生成针对数据质量审计的专业清单，提供准确且实用的指导。
客户主数据数据质量审计清单 1. 审计范围与对象定义 - 明确系统与数据域：CRM、ERP、计费、电商、中台MDM等。 - 客户类型：B2C（个人）、B2B（法人/机构），及其差异化字段。 - 主键策略：全局唯一客户ID、跨系统映射表、主键生成与冲突处理机制。 - 审计时间范围：历史全量、近期增量、关键时间窗口（上线前后、营销活动期）。 2. 数据治理与元数据 - 角色与职责：已指定数据所有者、数据管家、数据管理员；职责边界清晰。 - 元数据完整性：字段业务定义、技术类型、长度、默认值、允许空值、业务规则、数据血缘已记录并版本化。 - 标准与规范：命名规范、编码规范（字符集、大小写）、数据字典更新流程。 - 保留与归档：保留期限、归档策略、清理/删除流程与证据保留。 3. 数据模型与结构 - 实体关系：客户、地址、联系方式、账户、合同、联系人（B2B）等实体关系清晰。 - 约束健全：主键/外键、唯一约束、非空约束、参照完整性已启用并定期校验。 - 标准化：地址拆分（省/市/区/街道/邮编）、姓名/机构名单独字段、联系方式多值实体化。 - 国际化：字符集统一（UTF-8）、时区与日期格式标准、国家/地区字段使用标准代码集。 4. 数据来源与采集 - 来源清单：表单、批量导入、API、第三方数据源清晰记录。 - 接口契约：字段映射、必填项、校验在入口侧是否执行及失败处理策略。 - 变更捕获：CDC配置、增量边界条件、重复重放防护（幂等性键）。 - 时间戳：采集、入湖、入仓、入MDM各阶段时间戳齐全。 5. 数据剖析与基线 - 字段级剖析：非空率、唯一率、格式符合率、长度分布、异常字符、偏态分布。 - 关联剖析：外键命中率、同一客户跨系统记录匹配率。 - 趋势基线：关键指标按天/周趋势，波动阈值与季节性识别。 - 基线保存：基线值、计算口径、样本时间窗留档。 6. 质量维度与度量（设定目标与阈值） - 完整性：必填字段非空率目标（如≥99.5%），关键属性覆盖率（如地址、联系方式）。 - 唯一性：客户主键重复率=0；手机号/统一社会信用代码等业务键重复率≤阈值。 - 一致性：跨系统同一客户关键属性一致率（如姓名/公司名、证件号）≥目标值。 - 准确性：外部参照验证通过率（地址标准化、电话/邮箱有效性）≥目标值。 - 有效性：代码集合法值命中率（国家、行业、货币、客户类型）≥目标值。 - 及时性：数据入仓时延、MDM对账时延满足SLA；更新时间不早于业务事件时间。 - 可追溯性：来源系统、来源记录ID、处理流水号可回溯率=100%。 7. 字段级校验规则（示例） - 身份标识：个人证件号/纳税人识别号/统一社会信用代码需格式与校验位验证；证件类型与编号匹配。 - 姓名/机构名：不含控制符或仅空白；长度在定义范围；机构名去无意义后缀（如有限公司/有限责任公司映射）。 - 地址：省市区与行政区划表一致；邮编与地区匹配；地址标准化覆盖率与置信度记录。 - 联系方式：手机号国家码与长度校验；座机区号-号码格式；邮箱正则与MX可达性（如采用外部服务）。 - 日期与时间：出生/成立日期不晚于创建日期；更新时间≥创建时间；时区统一。 - 代码集：国家/地区采用标准代码集；货币代码、行业分类、客户等级均来自受控参照表。 - 金融/合规字段（如适用）：KYC状态、风险等级、同意书版本与签署时间成对存在。 8. 去重与实体解析（ER） - 匹配策略：阻塞键（如国家+手机号后几位/行业+邮编）、多特征相似度（姓名/机构名规范化、地址指纹、邮箱标准化）。 - 模型与规则：规则引擎与可解释模型结合；评分阈值、人工复核边界定义。 - 合并策略：黄金记录生成逻辑；字段级生存规则（按来源可信度、更新时间、完整性评分）。 - 撤销与追溯：合并/拆分可逆；合并审计表记录匹配证据与决策分数。 9. 参照数据与标准码 - 参照表清单：国家/地区、行政区划、行业分类、货币、组织类型、客户等级。 - 生命周期：版本号、生效区间、失效值处理（回填、自动纠正、预警）。 - 同义词/别名：常见简称、旧名、别名映射机制。 10. 历史与变更管理 - SCD策略：对地址、联系方式等采用SCD2保留历史；标识当前生效记录。 - 审计字段：创建/更新用户与时间、变更原因码、变更来源。 - 软删除：状态字段与删除时间；恢复策略与审批。 - 冲突处理：并发写入冲突检测与重试/合并逻辑。 11. 合规与隐私 - 同意管理：数据处理目的、同意渠道与时间、版本留存；撤回同意处理链路。 - 最小化与脱敏：非业务必要字段不采集；展示与非生产环境脱敏。 - 访问控制：按角色最小权限；访问与导出日志可审计。 - 保留与删除：到期删除/匿名化执行记录与审计证据。 12. 跨系统对账与一致性 - 对账范围：客户总量、活跃客户量、增量创建数、关键属性差异数。 - 键值映射：全局ID与各系统本地ID映射表覆盖率与冲突检查。 - 事件链路：注册/下单/计费等关键事件在主数据落库的一致性与时延。 - 回写与同步：主数据变更向下游传播成功率与重试机制。 13. 监控与告警 - 指标体系：按维度建立KPI与SLA（如非空率、重复率、对账差异率、参照命中率、延迟）。 - 监控频率：实时/日批/周报；趋势异常检测与季节性调整。 - 告警策略：阈值、抖动抑制、分级告警、值班与升级路径。 - 可视化：数据质量仪表板、字段级钻取、按来源/区域维度切片。 14. 问题管理与根因分析 - 事件登记：问题描述、受影响范围、严重性级别、初步影响评估（规模、流程、客户影响）。 - 根因分析：流程缺陷、规则缺失、接口异常、参考数据过期、人员操作等分类。 - 整改闭环：临时补救（修复脚本/回填）、永久修复（规则上线/流程变更）、回归验证。 - 复盘与预防：标准更新、培训、自动化测试用例沉淀。 15. 抽样与验证方法 - 抽样策略：随机抽样保证代表性；分层抽样覆盖来源、地区、客户类型；异常导向抽样提升问题发现率。 - 样本核验：与原始凭证/接口报文对照；第三方验证（地址/邮箱/电话）抽检。 - 双录验证：人工标注与系统结果一致性对比，计算准确率与复核一致率。 16. 执行工单与审计证据 - 证据留存：剖析报表、质量指标快照、规则配置导出、日志与报文样本、对账结果。 - 可复现性：审计脚本版本化、参数与数据切片记录、运行环境描述。 - 例外审批：对临时放宽阈值或规则豁免的审批记录与有效期。 17. 工具与自动化建议 - 数据剖析工具：自动计算分布、空值、唯一性、格式符合率并生成基线。 - 规则引擎：可配置校验、版本化、灰度发布、溯源解释。 - 实体解析：可调权重与可审计匹配证据的去重组件。 - 参照数据服务：地址标准化、邮箱/电话验证、代码集管理API。 - 监控平台：指标采集、阈值与告警、仪表板、工单对接。 18. 快速核对清单（勾选项） - 已定义全局客户ID与跨系统映射 - 数据字典完整且与物理表一致 - 必填字段非空约束与输入校验已生效 - 代码集与参照表有版本与有效期控制 - 关键字段格式/校验位规则已实施并通过抽检 - 去重规则与人工复核流程完善，合并可追溯可回滚 - SCD2历史保留与审计字段齐全 - 同意与隐私控制到位，访问有审计 - 跨系统对账机制稳态运行，有差异闭环 - 数据质量指标与告警上线，仪表板可用 - 问题管理与根因分析闭环可验证 - 审计脚本与证据可复现 19. 交付物要求 - 审计报告：执行摘要、范围方法、发现与风险、量化指标、样本与证据、建议与优先级、整改路线图。 - 规则清单：字段级规则、阈值、度量口径、依赖参照、负责人与生效时间。 - 指标看板：当前分数卡、趋势、超阈值清单、问题Top列表与来源分布。 - 整改计划：任务、负责人、里程碑、预期提升幅度、验证标准。 采用上述清单进行审计时，建议先运行数据剖析建立基线，再执行字段级与实体级校验，随后进行跨系统对账和去重有效性验证，最后落地监控与问题管理闭环，以确保客户主数据的准确性、完整性与可靠性持续达标。
Data Quality Audit Checklist for Raw Order Line Items 1. Scope and Field Inventory - Confirm a clear data dictionary for raw order line items, including: - Primary keys: order_id, order_line_id (or composite key). - Foreign keys: customer_id, product_id/SKU, store_id, warehouse_id, price_list_id, promo_code_id, tax_code_id, return_ref_line_id (if applicable). - Measures: quantity, unit_price, discount_amount, tax_amount, line_total, currency_code, exchange_rate (if multi-currency). - Dates/times: order_date, payment_date, ship_date, cancellation_date, return_date, ingestion_timestamp. - Status codes: order_status, line_type (sale/return/cancel), fulfillment_status. - Provenance: source_system_id, batch_id, change_type (insert/update/delete), record_version, load_timestamp. 2. Ingestion and Reconciliation Controls - Record counts: - Compare source row counts vs ingested row counts per batch/date; set thresholds for acceptable variance. - Verify no unexpected drops or spikes; investigate variances beyond threshold. - Idempotency: - Ensure ingestion is idempotent; repeated loads do not create duplicates. - Hash totals: - Reconcile sums (e.g., sum(quantity), sum(line_total)) with source batch control totals; define tolerance (e.g., ±0.1%). - Delta logic: - Validate incremental loads against source change data (change_type, record_version); no missing updates. 