2026年数据仓库设计师笔试题库

2026年数据仓库设计师笔试题库一、单选题（共5题，每题2分）1.题干：在数据仓库设计中，星型模式的优点不包括以下哪一项？A.提高查询效率B.结构简单，易于理解C.支持复杂的多维分析D.数据冗余度高答案：D解析：星型模式通过中心事实表和多个维度表连接，减少数据冗余，提高查询效率，结构清晰。选项D错误，因为星型模式设计的目标是降低冗余。2.题干：某电商平台需要存储用户购买行为数据，以下哪种数据模型最适合作为数据仓库的中间层？A.数据湖B.暂存表（StagingTable）C.数据集市D.事实表答案：B解析：暂存表用于临时存储从源系统提取的数据，进行清洗和转换后导入数据仓库，适合作为中间层。数据湖是原始数据存储，数据集市是面向特定业务域的简化仓库，事实表是数据仓库的核心。3.题干：在数据仓库ETL过程中，以下哪个步骤不属于数据清洗范畴？A.去除重复记录B.补全缺失值C.统一数据格式D.构建数据立方体答案：D解析：数据清洗包括去除重复、补全缺失、统一格式等操作，构建数据立方体属于数据聚合或OLAP阶段，不属于清洗。4.题干：某制造企业需要分析各产线的能耗数据，最适合使用哪种数据仓库架构？A.单层架构B.分层数据仓库架构（如Kimball或Inmon）C.数据湖仓一体架构D.MPP架构答案：B解析：分层数据仓库架构（如Kimball的Kimball方法或Inmon的数据仓库理论）通过星型/雪花模型、数据集市等分层，支持复杂分析。MPP架构适用于大规模并行处理，但未必适合业务分析场景。5.题干：在数据仓库设计中，以下哪个指标最能反映数据质量？A.数据量B.数据准确性C.数据存储成本D.数据更新频率答案：B解析：数据仓库的核心价值在于支持决策，因此数据准确性是最关键的质量指标。数据量、成本、频率是次要因素。二、多选题（共5题，每题3分）1.题干：以下哪些是数据仓库设计中的常见维度表属性？A.时间戳B.销售金额C.产品类别D.用户IDE.营业成本答案：A,C,D解析：维度表存储描述性属性，如时间、产品类别、用户ID等。销售金额和营业成本属于事实表度量值。2.题干：在数据仓库ETL过程中，以下哪些属于数据转换操作？A.数据归一化B.数据聚合C.字符串替换D.数据类型转换E.去重答案：B,C,D解析：数据转换包括聚合、字符串处理、类型转换等。归一化和去重更偏向数据清洗。3.题干：以下哪些场景适合使用数据湖仓一体架构？A.大规模日志数据分析B.实时业务报表需求C.跨业务域数据整合D.高并发数据查询E.历史数据归档答案：A,C,E解析：数据湖仓一体适合原始数据存储和整合（如日志、归档），实时报表和高并发查询更适合传统数据仓库。4.题干：在数据仓库设计中，以下哪些指标可以用于评估模型性能？A.查询响应时间B.数据冗余率C.维表数量D.事实表记录数E.数据一致性答案：A,B,E解析：性能评估关注查询效率、冗余和一致性。维表数量和记录数是设计参数，不直接反映性能。5.题干：以下哪些技术可以用于数据仓库的元数据管理？A.数据目录（DataCatalog）B.元数据管理平台（如Collibra）C.ETL工具内置元数据功能D.数据血缘追踪工具E.人工文档记录答案：A,B,C,D解析：元数据管理依赖工具和平台自动化，人工文档效率低。ETL工具、数据目录、元数据平台、血缘工具都是常见方案。三、判断题（共5题，每题2分）1.题干：雪花模型比星型模型更优，因为它减少了数据冗余。答案：错误解析：雪花模型通过维度表规范化减少冗余，但会增加查询复杂度，星型模型更简洁高效。2.题干：数据仓库中的数据必须是实时更新的。答案：错误解析：数据仓库通常按天或按周期更新，实时性需求通过数据集市或流处理满足。3.题干：数据质量检查应该只在进行ETL前进行。答案：错误解析：数据质量需贯穿全流程，包括数据接入、清洗、转换和加载阶段。4.题干：数据湖和数据仓库都可以直接存储结构化数据。答案：正确解析：数据湖支持多种数据格式（结构化、半结构化、非结构化），数据仓库以结构化数据为主。5.题干：数据仓库设计不需要考虑业务用户需求。答案：错误解析：数据仓库是为业务分析服务的，必须满足用户查询和分析需求。四、简答题（共3题，每题5分）1.题干：简述数据仓库与数据湖的区别。答案：-数据仓库：面向主题、集成、稳定、反时序的结构化数据集合，用于分析决策；数据湖：原始数据存储，支持多种格式，灵活性高但结构松散。-数据仓库强调一致性，数据湖强调完整性；数据仓库需ETL处理，数据湖可即存即用。2.题干：列举数据仓库设计中常见的维度类型及其作用。答案：-时间维度：记录时间信息，支持时间切片分析。-产品维度：描述商品属性，支持品类分析。-地理维度：记录区域信息，支持区域化分析。-客户维度：描述用户特征，支持用户画像分析。-事件维度：描述业务事件（如订单、支付），支持行为分析。3.题干：数据仓库ETL过程中，数据清洗包括哪些步骤？答案：-去重：消除重复记录。-缺失值处理：填充或删除。-格式统一：日期、数字、文本标准化。-异常值检测：识别并修正错误数据。-逻辑校验：确保数据符合业务规则。五、设计题（共2题，每题10分）1.题干：某零售企业需要构建一个数据仓库支持以下分析需求：-按月份分析各门店销售额和客单价。-按产品类别分析会员消费偏好。-分析促销活动对销售的影响。请设计星型模型，包括事实表和核心维度表。答案：-事实表：销售事实表（Sales_Fact）-交易ID（主键）-门店ID（外键）-产品ID（外键）-会员ID（外键）-交易日期（日期维度外键）-销售金额-数量-促销活动ID（外键）-维度表：-门店维度（Store_Dim）-门店ID（主键）-门店名称-所在城市-产品维度（Product_Dim）-产品ID（主键）-产品名称-类别-会员维度（Member_Dim）-会员ID（主键）-会员等级-注册日期-日期维度（Date_Dim）-日期ID（主键）-年月-星期-促销维度（Promotion_Dim）-促销ID（主键）-促销类型-开始日期2.题干：某制造企业需要整合生产、能耗、质检数据，设计数据仓库分层架构，并说明每层作用。答案：-数据源层（SourceLayer）：存储生产、能耗、质检的原始数据（如MES系统、传感器日志）。-数据集成层（StagingLayer）：清洗、转换数据，统一格式，解决冲突（如暂存表）。-数据仓库层（CoreLayer）：-维度表：时间、设备、产品、质检标准。-事实表：生产事实表（产量、工时）、能耗事实表（设备、能