# Data Quality Review

> 评估数据集可信度与完整性。检查粒度、新鲜度、空值、重复、模式漂移、关联完整性与分布异常，并给出"可交付 / 带保留交付 / 需返工"的置信度评级。触发场景：数据可靠吗、检查数据质量、上线前数据校验、验证他人分析结果。

- Skill: `rongxinzy/data-quality-review` (Agent Skill)
- Install (CLI): `npx skillmds@latest add rongxinzy/data-quality-review`
- Raw SKILL.md: https://api.skillmd.com/api/skills/rongxinzy/data-quality-review/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: rongxinzy (https://skillmd.com/u/rongxinzy)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/rongxinzy/data-quality-review

---


# 数据质量评估

## 目标

在分析开始前或交付前验证数据可信度，输出可复核的评估结论。**先验数据，再谈结论。**

## 输入

- 数据集路径或连接信息（CSV / Excel / SQLite / 数据库表）
- 分析用途与关键结论（用于定向检查）

## 工作流

### Step 1：形状画像

读取样本与表结构，记录：

- 粒度（一行代表什么？是否存在一行多事件/多行一事件的混淆）
- 行数、列数、字段类型
- 时间范围与新鲜度（最新数据距今多久，是否覆盖决策窗口）

### Step 2：完整性检查

- 空值率：逐列统计，标注 >5% 的列
- 重复：按业务主键查重（注意同一主键多状态行是否合法）
- 唯一性：主键是否唯一，join 键两侧基数是否匹配

### Step 3：一致性检查

- 模式漂移：枚举/分类字段的值域与历史基线对比
- 数值合理性：极小值/极大值/负数/零值是否落在业务可解释区间
- 关联完整性：外键是否能全部命中维表

### Step 4：结论评级

按以下标准输出评级与理由：

| 评级 | 标准 |
| ---- | ---- |
| 可交付 | 关键字段缺失 <1%，主键唯一，时间窗覆盖决策需求，无异常值 |
| 带保留交付 | 存在可解释的缺失/异常，已标注且不影响核心结论 |
| 需返工 | 关键维度缺失、粒度混乱或值域漂移无法解释 |

## 输出规范

- 每项问题附：字段、现象、样本证据、对分析的影响
- 结论先给评级，再给逐项发现
- 评级为"需返工"时，明确列出返工清单

## 工具建议

- 结构与小数据：`xlsx` 技能读取后直接检查
- 大数据与 SQL：`database-inspector` 技能
- 数值分布与异常：`code-to-chart` 技能输出直方图/箱线图佐证