3. Schema and Structural Validations - Data types and lengths: - Enforce strict typing (e.g., quantity integer/decimal, monetary fields decimal with currency-specific precision). - Validate max/min field lengths for identifiers and codes. - Nullability: - Confirm required fields are non-null: order_id, order_line_id, product_id, quantity, unit_price, currency_code, order_date. - Encoding and formatting: - Ensure consistent character encoding (UTF-8). - Trim leading/trailing whitespace; normalize case where applicable (codes often uppercase). - Enumerations: - Validate against controlled code lists: order_status, line_type, fulfillment_status, shipping_method, UOM_code. - Date/time: - Validate ISO 8601 formats; persist time zone explicitly or normalize to UTC. - Disallow invalid dates and impossible times (e.g., 2025-02-30). 4. Uniqueness and Duplicate Detection - Primary key uniqueness: - Enforce uniqueness on (order_id, order_line_id). - Duplicate rows: - Detect exact duplicates across all fields; quarantine or deduplicate using record_version and load_timestamp. - Fuzzy duplicates: - Optional: detect potential duplicates from cross-channel merges (same order_id with different source_system_id); define resolution strategy. 5. Referential Integrity - Master data links: - customer_id exists and is active/effective at order_date. - product_id/SKU exists, active, and effective at order_date; UOM_code compatible with product. - store_id, warehouse_id, tax_code_id, price_list_id, promo_code_id exist and are valid. - Returns and adjustments: - return_ref_line_id points to an existing line; cumulative returned_quantity <= original ordered quantity. 6. Domain and Value Validations - Quantity: - Sale lines: quantity > 0. - Returns/negative adjustments: quantity < 0 only if line_type indicates return/adjustment. - Pricing and amounts: - unit_price >= 0; discount_amount >= 0; tax_amount >= 0. - currency_code is a valid ISO 4217 code; enforce currency-specific decimal precision. - Line totals: - Validate line_total calculation: line_total = round(quantity * unit_price - discount_amount + tax_amount, currency_precision). - Define acceptable tolerance for rounding (e.g., ≤ 0.01 in currency units). - Exchange rates: - If present, exchange_rate > 0; base_currency amounts reconcile within tolerance. - Product codes: - Validate SKU/UPC/GTIN formats against known patterns; no illegal characters. 7. Cross-Field Consistency Rules - Discounts: - If discount_amount > 0, promo_code_id or discount_reason must be present and valid. - Taxes: - If tax_amount > 0, tax_code_id must be valid; tax_rate consistent with jurisdiction and product taxability. - Status transitions: - Ensure sequence: CREATED -> PAID -> FULFILLED; CANCELLED/RETURNED allowed only after CREATED or after FULFILLED for returns. - Dates: - order_date <= payment_date <= ship_date; cancellation_date >= order_date. - No future dates beyond an allowed buffer (e.g., ingestion_timestamp + 1 day). 8. Completeness Checks - Field completeness: - Define minimum acceptable completeness per critical field (e.g., product_id 100%, quantity 100%, unit_price 99.9%, currency_code 100%). - Order-level coherence: - Header-to-line consistency: number_of_lines at header equals count of lines; header totals (subtotal, tax, discount, grand_total) reconcile to sum of line items within tolerance. - Optional fields: - Monitor optional fields critical for downstream processes (e.g., UOM_code, warehouse_id) and trend their completeness. 9. Reasonableness and Outlier Detection - Distributions: - Detect outliers for quantity, unit_price, line_total using robust thresholds (e.g., outside 1st–99th percentile or z-score > 3). - Business limits: - Enforce maximum reasonable quantity per line and price ceilings by category; configurable per business rules. - Trend anomalies: - Monitor day-over-day changes in counts and monetary sums; flag anomalies beyond set percentage (e.g., ±20%). 10. Timeliness and Freshness - Arrival SLA: - Measure latency from event time (order_date) to ingestion_timestamp; set thresholds (e.g., ≤ 2 hours for realtime, ≤ 24 hours for batch). - Refresh cadence: - Confirm batch schedules executed; alert on missed windows. 