（一）數據比對的痛

“這數不對”

“為什么A這里的數據和B的數據不一致？”

“為什么平時這個數是C今天變成了D？”

“為什么這么高？”亦或是“為什么這么低？”

——【我的對數日常】

一旦有人對某數據提出質疑，就會開始令所有人崩潰的對數。尤其是經營分析會、月度會議期間，數據團隊面臨反復且高頻的折磨，不同需求方不同角度都等著回答和解釋。

• 領導：不理解，為什么沒有人能給出來正確的數據？
• 業務：技術給的結果不準...數據質量差，又不能用...又要自己算...數據量太大算不動

• 數據團隊：數據不是我錄的、業務數據庫不是我設計的、指標邏輯也不是我定義的、運營邏輯和策略調整對數據的影響我也不知道。 數據根據邏輯加工出來就是這個樣子，不是你想要的，我該解釋什么？

非常無辜，非常無語， 活還是要干！

不考慮模型設計，不講數據治理、制度和流程梳理，不談組織合理性，不談數據意識和數據團隊地位，不與業務 battle。 落在當下，必須要面對的工作面前，只是想聊一聊“ 對數到底應該怎么對？ ”，希望通過這篇文章與數據相關從業的朋友聊一聊“ 面對常態化數據質疑的處理方式，在不同的場景下數據團隊的觀點輸出。 ”

（二）對數對數，對的是什么？

2.1? 數據比對的場景

• 新舊指標對比，新指標上線替換就應用

• 全新指標上線，證實數據準確

• 同預期不符或數據波動大，進行數據查驗

• 應用端數據不一致，維度匯總不一致給出解釋

• 數據A和相關數據B不匹配，交叉驗證

  ...

2.2 數據團隊的心態

數據技術有門檻，但數據是公司的數據、是業務的數據；數據本身沒有價值，數據脫離業務應用，就只是磁盤上的文件而已。 對數占用了數據團隊大量的時間和精力，消耗耐心和斗志，這種情況下應秉持怎樣的心態？ 下面是數據團隊避無可避的問題：

（1）提升團隊數據素養

對數屬于不復雜但大多數人做不好事情，好的數據團隊人人都是數據分析師，具有數據思維，懂業務。清楚業務規則，懂業務數據流向。清楚數據映射的業務流程，識別數據問題的業務構成；遇到問題知道從什么地方分析原因，知道要看什么數據。

（2）提升公司數據意識和數據產品的可信度

數據有天然門檻和屏障，如何拉齊各方的認知？如何方便用戶去使用數據？當不缺數據的時候，如何有效使用數據？如何給用戶呈現數據？

產品思維，數據是結果但對數據的理解是主觀的。如何直觀、不引導的客觀呈現數據？

（3）解放人力實現自動化

化被動為主動，怎樣從無盡的對數中抽離。能提前識別異常、提示變動、給出對照。數據穩定，線下數據走通后，便可以逐步切線上，固化比對邏輯。

2.3 對數對數，對的是什么

對數就是 實際和預期的彌合 ， 為什么A不是B？A是數據部門輸出的數據，B可能是之前某版本的數據、可能是心理預期、可能是某業務線的手工數據、可能是去年同期數據、可能是上個月的數據...

解決方案有幾種：證實“A是對的”，證否“B是錯的”，證實”A/B都是對的，但有cdef造成了兩者的數據差異”。都要 給出結論、對照和明細憑據 。

（三）?通用可復制的方法

數據比對是有目的的數據分析 。 著名的咨詢公司Gartner于2013年總結、歸納、提煉出一套數據分析的框架，Gartner把數據分析分為四個層次，分別是：

描述性分析（Descriptive Analysis） ?-發生了什么？

診斷性分析（Diagnostic Analysis） ? -為什么會發生？

預測性分析（Predictive Analysis） ? ?-什么可能會發生？

處方性分析（Prescriptive Analysis） -該做些什么？

數據比對是描述性分析，即對數據現狀拆解出數據依據。 那么數據比對的過程，就是描述性數據分析的過程，可按以下順序進行：

1. 確認分析的目的和思路
2. 數據準備、處理及分析
3. 撰寫數據結論及報告
   下面具體說如何操作，讓觀點可執行 。

3.1 確認分析的目的和思路

3.1.1 假設驗證確認分析思路

（1）明確對照項[A-B]

