数据质量生产框架

要解决什么问题

数据管道一旦进入生产，「能跑」不等于「可信」：字段漂移、空值激增、主键重复往往在下游报表或模型训练时才暴露。单靠事后排查成本高，而各团队对「什么叫合格数据」也缺少可执行的共同语言。

技能如何帮你落地

本技能围绕 Great Expectations、dbt 测试 与 数据契约 三种常见生产模式，把质量检查嵌进管道而不是堆在文档里：

• 识别范围：先锁定关键数据集，并明确完整性、唯一性、分布、时效等质量维度。
• 定义规则：用期望（Expectations）、dbt 测试与契约条款把「合格」写成可版本化的规则。
• 自动化验证：在 CI/CD 中跑验证，并配合定期巡检，避免只在本地手工点检。
• 运维闭环：配置告警、明确负责人与修复步骤，让失败有处置路径而非 silent fail。

更细的框架说明、模板与示例见技能内的 resources/implementation-playbook.md。

适用边界与注意点

• 数据源尚未定义或不可用、或你无法改动验证规则与 schema 时，不宜强行套用本技能。
• 任务与数据质量、契约无关时，应选用其他技能。
• 安全：避免在无回退方案时让验证结果阻塞关键管道；验证输出中需妥善处理敏感字段。