11. Localization and Formatting - Numeric formatting: - Validate decimal separators; ensure monetary fields are stored as numeric (no currency symbols). - Address and regional fields: - If present on lines, validate country codes (ISO 3166-1 alpha-2) and postal code formats per country. 12. Lineage and Auditability - Provenance: - Persist source_system_id, batch_id, extraction_timestamp, change_type, record_version. - Change tracking: - Maintain history (SCD2 or equivalent) for corrections; no destructive overwrites without audit trail. - Reproducibility: - Store rule versions and execution timestamps; ensure results are reproducible. 13. Monitoring, KPIs, and Scorecards - KPIs per dimension: - Accuracy: % of lines passing computational checks (line_total, tax). - Completeness: % non-null for critical fields. - Consistency: % passing cross-field rules. - Validity: % conforming to domain/enumeration constraints. - Uniqueness: % unique primary keys. - Timeliness: % meeting arrival SLA. - Referential integrity: % of foreign keys resolved. - Thresholds and severity: - Define pass/fail thresholds and severity levels for each KPI (e.g., critical, high, medium). - Dashboards: - Maintain daily/weekly scorecards; trend over time; auto-alert on threshold breaches. 14. Exception and Issue Management - Whitelisted exceptions: - Document permissible anomalies (e.g., negative unit_price for promotional credits) tied to line_type. - Quarantine: - Route failed records to quarantine with reason codes; support reprocessing post-fix. - Root cause analysis: - Log incidents; categorize (schema change, master data gap, ingestion failure); track corrective actions and SLAs to resolution. 15. Test Artifacts and Evidence - Sampling: - Random and stratified samples (by source_system_id, channel, currency) for manual verification. - Reconciliation reports: - Store batch-level reconciliation outputs and rule pass/fail counts. - Audit logs: - Persist execution logs, rule outcomes, and remediation actions. 16. Acceptance Criteria (Go/No-Go) - Minimum standards before downstream consumption: - Primary key uniqueness: 100%. - Referential integrity: ≥ 99.9% resolved foreign keys. - Computational consistency (line_total, tax): ≥ 99.9% pass rate. - Critical field completeness: ≥ 99.5%. - Timeliness: ≥ 98% within SLA. - Duplicate rate: ≤ 0.05%. - Outlier review: 100% of