大讲堂
张阿姨说，怎么都想不通，明明菜的进价和以前一样新鲜，怎么就没人买了。品牌那边说，都是AI自动推荐，不会错，肯定是你这边位置不好。
凌晨三点的报警短信，谁在盯着菜柜里的烂叶子
直到上周，运维小哥小李过来检修设备，熬到凌晨三点，给张阿姨发了一屏截图。满屏的红色告警晃眼睛，全是数据错误。错得离谱。上周二有人买了一盒车厘子，柜门锁老化卡壳，传感器没录上出库记录，系统就一直显示车厘子还在柜里，保质期还剩三天，天天推给附近的用户，人家点进来找半天找不到，转头就给投诉。理货的兼职小姑娘是暑假工，把生菜的保质期输成了三个月，明明三天就坏，系统还标着当日新鲜，卖出去就是半棵烂叶子，换谁不生气。
这些错攒了三个多月，没人管。总部的大数据团队天天盯着日活、总GMV这些漂亮数字，没人低头看一眼底层的数据对不对。小李说，要不是这次投诉太多被问责，谁也想不到问题出在这。
说实话，我听完第一反应也愣了。原来我们天天说大数据、说AI，最基础的坎居然还是这个。
看不见的筛子：数据质量监控才是所有智能应用的底子
说白了，数据质量监控干的就是挑烂叶子的活。你去菜地收一筐菜，总得先把烂的、坏的、掉地上沾泥的挑出来，才能拿去卖对吧？数据也是一个道理，你收集一万条数据，里面可能有三四千条是错的、漏的、重复的、标错标签的，带着这些脏数据训练AI、做决策，就像把一筐混了烂菜的原料直接下锅，能做出什么好东西？
我之前认识一个做算法的朋友，在某外卖平台做时效预测，刚接项目的时候准确率死活上不去，整个团队熬了一个月调模型，改参数，试了各种新架构，还是不对。最后翻到底层数据一看，十分之一的商家填地址的时候，把城市填错了——北京朝阳区的店，被填成了河北石家庄，系统算路线的时候直接从石家庄派骑手，能准才怪。
这么低级的错误，要是一开始就有数据质量监控盯着，异常值一上来就触发告警，根本不用费那么大劲。朋友说，那之后他们团队花了三个月补监控规则，准确率一下涨了十二个点，成本还降了三分之一。
不过话说回来，现在有多少公司愿意干这个活？大家都盯着炫技的部分，比谁的模型参数多，比谁的概念新，数据质量这种脏活累活，谁都不想碰。就像你买房子，售楼处给你看的全是豪华装修效果图，没人告诉你卫生间的防水没做，瓷砖空鼓了一半，等你住进去漏水了，才知道问题出在哪。
沉默的清洁工，永远不会站在聚光灯下
张阿姨那三台智能菜柜，最后解决方案说出来你可能不信，品牌只是加了一层最基础的监控规则：保质期超出合理范围自动告警，出库记录和库存不匹配自动触发人工核查，用户上报坏品之后自动反向修正商品数据，前后花了不到两万块，改了不到一千行代码。
结果呢？半个月，投诉降了八成，单量涨回了原来的水平。张阿姨现在逢人就说，原来不是大家不爱买柜里的菜，是原来的烂菜没人挑啊。
我最近翻行业新闻，看到好多大模型项目出来，说自己准确率多少，参数多少，能做这个能做那个，底下没人提一句自己的数据质量怎么做的，训练数据有没有做清洗监控。之前不是有大模型把历史事件说错，把两个人的生平混在一起，说白了，还不是训练数据本身就错得一塌糊涂，又没人筛，模型能不瞎编吗？
我们总说，未来是数据驱动的世界，所有的决策都要交给数据，所有的服务都要智能化。可你连自己手里的数据是对是错都不管，那开错了药方、走错了路，该怪谁呢？怪模型不好？怪AI不靠谱？
昨天我又路过巷口，张阿姨坐在菜柜旁边择小油菜，太阳晒着，她还哼着越剧。那三台银灰色的智能柜安安静静的，没人知道它后台每十分钟就跑一次数据校验，出一点错就会立刻推告警给小李。
它不会上发布会，不会拿融资，不会上新闻头条。可就是这一个个沉默的数据质量监控，撑着我们每天买的菜、叫的外卖、走的马路，撑着整个所谓的智能世界，不会一下子塌掉。
至于有多少人会记得它？谁知道呢。
作者|大讲堂
排版|大讲堂
审核|白杨