数据质量维度

数据质量的五个维度

1. 完整性（Completeness）

数据应有时段是否有数据。

指标：

• 采集完整率 = 原始成功采集数 / 应有采集数（不补值）
• 展示完整率 = 展示记录数 / 应有记录数

注意：两个都要报。补值会让展示完整率虚高。

2. 准确性（Accuracy）

数据与真值的接近程度。

指标：

• 与标准器比对的偏差
• 与参比方法的相关系数与斜率
• 与理论关系的偏差（如气温与露点温度的数学关系）

注意：准确性必须有参照——没有参照的"准确"是自封的。

3. 时效性（Timeliness）

数据产生到可用的延迟。

指标：

• 采集延迟（测量到入库的时间）
• 上报延迟（入库到平台的延迟）
• 处理延迟（平台到展示的延迟）

注意：时效性要求因用途而异——预警需要秒级，统计可以分钟到小时级。

4. 一致性（Consistency）

同一对象在不同时间、不同位置、不同方法测得的结果是否一致。

指标：

• 时间一致性：同一测点前后数据是否连续（无阶跃、无突变）
• 空间一致性：邻站数据是否一致（在合理差异范围内）
• 方法一致性：自动监测与手工监测是否一致（在允许误差内）

注意：一致性差的"准"数据可能是真值——邻站不一致可能因为某站确实有问题，而不是邻站都不准。

5. 代表性（Representativeness）

数据能否代表所声称的对象或区域。

指标：

• 点位描述与照片
• 与邻站的相关性
• 安装状态核查记录

注意：代表性是最难量化的维度，但往往最重要。一台精度 0.1℃ 的温度计装错位置，代表性误差可能 5℃ 以上。

维度之间的关系

五个维度不是独立的：

• 完整性 vs 准确性：补值提升完整性但降低准确性
• 时效性 vs 准确性：实时数据未经审核，准确性可能较低
• 一致性 vs 代表性：不一致可能因为代表性差（某站装错位置）

评价数据质量时必须平衡各维度，不能只追求一个。

评价方法

自动评价（实时）

• 完整性：缺数检测、卡值检测
• 准确性：范围检查、变化率检查
• 时效性：心跳检测、最新数据时间戳
• 一致性：邻站对照、交叉校验
• 代表性：难以自动评价

人工评价（定期）

• 准确性：与参比方法比对
• 一致性：多站数据综合分析
• 代表性：现场核查与点位评估

综合评价（季度/年度）

• 各维度指标汇总
• 趋势分析（质量是改善还是恶化）
• 与历史同期对比
• 输出数据质量报告

下一步

• [误差预算](/concepts/error-budget/)
• [溯源链](/concepts/traceability-chain/)
• [代表性格](/concepts/representativeness/)
• [数据质量知识页](/knowledge/data-quality/)