# AI 数据清洗：20 项复核工作表

OpenMax 编辑模板 · 2026 年 9 月 4 日。请填写有授权依据的证据；填完表不等于自动获准发布。八行虚构案例详见配套来源资料包。

数据集与来源版本：____
预期用途与接收人：____
负责人、审核人、审核日期：____
候选版本与规则集版本：____
获准环境与数据处理复核：____

每个编号都应记录状态（通过／失败／未解决／有理由不适用）、证据位置、责任人和下一步。“未检查”属于未解决，不是通过。不同记录情况不同时，请附逐行台账，不要用一个笼统答案覆盖所有行。

## 1. 保留收到的原始数据

- 原始内容位置与不可变或版本化引用：____
- 导出时间、负责人、内容身份，而非只有文件名：____
- 工作副本位置与恢复测试结果：____

## 2. 记录提取来源

- 导出查询、筛选与上游转换版本：____
- 属于全量快照、增量更新还是更正投递：____
- 未知的提取细节与可解决问题的负责人：____

## 3. 定义总体与记录粒度

- 一行的含义、纳入期间与状态：____
- 预期唯一键与合理重复情形：____
- 总体完整性证据与未解决排除：____

## 4. 核查结构与字典

- 必需、新增、缺失及改名字段：____
- 批准的字段映射与变化的业务定义：____
- 因定义变化而暂停的输出：____

## 5. 验证类型与解析

- 标识符表示与前导零测试：____
- 数字区域格式、分组、尺度与解析失败：____
- 实际导入工具、版本、设置及观察到的前后值：____

## 6. 分类缺失状态

- 逐字段的空白、未知、不适用、已遮蔽代码：____
- 与缺失标记相似的有效类别，例如 NA：____
- 原始标记保留与标准化缺失原因字段：____

## 7. 应用有条件的必填要求

- 按状态变化的必填规则：____
- 受影响源行与缺失测量：____
- 向负责人索取更正；区分未知与观测到的零：____

## 8. 解决键冲突

- 全部冲突行、粒度及来源版本：____
- 书面优先规则或重复投递依据：____
- 保留行、排除行引用及被拒绝方案：____

## 9. 复核疑似重复实体

- 候选匹配标准与支持字段：____
- 冲突事实及合法同名案例：____
- 经授权的身份判断，或继续暂缓：____

## 10. 核查引用与键

- 允许的父记录快照、时间与状态条件：____
- 未匹配有效键，与空键或无效键分别列出：____
- 补充信息前的无效键隔离及源记录保留位置：____

## 11. 解决日期与期间

- 允许的日期时间格式、必要时的时区及截止条件：____
- 有歧义的原字符串与来源澄清请求：____
- 标准日期、原文本和纳入期间的依据：____

## 12. 核对单位与换算依据

- 原单位、目标单位及转换定义：____
- 适用参考、日期与必要的舍入规则：____
- 无法完成的换算及不能相加的输出：____

## 13. 应用类别映射表

- 批准的源标签到目标标签映射、范围与版本：____
- 未映射标签及可能抹除含义的碰撞：____
- 原状态、派生状态与负责人映射决定：____

## 14. 复核文本规范化

- 分开考虑的编码、空白与 Unicode 操作：____
- 选择的形式及逐字段前后对比：____
- 原文本保留与独立匹配用表示：____

## 15. 重测范围和关系

- 领域规则及合理例外范围：____
- 转换后违规项及其源行引用：____
- 解析或换算引入的新问题与修正决定：____

## 16. 调查异常值

- 同类总体、时间窗口与标记理由：____
- 来源核实结果或未解决的事实不确定性：____
- 分析性排除或设限，以及与未处理数据比较的敏感性：____

## 17. 分开估算与观测

- 可估算字段、方法与不确定性：____
- 观测／估算标记及原缺失状态保留：____
- 若用于建模：拆分边界、仅训练集拟合与评估纪律：____

## 18. 检查连接语义

- 声明的连接基数及各输入唯一性检查：____
- 实际工具和版本的空值键、空字符串键行为：____
- 输出数量、未匹配行、无效键暂缓项及可疑错配：____

## 19. 对账每行及已知数量

- 收到行数 = 排除 + 符合条件 + 暂缓，附源行引用：____
- 已知值小计、未知数量项数与完整总量是否可获得：____
- 指标分子分母及为什么不代表模型准确率：____

## 20. 为指定用途决定版本化发布

- 完整输出或标记的子集，接受的限制与残留暂缓：____
- 负责人决定、时间、接收人、候选和规则版本、恢复引用：____
- 下次刷新结构检查、监控负责人及重新打开问题的条件：____

## 发布说明封面

批准用途或继续暂缓的理由：____
候选数据、变更日志、例外台账与对账结果位置：____
未解决依赖与解决负责人：____
禁止用途，包括没有依据的完整总量表述：____

不能根据高通过率推定批准。教学资料中的 3/7 符合条件观测不能授权完整数量报表，未知数量也不等于零。