確定問題，明確目標，得出A、B哪個正確？差異原因。首先明確對照項A、B的定義，判斷其定義、口徑、算法是否一致？

（2）對照指標數據流向及構成

對照數據流向，分析數據構成及計算過程

確認比對項，時間、口徑、統計粒度，度量和維度做篩選還是過濾

（3）收集數據進行證 偽推斷，得出結論

準備基礎明細數據，導入excel，通過vlookup、透視表等關聯分析，關系走通，記錄過程數據，提供結果數據。

Example ：統計結果比對（數值1vs數據2，差異值）、12明細、差異明細比較

Tips： 明確分析目的和方案前，別急著到處要數，可能費力要了又用不上

3.1.2 數據一致性驗證方式

（1）基礎認識一致性驗證

指標的設計過程：定義、計算公式、統計維度（時間...）、維度含義、屬性定義

指標的技術屬性：技術方式、數據源、更新時間

Example 1： 實時、離線指標不一致屬于正常情況，可直接解釋原因

• 更新時間天然不同，離線為批處理定時調度任務模式，而實時對數據的時序性有要????求，在某些場景并不能保證與離線同等的一致性。

• 計算邏輯無法對齊，離線邏輯相對復雜，支持補償邏輯，實時處理卻相對比較簡單

• 數據源不一致，比如日志在一些場景不能做到完全一致

Example 2： 回款率單位為%，城市結果值求平均并不等于全國數值，也可直接告知業務原因。

（2）正向驗證

• 確認是否是業務正常變動，如大促暴漲、廣告行業的1&2月淡季周期性異常。

• 交叉維度匯總不一致，數據缺失向上匯總記錄的處理方式。

（3）反向驗證

• 任務是否正常？數據是否更新？集群崩潰、任務失敗、任務超時、源數據系統字段變更...

• 處理過程是否正常？數據漂移、數據發散、數據傾斜...

• 業務口徑數據和數據庫數據映射是否一致？不同含義指標取相同名字...

3.2 數據準備、處理及分析

（1）數據準備

在分析思路確定的基礎上，準備收集準備數據，可能是：系統導出、數據提取...

（2）數據處理（清洗、轉化、提取、計算）

基礎數據準備完畢，按既定的思路計算、比對，加工需要的可用于分析的數據

（3）數據分析（數據統計、數據挖掘、數據呈現）

比對后發現并分析差異，用適當的分析方法及工具（極大多數場景Excel足夠），對處理過的數據進行分析，提取有價值的信息，形成有效結論

3.3 數據結論及報告

（1）明確結論

• 哪個數據是準確的？是什么造成了數據差異，數據差異的構成和占比 差異是否合理？

• 是否需要進行修正，計劃、難點分別是什么

• （2）結果呈現

數據比對的報告不需要精致，能夠做到邏輯清晰，圖表搭配，層次分明，讓閱讀者一目了然理解差異和差異構成就可以

• 結果數值比對，差異明細，對照過程及明細

• 呈現餅圖 和柱形圖足夠了，柱形圖看差異，餅圖看差異構成

  （四） 數據人的下一步

應對被動的數據比對之后，如何化被動為主動，進行常態化的數據監控，不再耗心費力疲于應對，提升數據健康度，對數據異動監控提示，實現數據可用可查有提示可預警。唯一且艱難的道路：

