这次针对于金融行业的理财方面的数据模型做一些测试总结：
数据模型往往是无界面的，大部分都是后台的业务逻辑和一些公式计算，由一个个的job组成，那在测的过程中，就是去执行这些job，观察执行后的结果是不是正确。以下是在测试过程中需要注意的点：
- 在测一个job之前，要将已生成的目标数据删除或者置0，避免在核对结果时查看了老的数据，一定要确保数据是本次执行过程中新生成的。
- 如果源数据中无数据，那么生成的目标数据会不会补齐。有些情况是不补齐，有些情况是按前一天的来补，或者是补0，补1，根据具体需求而定。
- job是不是支持历史数据的回滚，想测历史某一天，或者某一段时间的数据，是否支持。
- 测历史时，要考虑传入的日期超过源数据最早的日期时，是否会有冗余数据产生，例如源数据只有到1991年，job执行时传参1989年。
- 非交易日的数据是否存表。
- 多次执行job时，得到的结果不同时，是进行覆盖还是新增数据。
- 计算公式时可以将数据导到excel中进行计算。 常用的excel函数有SUM（求和），MIN（求最小），MAX（求最大），AVERAGE（求平均值），STDEV.S（求样本方差），PRODUCT（连乘），ABS（绝对值），CORREL（相关性），COV（协方差）。
- 计算时要考虑各种值的位数，每一个数据所要求保留的小数位可能是不相同的，这直接影响到你所计算出来的结果。
- 代码层面，源数据缺失时应该报warning还是报error，要根据业务的影响程度。
- 回归测试最好是用自动化来做（可以用python+unittest），手工花费时间太长。一个job写自动化代码可能花费半天以内，但是手动测试一次可能就花了2个小时，执行两次以上，时间就赚回来了。