flagged records triaged within SLA. Implementation Notes - Define rules declaratively (rule_id, name, description, severity, check logic, threshold, exception criteria). - Automate validations in the ingestion pipeline; fail fast on schema violations, quarantine on content rules. - Version control rule changes; communicate upstream/downstream impacts. - Schedule periodic audits for master data (customers, products, codes), as their quality directly affects order line integrity.
数据质量审计清单（适用于财务记录） 1. 审计范围与对象 - 记录范围：总账、应收、应付、固定资产、现金与银行、税务相关明细与汇总层。 - 系统范围：源ERP/子系统、ETL/集成层、数据仓库/数据湖、报表与分析层。 - 时间范围：明确审计期间（会计期间/结账周期），识别期初、期末及跨期数据。 2. 治理与职责 - 是否存在数据治理组织与职责分工（数据所有者、数据管理员、数据使用者）及RACI矩阵。 - 数据质量政策、标准与作业指导书是否齐全、版本受控、可追溯。 - 变更管理：数据结构、规则、接口、主数据变更是否经过评审与审批，留存变更记录。 3. 元数据与数据血缘 - 数据字典完整：字段定义、类型、长度、允许值、业务含义、是否必填、主键/外键说明。 - 血缘可追溯：从报表指标回溯至源交易，标注转换逻辑、汇总口径与过滤条件。 - 规则文档化：计算公式、汇率来源、税额算法、容差定义均有明确文档并与实现一致。 4. 访问与审计控制 - 最小权限访问控制：按角色分配读/写/审批权限；敏感字段（PII、银行账号）受控。 - 审计日志：对主数据、凭证、关键字段更新留痕（人、时间、前后值、原因）。 - 非生产环境数据脱敏：脱敏策略与执行记录存在，抽测验证脱敏有效性。 5. 数据质量维度与阈值 - 维度定义：完整性、准确性、一致性、有效性、唯一性、及时性、完整账性（参照外键/关系完整性）。 - 阈值设定：为关键字段设定可量化指标（例如：关键字段缺失率<0.5%；对账差异=0；延迟<4小时）。 - 评分与追踪：建立数据质量评分与趋势监控，定义告警阈值与升级路径。 6. 参考数据与主数据 - 参考数据一致：科目表、组织层级、币种、税码、会计期间、支付条款、汇率表有唯一权威来源。 - 主数据有效期与状态控制：供应商/客户/资产在有效期内且状态可过账；失效值不得参与交易。 - 版本管理：参考数据变更留痕并有生效日期控制；历史回溯可复现。 7. 数据采集与加载控制 - 完整性对账：接口/批量加载的记录数、总金额、分币种小计与源系统对账一致。 - 幂等与去重：基于自然键或业务键（如凭证号+行号+账簿+期间）防重复加载。 - 截止期控制：会计期间关闭后禁止新增/修改影响期内余额的数据。 8. 模块化检查清单与规则示例 A. 总账与凭证 - 借贷平衡：每笔凭证借方合计=贷方合计。 - 科目有效性：科目存在、可过账、允许的辅助核算维度齐全（成本中心、项目等）。 - 期间与日期：凭证日期与过账期间匹配，不早于锁账日，不晚于当前结账策略允许范围。 - 币种与汇率：交易币与本位币金额换算使用授权汇率表；重算误差在定义阈值内。 - 唯一性：凭证号+行号+账簿+期间唯一，无重复。 - 冲销逻辑：冲销凭证与原凭证行一一对应，金额相反，日期/期间合规。 - 凭证说明与附件：必填字段非空，附件或支持性文件齐备。 B. 应付（AP）与发票 - 供应商有效性：供应商ID存在且状态非冻结/停用。 - 三方匹配：采购订单—收货—发票数量与金额在容差内；不允许超额发票。 - 发票号唯一：同一供应商发票号不得重复；发票日期不晚于入账日X天。 - 税额与税码：税额按税码重算一致；税码来源与政策一致。 - 付款条款：到期日=发票日+条款；现金折扣计算正确。 C. 应收（AR）与收款 - 客户有效性：客户状态可开票；信用额度与授信有效期校验。 - 发票状态流转：开票—收款—核销—作废有合法路径；核销金额总和=收款金额。 - 重复检测：客户+金额+日期+参考号等组合键重复率在阈值内。 D. 固定资产（FA） - 资产主数据：资产编号唯一，分类、地点、使用状态有效。 - 折旧规则：方法/寿命/残值符合政策；折旧试算与总账一致（容差内）。 - 处置与转移：有完整业务凭据，账单据与明细可回溯。 E. 现金与银行 - 银行对账：银行对账单余额、未达项明细与总账余额调节后差异为0或在授权范围内。 - 支票/付款编号唯一：作废与跳号有记录。 F. 税务相关 - 税码有效期、税率来源权威；进销项税额计算误差在阈值内。 - 申报口径与台账可从明细回溯，汇总与报表一致。 9. 横向字段级质量检查 - 完整性：主键、必填字段（金额、币种、日期、科目、业务实体）缺失率低于阈值。 - 有效性：数据类型、长度、格式、枚举值白名单校验（日期格式、币种ISO代码等）。 - 一致性：字段间逻辑（借贷标识与金额正负、含税/未税金额与税额关系）一致。 - 唯一性：自然键/业务键无冲突；重复记录检出率在阈值内。 - 准确性：与权威参考（汇率、税率、主数据）对比一致；抽样对原始单据核对。 - 及时性：从源事件到可用数据的时延符合SLA；延迟告警与补数机制有效。 - 完整账性：外键存在性（科目、供应商、客户、资产引用均可解析），无孤儿记录。 10. 对账与勾稽关系 - 子账对总账：AP、AR、FA子账余额与对应总账控制科目一致。 - 期初期末滚动：期初=上期期末；期末=期初+本期发生（考虑汇率、调整、重分类）。 - 试算平衡：借贷平衡；财务报表勾稽（资产=负债+所有者权益；净利润与留存收益变动一致）。 - 明细到汇总：明细汇总值与报表口径一致，过滤与汇总规则一致且可复算。 11. 异常处理与数据清洗 - 异常分类：结构性（类型/长度）、业务规则、参考数据、接口/重复、人工录入。 - 优先级与SLA：对财报关键路径异常设定高优先级与修复时限。 - 修复流程：定位根因、拟定清洗规则、回填与重跑、二次验证、关闭并留痕。 - 变更可追溯：记录前后值、责任人、时间戳、依据文档。 12. 监控与预警机制 - 自动化校验作业：覆盖关键实体与字段，按日/按期运行；失败重试与依赖控制。 - 告警与升级：阈值、渠道（邮件/工单/消息）、升级路径、24x7或业务时段定义。 - 仪表板与指标：质量得分、缺失率、重复率、对账差异、延迟分布、趋势与分系统对比。 - 质量事件管理：登记、归因、纠正/预防措施（CAPA）、复盘。 13. 抽样与测试方法 - 抽样策略：统计抽样（置信度、误差率）与高风险定向抽样结合（高金额、异常科目、跨期、手工分录）。 - 证据核对：与合同、采购订单、发票影像、收付款回单、银行对账单、固定资产卡片逐笔核对。 - 可复现性：抽样规则、样本清单与核对结论留存。 14. 文档与证据留存 - 审计脚本、规则清单、运行日志、对账报表、截图/导出文件归档。 - 版本化管理：规则库、元数据、参考数据版本与生效日期记录完整。 15. 运行与可用性相关控制（与数据完整性相关） - 任务依赖与失败恢复：保证加载与校验的原子性，避免部分落地。 - 备份与恢复演练：用于证明数据可恢复性，防止因故障导致的数据丢失或不完整。 16. 合规对齐与内控映射 - 与企业会计政策、内控框架（如COSO）和审计需求映射关键数据质量控制点。 - 数据保留与销毁：满足政策与审计取证要求；日志与凭证保全周期明确。 17. 交付物与整改跟踪 - 审计报告：范围、方法、发现、影响评估、量化指标、风险评级、整改建议。 - 行动计划：责任人、措施、计划完成日期、验证标准。 - 基线与目标：建立数据质量基线与改进目标，按期复审与复测。 附：关键字段必填建议清单（示例） - 凭证：账簿、期间、凭证号、行号、科目、币种、金额、借贷标识、过账日期、业务实体（公司/成本中心/项目）。 - AP发票：供应商ID、发票号、发票日期、币种、未税金额、税额、税码、采购订单号（如适用）、收货单号（如适用）、付款条款。 - AR发票：客户ID、发票号、发票日期、币种、金额、税码、到期日、销售订单/合同号（如适用）。 - 固定资产：资产编号、分类、资本化日期、成本、残值、寿命、折旧方法、地点/使用部门。 执行建议 - 先进行差距评估，优先覆盖高风险模块（总账、AP、AR）与对账链路。 - 以规则库驱动自动化校验，建立异常工单闭环与度量体系。 - 每期结账前后分别运行关键校验，确保出报表前完成纠错与复核。
快速建立统一的审计清单标准，跨部门落地检查与整改，确保关键数据符合合规与治理要求。
在拿到新数据时，一键生成清洗与验证步骤，定位缺失、重复、异常值，缩短准备时间并提升分析可信度。
识别高风险环节并配套检测方法与阈值，形成可留痕的审计记录模板，支撑内外部合规审查。
为CRM、订单、库存等业务数据生成专属清单，减少脏数据导致的漏单、错配，提升运营效率与转化率。
上线前审视训练数据质量，检查标签一致与样本平衡，规避模型偏差，缩短迭代周期。
项目启动阶段快速交付数据质量评估框架，用本地化术语沟通，提升客户信任并加速签约。
帮助数据团队在不同业务场景下快速生成“可执行、可评审、可交付”的数据质量审计清单。围绕准确性、完整性与可靠性，输出清晰的检查项、验证步骤、度量指标、优先级与监控方案；支持按需指定数据集类型与输出语言，直接用于上线前把关、日常质控、迁移验收与合规审计。通过标准化与可复用的清单，减少准备时间、降低漏检风险、提升审计通过率，并促进跨部门协作与透明沟通。
将模板生成的提示词复制粘贴到您常用的 Chat 应用（如 ChatGPT、Claude 等），即可直接对话使用，无需额外开发。适合个人快速体验和轻量使用场景。
把提示词模板转化为 API，您的程序可任意修改模板参数，通过接口直接调用，轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。
在 MCP client 中配置对应的 server 地址，让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作，让提示词在不同 AI 工具间无缝衔接。
免费获取高级提示词-优惠即将到期