有數據質量標準是基礎，在制定數據質量計劃的標準上，進行周期性的數據質量盤點和數據治理！

這條道路需要數據團隊有決心、信心，有足夠的耐心和體力，去細致打磨適合企業的數據標準，需要對每個數據域、數據實體、數據項，甚至到字段、屬性，定義數據標準，核實數據質量。

4.1 數據質量

GB/T 36344-2018 數據質量評價標準

Example：

• 完整性： 指數據元素和數據記錄完成性，例如：字段是否存在空值，指標數據維度是否足夠支撐業務分析

• 準確性： 指數據可信度，例如：是否數據正確、格式合規、唯一性、無臟數據

• 一致性： 指相同數據一致性和關聯數據一致性，如：相同指標在不同場景下數值是否一致

• 時效性： 指基于時間段的正確性、基于時間點及時性、時序性，例如：實時能否保證1分鐘以內延時，離線能否保證每天9點定時更新

GB/T 36344-2018 數據質量評價標準-數據質量評價過程

4.2 數據清洗

在建立數據規范的基礎上，就可以進行數據質量提升的行動，也就是“數據清洗”。數據清洗，就是從數據庫表中更正和刪除不準確的數據，

（1）數據清洗

• 識別數據問題

• 評估問題及解決方案

• 清洗計劃：更正、刪除、合并、替換、補齊...

• 數據應用及周期性質量評估清

（2） 數據清 洗實踐要點

• 數據問題是業務數據問題，需要多方人員參與，全面的考慮上下游聯動影響，包括產生數據的、使用數據的...

• 提升源端質量是根本之法，增加系統界面端和數據庫輸入的的限制，如某些字段非空校驗、數據類型校驗、唯一約束等。

• 做好備份！做好備份！做好備份！

4.3 監控預警

監控預警是化被動為主動的方法，可根據數據質量規則制定監控策略，通過數據質量監控工具來提示數據異常或數據波動，來確保對業務數據穩定的掌控感和保證數據的準確性，問題處理的及時性。

質量規則不再多說，可以聊一聊波動性，什么樣的指標波動可以看作是“異常”呢？

指標波動不可怕，數據波動是業務發生的正常情況，業務產生自然會發生數據變化，比如每周的銷售額肯定不一樣，脫離業務場景沒法談數據波動。但像之前都1000w，這周只有200w，是不是就屬于異常狀態？監控可以根據公司業務情況和數據情況來綜合評定，通過絕對值預警、相對值預警兩方面來設定。

具體的方法有：絕對值、同比環比、周期平滑、假設檢驗（3σ原則）、時間序列、算法模型。

4.4 提前準備

在新需求的設計過程中，就提前準備【數據比對】的工作。評估不同線上線下、離線實時的差異，找出可能產生問題的原因并解決，技術架構方案選擇，或預評估差異。

4.5 一些提醒

（1）再次強調：業務、業務、業務

數據必須和業務結合才有意義，熟悉業務才能看到數據背后隱藏的信息。缺乏對行業、公司業務認知，數據應用和數據分析結果都會出現偏離，變成自嗨或者空中樓閣。要懂上下游數據，也要弄清楚公司所在行業結構，對行業的上游和下游的經營情況有大致的了解。

（2）數據敏感度

數據本身是客觀的，但被解讀出來的數據是主觀的。同樣的數據由不同的人分析很可能得出完全相反的結論，所以一定不能提前帶著觀點去分析。

（ Example ：比如指標預警沒有合適方法，可暫定波動值超過5%預警。如果一個變量符合正態分布，則其95%的值會落到均值左右二個方差內。）

（3）迭代化思維

業務是不斷調整和發展的，依托的系統和數據也是不斷迭代變化，相應指標也需要隨著業務不斷調整，更加精確的度量業務。

（4）精細度控制好，不要追求極細

細分是深入的分析的基礎，但不要追求極細，細分意味著復雜，要判斷公司團隊數據意識和業務精細化管理是否到了匹配的階段。