范围说明
品牌实体、抽样框、来源、窗口、分母和不可见区域。
解决方案
先审计输入，再讨论声誉分：脏数据不会因为进入看板就变可信
转载重复、品牌同名、异常账号、渠道缺口和采集口径变化，都会把声誉波动放大或掩盖。值数建议先交付一份可追溯的数据质量报告，再决定哪些信号可以进入评分、哪些只能列为观察项。
审计交付物
一份完整报告应留下六类可复核产物
样本证据
抽样方式、实际样本及误收、漏收验证、未知与异常记录。
规则字典
消歧、去重、排除、缺失值和人工复核规则。
影响分析
各质量指标的样本、分母，以及对议题和历史可比性的影响。
处置清单
需要修复、降级为观察项或在报告中披露的问题。
版本记录
规则生效时间、责任人、签核人和后续复审条件。
数据质量审计不是追求“看起来更干净”，而是让每个排除、合并和缺失都有理由，让下一次测量仍能重复。
值数声誉测量原则
审计结论应包含问题、影响、处理方式与仍然存在的边界。
审计原则
把重复、噪声与缺口保留在证据链里，才能判断它们是否改变结论
审计不是删除“不好看”的记录：重复要回到独立母源，未知项要保留独立状态，采集中断要写明不可见范围。只有处理前后的规则、样本和影响都可回溯，评分才不会因一次清洗而失去解释基础。
审计流程
六步形成可签核的数据质量报告
每一步都要留下样本、规则、影响范围和责任人，而不是只交付一份清洗后的结果。
步骤 01
确认测量边界
冻结品牌实体、议题、来源、时间、抽样框和输出用途，避免边审边改目标。
01
步骤 02
执行预设抽样
按事前方式抽取样本，记录抽取数、有效复核数、替补与未完成项。
02
步骤 03
标注质量状态
逐项标记正确、误收、漏收验证、重复、未知和异常，保留判断依据。
03
步骤 04
识别噪声与异常
检查机器内容、活动灌量和采集中断，比较处理前后结论是否变化。
04
步骤 05
评估缺口与可比性
说明哪些渠道不可见、哪些字段不可比、哪些周期需要重建基线。
05
步骤 06
发布修复优先级
按对总分、议题和决策的影响排序，明确修复、降级或披露。
06
结论分流
审计结论不能只写“通过”或“不通过”
可进入评分
范围、规则和关键质量指标均已记录，且已披露仍然存在的限制。
仅作观察
信号可用于发现议题或风险，但抽样、覆盖或独立性不足以支撑评分比较。
需要重建基线
对象边界、来源覆盖或规则发生实质变化，旧周期不应被直接接续比较。
抽样设计
审计表先写抽样框与抽样方式，再写发现了多少问题
抽样框：哪些记录有机会被抽中
列出实际覆盖的来源、时间、字段、语言和不可见区域，并保存抽样前总记录、去重后记录与符合审计条件记录。抽样框不等于全网，只代表本次能观察的范围。
抽样方式：这些记录怎样进入复核
事前声明全量复核、随机或分层抽样、系统抽样，还是便利与目的抽样；记录分层字段、抽取过程和替补规则。非概率抽样只能发现问题，不能推断总体错误率。
核心能力
三项通用能力
公开监测
在确认来源内整理文本与证据。
AI 复测
对约定问题集做答案抽样复测。
任务闭环
保留来源、时间与核验结论。
审计表
每个质量指标都要把样本和分母写在同一行
指标用于描述本次审计，不设通用通过阈值。项目应按用途、风险和抽样设计事前确定是否可接受。
审计字段
记录或算法
解释边界
样本与分母
记录或算法
抽样框记录数、实际抽取数、有效复核数分别记录
解释边界
不能只报问题数量，也不能把不同分母的比例直接比较
误收项
记录或算法
误收比例 = 误收项 ÷ 有效复核样本
解释边界
误收比例以有效复核样本为分母；能否外推取决于抽样方式
漏收项
记录或算法
验证集漏收比例 = 未覆盖相关项 ÷ 独立验证集相关项
解释边界
只能描述验证集内漏收，不能代表所有未知内容
未知项
记录或算法
未知项占比 = 未知项 ÷ 有效复核样本
解释边界
单列未知项及分母，不强制归入正确或错误
重复与母源
记录或算法
重复记录占比、内容簇数、独立母源数分别保留
解释边界
同稿转载不能被当作多个独立来源
覆盖缺口
记录或算法
未纳入渠道、时间、字段及采集中断清单
解释边界
披露不可见范围，不用推测值补齐分母
交付边界
审计报告回答“这批数据能支持什么”，不替业务下最终判断
报告必须给出
测量边界、抽样与复核记录、规则字典、质量发现、对可比性的影响，以及需要披露的残余缺口。
报告不能替代
它不能把非概率样本当总体结论，也不能替事实负责人、法务或管理者决定某项业务主张是否成立。