BI / 数据分析师 · 优先阅读清单

Reference · 速查

你的主战场：写 SQL 出数、做报表、搭仪表盘、解释业务指标。理解湖的底层够用，不必深到操作内核。

高频任务速跳

• 报表跑得慢 → 谓词下推 · 性能调优 · 查询加速
• 建语义层 / 指标中台 → Semantic Layer（dbt / Cube / LookML）
• 选加速副本 → OLAP 加速副本对比 · 物化视图
• 建模（星型 / 宽表 / Data Vault） → OLAP 建模
• 端到端 BI on Lake → BI on Lake 场景

必读：知道数据在哪里、怎么来

• 湖表（粗读即可）
• Snapshot —— 知道"时间旅行"就够
• OLTP vs OLAP
• 列式 vs 行式

BI 核心

• OLAP 建模 —— 星型 / 雪花 / 宽表 / Data Vault / Galaxy / VARIANT
• 语义层 · Semantic Layer ⭐ —— dbt / Cube / LookML 指标中台 · LLM × SL
• 物化视图 —— IVM · Query Rewrite · Iceberg MV
• 查询加速 —— Zone Maps / Sort / Z-order / Puffin / 加速副本
• 仪表盘 SLO ⭐ —— 并发/延迟/新鲜度工程
• BI × LLM ⭐ —— 2026 变革 · Genie/Cortex Analyst/Tableau Pulse
• BI on Lake 场景

你要不要当 Analytics Engineer

如果你的工作越来越偏"定义指标、写 dbt models、管语义层"，而不只是写 SQL 取数，那你其实在做 Analytics Engineering。除了上面 BI 核心，额外读 Semantic Layer 的 dbt / Cube 章节 + 数据治理 + OLAP 建模 里的 Data Vault 2.0 段。

查询引擎（按遇到的）

• Trino —— 交互式最常用
• DuckDB —— 本地探索
• StarRocks —— 加速层常见
• ClickHouse
• Apache Spark —— 看懂 DWD 作业

性能感

• 谓词下推 —— 这个一定读，让你知道为什么"看起来一样的 SQL"会差几百倍
• 性能调优（分析师视角读"诊断"部分即可）

建议学习路径

先走 一周新人路径（湖 + 检索心智模型），再走 一月 BI 方向。

一月 BI 方向 覆盖：OLAP 建模（星型 / 宽表 / Data Vault）· 物化视图与查询加速 · 语义层 / dbt · OLAP 加速副本（StarRocks / ClickHouse）· BI on Lake 场景端到端 · SLA / SLO 打法。

常用参考

• Apache Iceberg §5 代码示例 + §6 维护 —— 常用 SQL 和时间旅行
• 物化视图 · 查询加速

场景

• BI on Lake

随时回头看

• FAQ
• 术语表

你会写的 ADR 类型

• "为什么我们选择按宽表而不是星型建模 XX 事实表"
• "Dashboard X 的 SLA 与优化路径"
• "加速副本 vs 物化视图 的成本 / 效果对比"