核心概念：理解DQC的三大支柱

在开始实践前，您需要理解三个核心概念，它们构成了质量监控的基石，是理解DQC的三大支柱。

① 监控对象：您需要实施质量保障的数据实体，即具体的数据库表。这是所有质量规则的承载主体。

② 质量规则：衡量数据好坏的标尺。规则为数据定义了具体的“健康指标”，主要涵盖以下几个方面：

• 完整性：关键业务字段是否为空？（如用户ID、订单号）
• 准确性：数据值是否在合理范围内？（如年龄大于0，金额不小于0）
• 唯一性：主键或关键业务标识是否重复？（如身份证号唯一）
• 一致性：数据在不同时间点或不同表间的逻辑关系是否一致？（如子表记录必须在主表中存在）
• 及时性：数据是否在预定时间内产出？

③ 规则强度：规则被违反时的管控策略，是质量控制的关键阀门。

• 强规则：规则不通过则任务失败并告警。适用于零容忍的核心业务规则（如交易金额不能为负），是阻断问题扩散的第一道防线。
• 弱规则：规则不通过仅告警但任务继续执行。适用于观察预警类规则（如数据量的轻微波动），起到提示作用。

行动指南：数据质量中心三部曲

我们建议您遵循“探查-监控-比对”的渐进式路径，逐步构建数据质量保障体系。

第1步：数据探查——为新表做一次“全身体检”

核心目标：快速掌握未知数据的整体形态与潜在风险。

何时使用？

• 接手新的数据源或数据表时。
• 数据开发前，了解数据分布、空值率、主键唯一性等。

操作指引：

进入【形态探查】功能，选择目标表并运行。系统将自动生成一份包含表级概览（总行数、主键唯一性）和字段级详情（去重值、空值比例、最大/最小值等）的综合性报告。这是您评估数据状态的首选工具。

详情操作步骤请点击查看：形态探查

第2步：质量监控——为核心资产配备“全天候保镖”

这是DQC最核心的功能，目标是建立主动预警系统。

核心目标：对核心资产进行持续自动化校验。

何时使用？

• 针对某些业务表需要进行数据质量的监控，比如避免表数据为空、数据重复等

操作指引：

1. 创建任务：【任务管理】->【质量监控】->【新建】，选定表。

2. 启用存储异常数据样本（仅部分数据元类型支持）：在基础信息中，可开启【储存异常数据样本】。规则报错时，DQC会自动保存问题数据，让您能直接查看异常明细，极大提升排查效率。

3. 配置规则（从简开始）：

   • 使用【模板规则】，这是最快的方式。

   • 首次配置，建议优先设置两条基础强规则：

     1）表级唯一性校验中的主键唯一性：防止数据出现重复。

     2）表级唯一性校验中的表行数：基于每天的数据情况，设置合理的期望范围，防止数据大规模丢失也无法感知。

4. 务必试跑！点击 “试跑”，在开发环境验证规则配置是否正确、结果是否符合预期。这是确保监控有效性的关键步骤，切勿跳过。

5. 上线与告警：试跑成功后，将监控任务与调度系统绑定，并配置告警通知（邮件、消息通知等方式），确保问题能第一时间触达负责人。

详情操作步骤请点击查看：质量监控

第3步：数据比对——重大变更后的“安全验收”

核心目标：在数据模型重构、ETL逻辑变更或数据迁移后，进行一致性校验，确保变更无误。

何时使用？

• 新旧两套数据加工逻辑的结果比对。
• 数据迁移后的一致性验证。

操作指引：

• 进入【数据比对】功能，选择源表与目标表，配置比对字段。DQC将提供一份详尽的差异分析报告，是数据重大变更时的 “安全验收”工具。

详情操作步骤请点击查看：数据比对

进阶功能

当您熟练掌握基础操作后，可以进一步探索DQC的进阶功能，实现体系化治理：

• 质量度量：利用【质量大屏】宏观把握数据健康度。
• 质量报告：利用【质量报告】定期生成和推送项目或表级的质量分数与异常明细，实现对数据健康度的持续跟踪与量化管理。
• 闭环管理：通过【问题管理】模块，跟踪质量问题的处理全过程。
• 标准化：在【规则模板】中沉淀最佳实践，实现团队质量规范的统一。

数据质量是迭代出来的，而非一蹴而就。成功的起点在于：选择一张核心表，配置几条关键规则，并让监控流程自动运转起来。通过本指南的实践循环，您将逐步构建起坚实的数据质量防线！