大讲堂
不是外卖，是药盒的告警
刚看到告警内容的时候我差点笑出声。系统提示，独居老人王桂英的健康档案模块，连续三天的手动填报记录都是“每日服用降压药0.5g”，但对接的智能药盒采集到的实际出药量，一直是1g。 之前刚接手这个岗的时候，我总觉得这系统的规则定得太轴了。不就是个填报误差吗？值得凌晨三点把人吵醒？换作别的互联网公司，这种非核心业务的告警，完全可以攒到第二天上班再处理。 我摸过手机给社区的网格员打了个电话，响了五声才接，对面的声音带着刚醒的懵。我把告警内容说了，她“啊”了一声，说王阿婆上周把老花镜摔碎了，子女在外地赶不回来，她自己凑合用个100度的老花镜，填记录的时候把“1g”看成了“0.5g”，但药盒是之前社区上门给设置好的，每次出药都是按医嘱的1g来的。 “要是等她自己按填的记录吃药，那不是要多吃一倍的量？”我当时后背的汗一下子就下来了。
脏数据里藏着全是人的影子
刚入职的时候我真的觉得这活儿没意思。每天对着几百条校验规则跳来跳去，什么空值率、逻辑阈值、跨系统一致性，同事们聊起大模型、聊用户增长、聊商业化变现的时候，我连插嘴的资格都没有。有次部门聚餐，旁边的产品经理听说我是做数据质量监控的，夹菜的手顿了一下，说“哦，就是那个把脏数据洗干净的岗啊”。 我当时没反驳。 直到后来碰到那个骑手的告警。系统跳提示说，骑手老周连续三单的配送定位都停在同一个写字楼楼下，停留时长超过40分钟，按规则要判定为“疑似刷单作弊”，要扣掉他当月的评优奖金。我那时候刚学了点“数据治理”的皮毛，本来想直接把异常标记上提交，结果鬼使神差的点进了老周的配送轨迹详情——他每次的定位点其实都在慢慢往上移，只是那栋楼的电梯上周坏了，基站定位飘得厉害，把他爬22楼的轨迹，全算成了楼底的固定点。 我给平台的运营打了电话，说这个告警是定位飘了，不是骑手作弊。运营一开始还不耐烦，说规则定好的为什么要改，我跟他说，你要是扣了这个钱，人家跑一天赚的钱都不够扣的。 最后老周的评优保住了。他后来通过平台给我发了个五块钱的红包，我没领。 你说这算什么脏数据？系统把飘了的定位当成“错误”，把老人填错的药量当成“误差”，把小朋友早上买的早餐当成“午餐消费”——那些被系统判定为“异常”的脏数据，恰恰是最不能随便删掉的部分。它不是系统的bug，是这个世界本来的样子：老人会老眼昏花，骑手会爬楼梯，小朋友会在早上吃最贵的套餐。
我们根本不需要完美的数据
现在行业里总流行一个说法，说未来的数字世界里，数据的准确率要达到100%，要零异常、零偏差，这样才能喂出最聪明的算法。我在一线做了四年才明白，这根本就是个伪命题。 你永远不可能拿到百分百完美的数据。你会碰到老人填错的药剂量，会碰到飘了的定位，会碰到小朋友把消费记录刷错的时间，会碰到外卖小哥因为爬楼被系统算成在原地停留。如果我们为了追求所谓的“完美数据”，把这些跟实际场景对不上的记录全删掉，那最后算出来的算法，根本就是飘在半空中的东西——它离人太远了。 就像王阿婆现在学会用语音填健康记录了，有时候系统识别错了，把“我今天吃了药”识别成“我今天没吃药”，我们的监控系统不会直接把这条数据删掉，也不会直接给阿婆扣个“健康异常”的帽子，只是弹个提示给社区的网格员，让对方上门问一句就够了。 昨天我又收到一条告警，是个小学三年级的小朋友的校园卡消费记录，连续三天的消费金额都是15元，时间显示是中午十二点，但监控的逻辑校验显示，他的消费时间其实是早上七点半——系统一开始判断是数据传输错误，我给学校打了个电话，老师笑半天，说那小孩最近迷上了食堂的茶叶蛋，每天早上都买三个，加一杯豆浆刚好15块，根本不是数据错了。 你看。 那些跳来跳去的告警，那些被我们揪出来的“不一致”，从来不是为了把世界修剪成符合算法喜好的形状。它是我们在跟这个乱糟糟的世界打招呼：我看见你了。你填错了没关系，你定位飘了没关系，你在系统里留下的记录跟别人不一样也没关系。 王阿婆上周给我送了一篮她自己种的小番茄，酸得我皱眉头。 真甜。作者|大讲堂
排版|大讲堂
审核|乐乐