航空数据中，旅客信息、行李信息、航班信息等数据需要保持一致性，请设计一个数据治理方案，确保数据在跨系统间的一致性。

1) 【一句话结论】为保障航空旅客、行李、航班等数据在跨系统间的一致性，需构建以主数据管理（MDM）为核心，结合数据标准、元数据管理、数据质量监控与数据集成技术，形成“标准统一、集中管理、实时校验、动态同步”的数据治理体系，通过技术规则与业务流程协同，确保数据全生命周期的一致性。

2) 【原理/概念讲解】数据治理的核心是“统一标准、集中管理、动态校验”，具体分几部分：

• 数据标准：定义数据元（如旅客ID为18位数字，航班号格式为“CA+4位数字”），类似“语言规范”，所有系统必须遵循，避免数据格式混乱（比如旅客姓名用全角还是半角，统一为半角，避免识别错误）。
• 元数据管理：记录数据的来源系统、定义、更新时间等，就像“数据说明书”，帮助理解数据从哪里来、怎么来的，便于追溯（比如旅客信息来自订票系统，更新时间2024-01-15）。
• 主数据管理（MDM）：针对核心主数据（旅客、航班、行李），建立集中式管理平台，所有系统通过API或数据同步工具与MDM交互，MDM负责数据清洗、冲突解决（比如两个系统录入同一旅客信息，MDM通过规则判断哪个正确，或人工干预），确保主数据唯一、准确（类比超市的中央库存系统，各分店销售数据同步到中央，库存一致，避免缺货或重复库存）。
• 数据质量监控：设置规则（如数据完整性：旅客姓名不能为空；唯一性：同一旅客ID不能重复；一致性：订票系统与值机系统的旅客年龄字段一致），通过规则引擎实时检查数据质量，发现问题时触发告警或自动修复（比如值机系统检测到旅客年龄字段为空，提示值机人员补充）。
• 数据集成：通过ETL（抽取、转换、加载）或ELT（抽取、加载、转换）工具，将各系统数据同步到MDM或数据仓库，确保数据实时或准实时一致（比如航班系统更新航班状态后，值机系统立即同步，避免旅客看到错误信息）。

3) 【对比与适用场景】

对比维度	数据标准化	主数据管理（MDM）
定义	规范数据元（格式、规则），统一数据表示	集中管理核心主数据（如旅客、航班），解决多源数据冲突
核心目标	统一数据格式，避免语义歧义	确保主数据唯一、准确、一致
适用场景	数据录入前或转换时，如旅客姓名格式统一	多系统共享核心主数据，如订票、值机、行李系统共享旅客信息
注意点	需业务部门参与定义标准，避免过度复杂	需业务规则支持冲突解决，如人工审核或规则引擎
技术依赖	数据字典、规则引擎	MDM平台（如Informatica MDM、Oracle MDM）

4) 【示例】以旅客信息为例，假设订票系统（S1）和值机系统（S2）需要保持一致。设计数据同步流程：

• 步骤1：数据抽取：S1和S2分别抽取旅客数据（如旅客ID、姓名、联系方式）。
• 步骤2：数据清洗：MDM平台对抽取的数据进行清洗（如去除空值、格式化姓名为统一格式）。
• 步骤3：冲突解决：若S1和S2的同一旅客ID数据冲突（如S1的年龄为25，S2的年龄为26），MDM通过规则（如优先取最新更新时间的数据）或人工审核解决。
• 步骤4：数据加载：清洗后的数据加载到MDM的“旅客主数据表”，并同步到S1和S2。
  伪代码示例（数据质量检查规则）：

# 数据质量检查规则：旅客姓名唯一性
def check_passenger_name_uniqueness(data):
    # 从MDM获取所有旅客姓名列表
    all_names = get_all_passenger_names_from_mdm()
    # 检查当前数据中的姓名是否已存在
    for name in data['name']:
        if name in all_names:
            return False, f"姓名 {name} 已存在"
    return True, "通过"

5) 【面试口播版答案】（约90秒）
“面试官您好，为保障航空旅客、行李、航班等数据在跨系统间的一致性，我设计的方案核心是构建以主数据管理（MDM）为核心的数据治理体系。首先，通过数据标准统一各系统的数据元（比如旅客ID为18位数字，航班号格式为‘CA+4位数字’），避免数据格式混乱。然后，建立元数据管理，记录数据的来源系统、定义，便于追溯。接着，针对核心主数据（如旅客、航班），使用MDM平台集中管理，所有系统通过API或数据同步工具与MDM交互，MDM负责数据清洗和冲突解决（比如两个系统录入同一旅客信息，MDM通过规则判断哪个正确）。同时，设置数据质量监控规则（如数据完整性、唯一性、一致性），通过规则引擎实时检查数据质量，发现问题时触发告警。最后，通过数据集成工具（如ETL）将各系统数据同步到MDM，确保数据实时或准实时一致。这样，旅客、行李、航班等数据在订票、值机、行李系统间就能保持一致，提升业务效率。”

6) 【追问清单】

• 问题1：数据治理的优先级如何确定？
  回答要点：优先处理核心主数据（如旅客、航班），因为它们是业务关键；其次处理数据质量高的系统，逐步扩展。
• 问题2：技术选型方面，MDM平台和集成工具如何选择？
  回答要点：MDM平台选支持航空行业标准的（如Informatica MDM），集成工具选支持实时同步的（如Apache Kafka或企业级ETL工具）。
• 问题3：数据冲突（如两个系统录入同一旅客信息不一致）如何处理？
  回答要点：MDM通过业务规则（如优先取最新更新时间的数据）或人工审核解决，确保数据准确性。
• 问题4：数据治理的实施成本和周期？
  回答要点：初期投入较高（平台搭建、人员培训），周期约6-12个月，分阶段实施（先试点核心系统，再推广）。
• 问题5：如何确保数据治理的持续有效性？
  回答要点：定期评估数据质量，更新数据标准，与业务部门协同，建立数据治理团队。

7) 【常见坑/雷区】

• 坑1：只谈技术不谈业务需求，忽略数据治理的目的是支撑业务（如值机系统需要准确的旅客信息，避免误登机）。
• 坑2：数据标准不明确，导致各系统数据格式不一致（如旅客姓名用全角或半角，导致识别错误）。
• 坑3：未考虑实时性，数据同步延迟导致业务问题（如航班状态更新后，值机系统未及时同步，旅客看到错误信息）。
• 坑4：数据冲突处理机制不完善，导致数据不一致（如两个系统录入同一旅客信息，MDM无法解决，数据混乱）。
• 坑5：未建立数据治理团队，缺乏持续维护（如数据标准更新后，系统未及时调整，导致数据不一致）。