2. 数据质量维度

聊数据质量，绕不开这六个维度。完整性、准确性、一致性、时效性、唯一性、有效性。听起来像教科书对吧？我刚开始带数据治理项目时也觉得这是纸上谈兵。直到有一次线上事故，让我彻底改观了。

那次事故很简单——某个报表的订单金额对不上。排查了两天，最后发现是上游系统某个字段允许为空，导致下游聚合时丢了30%的数据。嗯，这就是完整性问题。从那以后，我要求每个项目启动前，先把这六个维度过一遍。

2.1 完整性：数据有没有缺胳膊少腿？

完整性，说白了就是数据该有的东西有没有。字段值不能为空，记录不能丢失，关联关系不能断裂。

我在项目中遇到过最典型的场景：用户画像系统。某个用户的手机号字段为空，推荐算法直接把他当新用户处理，推送了一堆完全不相关的内容。用户投诉率飙升。

2.2 准确性：数据是不是对的？

完整性保证数据存在，准确性保证数据正确。这两个维度经常被混淆，但本质不同。

举个例子：用户年龄字段填了"150"。完整性检查通过——字段非空。但准确性呢？明显不对。我曾经接手过一个客户数据迁移项目，源系统把出生年份和注册年份搞反了，导致全量数据年龄分布完全失真。修复花了整整两周。

2.3 一致性：不同系统说的是一回事吗？

一致性，你想想看——同一个客户，CRM系统叫"张三"，订单系统叫"张先生"，财务系统叫"Zhang San"。这三个系统数据都对，但合在一起就乱了。

我参与过一家零售企业的数据中台建设。他们的商品编码在采购、库存、销售三个系统里用了三种不同的编码规则。每次做全链路分析，光做映射就要花三天。后来我们统一了编码规范，分析效率提升了60%。

一致性通常体现在三个层面：

• 格式一致：日期格式、货币单位、编码规则统一
• 逻辑一致：同一业务实体在不同系统中的属性值不矛盾
• 时间一致：数据变更的时间戳对齐，避免时序错乱

2.4 时效性：数据是不是过时了？

时效性，说白了就是数据从产生到可用，花了多长时间。不同业务对时效性的要求天差地别。

实时风控系统，延迟超过100毫秒就可能漏掉一笔欺诈交易。而月度经营分析报表，T+1的延迟完全可接受。我建议在数据产品设计阶段就明确时效性SLA，不要等上线了再补。

2.5 唯一性：数据有没有重复？

唯一性，就是同一实体在数据集中只出现一次。听起来简单，做起来难。

我记得有个电商客户，他们的用户表里同一个手机号出现了三次。原因是三个不同的注册渠道各自生成了用户ID，但没有做去重。结果营销活动给同一个用户发了三张优惠券，用户觉得是系统bug，投诉了。

唯一性检查的核心：

• 主键是否唯一？
• 业务自然键（如身份证号、手机号）是否有重复？
• 多源合并时是否做了去重？

2.6 有效性：数据是否符合业务规则？

有效性，是数据质量维度里最容易被忽略的一个。它检查数据是否满足业务定义的规则和约束。

举个例子：订单状态字段，业务规则规定只能是"待支付、已支付、已发货、已完成、已取消"这五种。如果出现一个"已退款"，那就是无效数据。我在项目中遇到过，某个系统升级后，状态枚举值变了，但下游消费方没同步更新，导致整个订单处理链路报错。

有效性检查通常包括：

• 枚举值校验：字段值是否在允许的取值范围内
• 格式校验：邮箱、手机号、身份证号是否符合规范
• 业务规则校验：如"发货时间不能早于下单时间"
• 依赖关系校验：如"有退款金额的订单必须处于已退款状态"

知识体系总览

下面这张图把这六个维度的关系梳理清楚了。我建议你保存下来，做数据治理方案时对照着看。

六个维度的优先级怎么排？

你可能会问：六个维度都重要，但资源有限，先做哪个？我的经验是，分场景看。