行到哪一步了#  #数据人offer决赛圈怎么选#  #数据人的面试交流地#

数据25秋招百度1 2面 #九月投秋招是不是太晚了？#  #24届秋招同行攻略分享#  #你的秋招进行到哪一步了#  #数据人offer决赛圈怎么选#  #数据人的面试交流地#

加25届数据秋招沟通的同学可以私聊我

兴哥，字节二面问到几个问题，想请教一下：1、数据仓库的复杂性体现在哪些方面2、数据仓库如此多的表怎么去管理的3、原子指标和衍生指标是抽象的概念还是已经具像化的指标问题1:最重要复杂体现在模型层面将业务抽象成模型，同时还要让数据模型好用，能够复用，并保障数据质量问题少发生问题2主要考察元数据管理，分层，分域，数据表考评，分层还是咱们之前说的那4层 ods Dwd Dwd ads每一层做的事可以给他说一下我这里就不列举了，分域，包括主题域（业务分析角度），数据域（业务流程），你在这也可以说对于数仓整套元数据我们也有接入，并通过数据门户方式给业务展示，可以让业务快速了解每个分层每个域有什么表，作用是什么，以及表元数据（命名，作用，owner，存储等），同时也提升数仓整体复用性，减少烟囱表开发，同时对于数据表我们也有评分体系通过分数（图在下边）扫描出临时表 无用表 空表 数据表ods 穿透等评论并做整体治理问题3 他想考你原子指标和派生指标区别，其实原子指标是一个概念 他在数仓任何地方 但又不存在，我们所说的全部指标都是派生指标，派生指标🟰原子指标+维度+周期，例如最近30天杭州地区下单人次 这个就是典型的派生指标，原子指标是下单人次，周期是最近30天，维度是杭州地区，所以从这里我们可以看出原子和派生指标关系，再顺道一提复合指标，复合指标一般通过率的方式表达，且是由派生指标为分子分母，比如最近30天离职率🟰最近30天离职人数/最近30天总员工数，这分子分母都是派生指标，再比如同比 环比也是复合指标

上一期我们让Tao Zex同学分享了2024校招要如何准备，本周我们复盘一下健鑫同学双非开局同学如何去找实习，需要准备什么。【健鑫同学的学习经历（数据侧双非同学该如何准备实习）】 https://b23.tv/OrC6haw

视频是之前历史视频了，在这会放出来也期望大家能充分准备。https://b23.tv/i04Zar0

作为一个即将毕业的研究生，走数据开发的话，对于未来职业生涯规划安排，语兴有什么建议。也害怕35危机😂 对于大多数人来说整体工作中能到的高度应该还是p8为上限，只不过要看自己适合走技术专家还是适合走业务。专家可以往组件平台这块多了解深入 以后也可以做数据平台负责人，偏平台数据产品负责人，业务的话可以走数leader规划内部数仓对接外部需求，如果公司内部有机会依然可以走产品和数分，但真实情况是职级固化，数仓到p7就结束了，做的工作都是偏向业务多一些。对于新人来说，建议日常除了用内部数据平台和别的工具时同时多关注下外部新组件，例如现在的doris 数据湖相关，可以了解探索下，同时多看看其他数据平台都有哪些功能能给业务做什么事，多看看其他领域数仓项目，这个星球也会经常讲，感兴趣同学可以加一下，了解业务和项目相通地方。对于35危机，也解决不了，只能往上爬，35岁p8还有3到5年职业寿命，38到40岁p9也可以续几年职业寿命，再往后要么创业要么退休。年轻还是建议多挣一些钱，一定要有存款，基本可以保持2到3年跳槽换一家公司，特殊情况除外，毕业工作2到3年如果内部没晋升就要跳出去了 刚好涨薪➕拿p6，5年跳出去一波 拿p6+和涨薪  如果能拿7更好 8年拿7 或者去中厂当leader都可以。最后数仓到头，能达到最高度是cdo数据总监或者cto，也可以出去创业，应该是数据产品➕数仓➕对数分有一定了解的结合体（这个是标配，当然也可以往上可以补充算法 平台组件等）