质量检查要对应真实任务，不能只追求规则通过率。这次讨论围绕数据口径的统一，放在数字化治理与业务协同的范围内，先保留能核对的线索，再判断它们能支持多大的结论。在云顶集团的相关栏目中，这类问题也会结合不同使用情境继续展开。
先确定问题的范围
谈到数据口径的统一，需要先交代对象和任务。相同名称的指标可能采用不同范围、时间窗口和去重方式，合并前需要统一定义。在质量复核的条件下，名称只是起点，真正需要核对的是哪些因素正在发生作用。
沿着实际过程找线索
记录指标公式、业务负责人和适用场景，核对上下游实际使用是否一致。将异常与业务影响联系起来，说明检查覆盖范围。记录宜保留先后顺序，避免只保存最显眼的结果。对数据治理、系统协同与流程管理的观察，也应说明哪些信息来自现场、哪些来自后续资料。
怎样理解看到的差异
名称一致并不能证明数值可直接比较，历史口径变化也应保留。如果关键条件尚未明确，可以先描述现象，将解释保留为待确认项；这样下一次复核时才知道应该补充什么。
把认识转成下一步问题
阅读结束后，可以分别写下已确认的事实、解释所依赖的条件和还缺少的资料。围绕数据口径的统一继续查证时，优先寻找与质量复核真正对应的说明，而不把相近名称当成相同情境。
常见问题
理解数据口径的统一，先确认什么？
相同名称的指标可能采用不同范围、时间窗口和去重方式，合并前需要统一定义。
在质量复核时怎样开始？
将异常与业务影响联系起来，说明检查覆盖范围。记录指标公式、业务负责人和适用场景，核对上下游实际使用是否一致。
什么情况下不宜直接套用结论？
名称一致并不能证明数值可直接比较，历史口径变化也应保留。