番号库数据质量指标：完整性、一致性与时效

数据质量不能用一个总分概括。完整性关注必要字段是否有值，一致性关注格式与逻辑是否互相符合，时效关注结论距上次核验多久。不同栏目与字段的重要性不同，需要分别解释。

问题边界与核心判断

指标应有分子、分母、排除条件和统计日期。示例阈值只用于演示，不应宣称为行业标准；高完整率也不代表真实，因为批量填入未经核验的值反而可能提高数字、降低可信度。

本文只讨论公开、中性的元数据整理方法。任何来源未给出的事实都不补写，任何无法回到证据的判断都保留为待确认；示例内容不对应真实人物、作品或平台。

可复现的工作流程

执行时建议为本篇主题创建独立工作单，保存输入、操作顺序、观察日期和结论强度。不要一次改变多个条件，也不要为追求整齐覆盖原始值。

1. 步骤 1：为每个指标写出用途和计算口径，明确哪些记录不进入分母。
2. 步骤 2：按字段重要性分层统计，不让大量低风险字段掩盖关键字段缺失。
3. 步骤 3：把自动检测与人工抽查分开记录，并保存采样方法和时间。
4. 步骤 4：公布趋势与异常原因，避免只展示有利数字或把示例值当实时数据。

示例工作单

虚构质量面板显示“示例：关键字段完整性 80%”，必须同时说明这是演示数据、分母为五条虚构记录，不代表真实站点规模或行业水平。若未知值被规范标记，它仍可能算作已记录，但不能算作已核验。

record: "example-only"
method: "data-quality-metrics"
source_status: "待确认"
decision: "仅演示流程，不构成事实"

常见偏差与纠正

• 把 unknown 视为正确事实，只因为字段不再为空。
• 合并多个不同意义指标成总分，读者无法定位问题。
• 展示没有采样日期和分母的百分比，形成虚假精确感。

如果流程要求真实账号、下载文件、绕过权限或提交敏感资料，应立即停止。本地站点不具备真实提交、发布或核验后台，相关状态不能从页面外观推断。

结论

指标的第一作用是发现维护问题，而不是制造漂亮数字。番号库只展示有口径、有日期、可复算的质量信息；当前首页不声称真实用户数、排名或访问量。