业务开发数仓说不上话，现有业务后有数仓，起初可能考虑不到，业务变化了等

尽量统一标准，控制好边界

维度退化可能造成数据不一致
=>存好历史状态，保证元数据字典完整，尽早计算下面就不会各算各的了

监控机制才能保证数据的及时性
统一口径定义，这个事也不是一个小技术人员就能搞定的，嗨，但是也努力吧。
指标管理系统，就类似于标签系统吧，可以检索，有业务口径有it口径的这种。

这一步是自己搞得定的，比如四点任务都跑完了，对于一些核心的指标，五点跑一下这种校验任务，早上来了就能最先发现问题了。
交叉校验需要业务敏感性，类似于浏览下降，但是成交猛增，这就可能不太对。

用源库的元数据(schema_info)和hive的元数据进行对比，数据类型，字段等，就能知道源库数据变化情况了。

依赖关系，这个atlas现在可以搞定了，甚至是字段级别的。

数据质量监控