把现有数仓，变成
可以解释、复算和行动的数据资产
全仓建立轻目录，核心链路验证语义，客户场景同步试算。让每一个经营结论都有范围、口径与可追溯的依据。
可以直接据此推进的三件事
先核实现有程序引用的数据产品
月度交易汇总已有程序引用，但业务月份止于 2024 年 8 月。需确认冻结用途、恢复更新或明确退出。
把租户与经营主体分开管理
3 个租户样本对应 438 个销方税号候选。业务授权、集团关系与历史有效期必须独立登记。
以可复核线索开始业务试点
集中度、经营变动与交易沉默已有真实输出；先核实覆盖、签署口径，再跟进并收集反馈。
仓内已有模型，需要补齐管理
从命名统计走向程序与数据证据，修正“没有建模”的过度判断。
正式认证指标仍为 0。当前成果是内部审阅与试点基础，金额单位、状态、完整覆盖和业务责任尚待签署。
影响业务判断的四个缺口
购方税号缺失，集中度结论有边界
2026 年 8 月基础票头完整范围，10,776,577 条记录中 4,677,044 条购方税号为空或空串。原因可能包括业务类型与采集覆盖，尚不能自动归因。
已有月度产品表止于 2024 年 8 月
全表 25 个月份为 202208—202408，delta_time 统一为 2024-08-07。当前不能用它解释 2026 年经营变化。
下一动作：核实冻结快照用途、更新任务、当前消费者及源端月度控制数。
完整 8 月有 21 条金额勾稽例外
已输出本地去标识化差额明细。0.02 是本轮技术阈值，舍入规则和业务例外需签署；异常不自动定性。
last_month 后缀不能替代日期过滤
该表全量 11,037,407 条，跨 2016—2026 年；仅 102,453 条属于上月。消费者必须使用明确业务日期条件。
全仓登记，分级治理
存储集中在贴源层与宽表
1 MB 块 ÷ 1024 = GiB；再 ÷ 1024 = TiB。已排除内部健康检查表。
治理候选与收益分开记录
| 治理对象 | 已发现 | 执行要求 |
|---|---|---|
| 零块 / 无统计候选 | 1,605 张 | 先确认用途、依赖、保留期 |
| temp / tmp 物理表 | 681 张 | 574 有块 + 107 无块 |
| 临时命名表存储 | 639.51 GiB | 候选暴露量，非节省 |
| 统计失效 > 50 | DBA 评估计划与消费影响 | |
| 行倾斜 > 5 | 90 张 | 先验证热点与实际扫描 |
| 实际清退 / 节省 | 0 / 0 MB | 生产变更尚未执行 |
核心候选目录
完整 46 表与字段在本地工作簿；这里展示适合公开汇报的技术对象。点击表名查看范围和物理属性。
| 表名 | 字段 | 统计失效 | 证据状态 |
|---|
关联与版本，需要用数据证明
| 抽样期间 | 不同父键 | 唯一票头命中 | v1 / v2 命中 | 两版本交集 | 全部关联票行 | 头行勾稽 |
|---|
样本通过记为 E2。全仓唯一性、订单桥、主数据有效期和独立业务控制数仍需验证。
身份
租户样本数 → 销方税号候选数。租户、经营主体和交易对手分开管理。
金额
invoice_color、red_flag、status 是不同字段。部分“红冲状态”记录金额仍为正，不能合并为同一枚举。
时间
当前 delta_time 无法恢复历史时点可得性。事件发生口径与原票回溯口径分别发布。
用可解释的观察与线索，启动试点
开票结构与变动
按经营主体和交易对手，拆解 7 月至 8 月正金额变化；未知购方单列。
- 11,016 条变动贡献明细
- 9 月仅 6 天，不与完整月直接环比
- 开票字段观察不能替代收入确认
客户集中度
CR1 / CR5 使用全部正金额作分母，HHI 单独标明仅覆盖已识别购方。
- 220 组身份金额覆盖达到 95%
- 107 组需先补齐覆盖解释
- 集团内部交易剔除规则尚未认证
交易沉默线索
同时展示最后交易时间、历史间隔、贡献和替代解释，为回访提供依据。
- 155 条满足优先核实的技术条件
- 50 条本地反馈工单草稿
- 尚无真实反馈，不认定流失或收益
第四类原型：票据金额异常复核
21 条已留证例外为财务与数据质量人员输出差額和可复现规则。先对照源单、舍入和业务例外，再形成修正动作；不将异常等同违法。
查看 15 项指标契约与试算边界
| ID / 指标 | 公式 | 范围 | 认证状态 |
|---|
为什么没有预测准确率与现金流结论
当前缺少历史可见性快照、真实流失或违约标签及前瞻反馈，无法做可信的历史预测回测。库存、现金流、利润和采购优化还需要可比 SKU、采购覆盖、交付/库存、资金/核销等证据。现有发票数据不能替代这些输入。
试点样本如何选择
8 月记录数 2,000—100,000 的租户，按记录数升序取前 30，再取首、中、尾 3 个；不是全仓大小客户分位样本。业务日期覆盖 2025-09-01 至 2026-09-06，保留当前状态。历史可得时间尚未恢复，不宣称这些样本具有全仓代表性。
把阶段成果推进到业务验收
范围与消费入口
可见目录已完成全仓资产、字段、权限盲区与 20 个活跃账号已登记。继续补齐 BI 报表和真实 SQL。
核心语义还原
核心样本已验证票头票行两期通过。主数据、订单桥、跨版本全量覆盖与状态单位仍需补证。
指标资产认证
等待独立对账与签署15 项试算可复算，E4 为 0。用多期源端控制数和具名业务签署完成认证。
客户模型试点
内部原型已交付有真实线索与本地反馈草稿；业务反馈为 0。确认试点对象与对照，再衡量效果。
推进下一阶段需要的四项证据
| 需要补齐 | 为什么需要 | 验收证明 |
|---|---|---|
| 具名业务 / 财税签署 | 金额单位、状态、身份和用途尚未认证 | 签署范围、版本、例外与负责人 |
| Redash / QuickBI 报表 SQL | 连接日志不能还原指标字段和依赖 | 报表—指标—SQL—表完整映射 |
| 源端多期控制数 | 样本自洽不等于业务全量正确 | 跨期、跨主体独立口径勾稽 |
| 前瞻试点反馈 | 线索不等于确认流失或实际价值 | 行动、原因、恢复交易与对照效果 |
每项结论，都保留证据等级和边界
已取得的证据
5,760 个对象、171,881 个字段、46 表受控画像；15 份完整视图定义解析出 51 条边，另有 21 条代码引用候选。身份、SQL、时间、范围、超时、分母与异常均有日志。
口径修正
4,134 条表统计中排除 1 条内部健康检查。0.78% 是最大单表占比，不能认定集群磁盘健康；分区与节点容量另行核对。
仍然存在的盲区
第二库统计权限不足，部分 schema 无 USAGE，全局查询 SQL 不可见。部分运行态证据停留在 7 月，不能当作 9 月现网实测。ADB 同名目录交集不证明两库数据相同或完成迁移。
资料使用范围
在线页只提供汇总及复核边界。完整工作簿、账号和去标识化业务明细留在本地；未用于跨客户模型训练或自动客户处置。
v1.1 增补：持续更新已有可执行工具
已实现不可覆盖的元数据快照、契约差异、传递血缘影响和内部发布评审包；15 项生命周期测试与 4 项视图解析测试通过。视图定义现已全部解析。技术检查不替代具名签署，不自动通知消费者或执行生产发布。