什么是数据质量？六个维度，用在分析数据上

数据质量是数据在多大程度上能支撑你要做的决定。本文把六个标准维度用在网站和产品分析上，说明分析数据通常错在哪，并给出一份带示例结果的每周检查清单。

数据质量的定义

数据质量是数据和你要拿它做的事有多匹配。质量好的数据是正确的、足够完整的、各来源之间一致的、需要时就有的、格式符合预期的、每件事只算一次的。质量差，就是其中某一项差到会改变决定。

最后这一点很关键。分析数据不可能完美：有的访客屏蔽脚本，有的会话被截断，有的机器人漏过了过滤。要问的不是「完不完美」，而是「够不够用来做这个决定」。访客数差 3%，对内容规划没影响；购买事件重复记了一遍，对收入报表影响就很大。

六个维度，用在分析数据上

数据管理的资料里通常列六个维度。每个维度在网站和产品分析里都有一种典型问题，见下表。

维度的用处，是把模糊的「数字看着不对」变成能查的具体问题。「收入比计费系统高 40%」是准确性或唯一性问题，去找重复的购买事件。「周二注册数掉到零」是完整性问题，去看周二上线了什么。

一行一个维度；实际问题往往同时出现在两个维度上。

分析数据通常错在哪

分析数据的质量问题，大多出在五个地方：

• 安装。 有的模板装了代码，有的没装；或者同一页装了两次。托管平台上的结账页是常见缺口。
• 上线。 改版改了按钮名，或者删掉了点击规则依赖的元素，某个事件就悄悄停了。
• 命名漂移。 两个团队把同一个动作分别记成 \signup\ 和 \sign_up\。各自都没错，加起来就错了。埋点方案能避免这种情况。
• 不想要的流量。 机器人、引荐垃圾、自己团队和测试环境的访问。
• 口径。 会话超时、时区、机器人规则不同的两个工具，数字永远对不上。只要你清楚各自的口径，这就不算质量问题。

每周数据质量检查清单

每周花十分钟，大多数问题能在有人拿它做报表之前就被发现。示例是一个普通营销网站某一周的检查结果：两项不通过，一项要再看看。

1. 和上周比的量，按平台、按关键事件看。没有活动变化却掉了三分之一以上，通常是埋点断了。
2. 计数为零的事件。 上周有、这周没有的事件。
3. 新出现的、计划外的事件名。 不在埋点方案里的名字。在 TapCub 里，新名字会进入事件收件箱等你审核，另见怎么处理计划外事件。
4. 和源头系统对总数。 订单和收入对计费系统，注册对用户表。小差距正常，大差距要查。
5. 机器人和内部流量占比。 机器人占比或办公网络来的流量突然上升。见怎么排除内部流量。
6. 自引荐和「直接访问」突增。 常常说明某个域名漏装了代码，或者某次跳转丢了来源。

工具能帮你查哪些

有几项检查不用人盯。在 TapCub 里：

• 同一页上的第二份脚本会被忽略；同一访客在同一路径一秒内发出的相同事件，采集端会丢掉。重复安装和连点不会让数字翻倍。
• 采集中断监控在超过你设定的分钟数没有数据时报警，埋点断了一小时内就能发现。给关键事件设一个环比监控，能发现某次上线把它弄丢了。
• 事件定义里可以隐藏或拦截不想要的事件名，错误的事件不会一直污染报表。
• 机器人和 AI 爬虫默认不计入访客数，单独报告。

这些都不能代替和源头系统对总数。分析数据看行为，计费系统看钱。

常见问题

数据质量的六个维度是什么？

准确性、完整性、一致性、及时性、有效性、唯一性。有的框架还加上完整性约束或相关性，但这六个覆盖了大多数实际检查。

怎么衡量数据质量？

每个维度选一项检查，长期记录结果：带齐必填属性的事件占比（完整性）、和计费系统的差距（准确性）、重复 ID 的数量（唯一性）。从来不跑的检查，算不上衡量。

为什么两个分析工具的数字不一样？

标识方式、会话规则、机器人过滤、时区、脚本被屏蔽的情况都不同。比趋势，不比总数，并且读一读两个工具的口径。见为什么访客数永远对不上。

数据质量归谁管？

归用这份数据做决定的人，再加上管埋点代码的人协助。小团队里通常是一个市场人员加一个开发；把谁查什么写下来。