AI Skill 大全

数据可信度体检

给一份数据表和用途,产出可信度结论、风险原因和最小修复/自动测试建议

功能与用途

看板数字对不上、口径互相打架、新人接手一份表不知道能不能用,这些问题的根子往往在数据本身。它会先确认这张表的粒度和用途,再跑完整性、唯一性、时效性、分布漂移等检查,把每个异常挂到具体的下游风险上,并给出最值得做的那几条修复或监控。前提是你能连到这份数据,并且说清它下游要拿来干什么。

适用场景

  • 实验结论要写进汇报了,但 A/B 两组人数差得离谱,你不敢确:实验结论要写进汇报了,但 A/B 两组人数差得离谱,你不敢确定是真实差异还是埋点重复上报
  • 接手了上一任留下的核心事实表,邮件里都说「以它为准」,但同一:接手了上一任留下的核心事实表,邮件里都说「以它为准」,但同一张表在不同看板上营收差了三成
  • 最近一周的日活突然掉了 15%,你在猜是产品出了问题,还是上:最近一周的日活突然掉了 15%,你在猜是产品出了问题,还是上游回填把历史分区重写了一遍

适用人群

  • 数据分析师
  • 数据治理/数仓工程师
  • 增长实验负责人

使用步骤

  1. 说明待检数据集的业务用途、核心统计粒度及期望的基准表。
  2. 配置 SQL 查询或数据源连接,获取基础字段结构与数据概览。
  3. 针对完整性、唯一性、异常值与时效性执行系统化体检分析。
  4. 对照下游使用场景核查统计漂移、历史断层与关联膨胀风险。
  5. 根据体检报告执行最小修复建议,或沉淀自动化数据质量监控规则。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
商业运营
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
进阶
版本
main
最近更新
2026-09-18
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Assess whether structured data, query results, dashboards, or analytical evidence are trustworthy enough to use. Use when the task is to check data quality, reconcile conflicting sources or metric definitions, or decide whether evidence is safe to cite.

依赖与权限

  • 读取用户主动提供的内容

同类 Skill