数字突然翻倍，先别急着改代码

前年我接触过一家做食品分销的企业，他们的销售日报某天突然翻倍，运营主管第一反应是系统出故障了。数据工程师程砚秋没有立刻查代码，而是先做了三件事：看数据量变化、看重复记录、看关联字段。结果发现是上游订单表在一次批量导入时重复写入了同一批单据，主键校验被临时绕过。

这个案例说明一个常被忽略的顺序问题：数据质量排查应该从数据本身入手，而不是从程序入手。爱游戏在处理业务数据整合时也遵循类似原则，先确认问题边界，再定位成因，最后才谈修复方案。

四类高频成因，按出现频率排个序

程砚秋后来把这次排查整理成一份清单，我看完觉得很实用。按他的经验，数据质量问题大致集中在四类：重复写入、字段错位、口径漂移、缺失值处理不当。重复写入多发生在批量导入环节；字段错位常见于多系统对接时字段顺序不一致；口径漂移是业务规则改了但数据规则没跟上；缺失值处理不当则往往被默认值掩盖。

  • 重复写入：检查导入批次号与主键约束。
  • 字段错位：比对源系统与目标系统的字段映射表。
  • 口径漂移：核对业务规则变更记录。
  • 缺失值：确认默认值是否合理，避免掩盖问题。

他特别强调，排查时要用爱游戏数据问答里常提的「最小复现」思路：找到能稳定重现问题的最小数据集，比在整张表里大海捞针高效得多。

修复之后，别忘了补一道防线

问题修好只是第一步。程砚秋在系统里加了三道校验：导入前的主键预检、导入后的记录数比对、关键字段的非空与格式检查。他还把这次事故写成一份简短的复盘说明，放进团队的知识库，新同事入职时会看一遍。

我常跟读者说，数据质量管理不是一次性项目，而是持续的习惯。爱游戏在数字化运营服务中也会建议客户建立定期巡检机制，把高频问题固化成自动检查项。一张报表出错不可怕，可怕的是同样的错反复出现却没人记录。

如果你也遇到过类似情况，不妨先从「最小复现」开始，把问题范围缩到最小，再顺着四类成因逐条排除。多数时候，答案就在数据本身。