数据与真实标签审计
提供数据表、标签定义和分析目标,核查关联关系、时间口径与标签来源,得到数据能否用于分析或建模的判断。
功能与用途
用于在分析或建模前,确认数据记录的含义以及真实标签是否可靠。你需要提供可读取的数据表、字段说明、标签生成方式和预期分析目标,尽量说明预测时点与结果观察窗口。它会检查重复与缺失、表关联导致的行数膨胀、时间口径冲突、未来信息混入,以及标签覆盖和定义分歧。最终交付包含证据、影响范围和处理建议的审计报告,并给出可用、附条件可用、不可用或证据不足的结论,帮助决定是否继续分析或建模。
适用场景
- 流失预测建模前验数:检查客户流失标签的生成规则、观察窗口和字段可用时间,找出可能混入的未来信息。
- 业务报表多表关联核查:核对订单、客户与退款表的主键及关联基数,定位重复匹配造成的金额或人数虚增。
- 人工标注数据验收:追溯标签来源,检查类别定义、标注分歧和未标注记录,判断训练数据是否达到使用条件。
- 历史数据回填审查:区分事件、入库和更新时间,判断回填记录是否改变历史分析口径或预测时点可见信息。
适用人群
- 数据分析师
- 机器学习工程师
- 数据工程师
- 负责数据标注质量的项目经理
使用步骤
- 提交数据表、字段说明和标签生成规则。
- 说明分析目标、记录粒度及相关时间窗口。
- 检查数据结构、表关联、时间口径和标签来源。
- 查看问题证据、影响范围及处理建议。
- 依据可用性结论决定补充证据或继续建模。
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。
技术信息
- 分类
- 知识
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- 82a1dc2
- 最近更新
- 2026-11-11
- 文件数
- 6
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Audit datasets, joins, labels, and ground truth before analysis or modeling. Use when data meaning, row grain, time semantics, source-of-truth reliability, or label construction may invalidate conclusions; not for general model evaluation after the evidence base is already trusted.
使用前准备
- 提供可读取的数据表或数据快照,以及必要的字段和来源说明。
- 说明分析或建模目标、每行代表的对象,以及目标人群。
- 涉及预测任务时,提供预测时点、结果观察窗口和标签生成规则。
- 核实真实标签时,尽量提供独立记录或可追溯的抽样核对材料。