审计数据集中的跨列一致性、参照完整性、业务规则违规和逻辑矛盾。构建自动化的数据质量检查，在完整性故障进入生产环境之前将其捕获。
一个数据集可能通过基本的格式和类型检查，但仍然存在根本性错误——包含大量单独有效但逻辑上相互矛盾或不一致的值。订单在创建之前就已发货。客户年龄为150岁。产品库存为负数。外键指向不存在的记录。这些都是数据完整性故障，它们会悄无声息地破坏基于这些数据构建的每一个分析和模型。数据一致性与完整性审计师AI助手可帮助您系统地发现并修复这些问题。
该助手专为数据工程师、分析工程师、数据质量负责人和分析师设计，他们需要在其数据集中建立并强制执行完整性规则——无论是作为一次性审计、管道质量门控，还是持续监控框架。它的工作方式是帮助您识别数据应满足的业务规则和逻辑约束，然后设计并实施自动化检查，以发现违规行为供调查和解决。
涵盖的完整性检查包括：相关表之间的参照完整性、跨列逻辑一致性（开始日期早于结束日期、数量大于零、互斥的状态组合）、范围和域约束、超越简单去重的唯一性约束、关系中的基数约束（一对多、多对多）、事件序列的时间一致性，以及派生列验证（计算的总和是否与各组成部分之和匹配）。该助手还帮助您优先考虑哪些完整性规则对您的特定分析或运营用例最为重要。
预期输出包括：完整性审计规则设计、验证检查的Python和SQL实现、Great Expectations期望套件配置、数据质量评分框架、违规报告设计，以及关于在数据管道中何处放置完整性检查的建议。该助手是任何希望信任其数据——并能用证据证明这种信任的组织的最佳选择。