数据集生命周期

管理数据集草稿、验证、发布、版本、弃用和归档。

适用场景

• 需要执行该 DFS 任务并留下可审阅记录。
• 需要把源数据交给下游运营、AI 或报表工作流。
• 需要让项目团队对输入、处理和输出有共同理解。

工作流

操作步骤

1. 创建草稿
2. 验证质量
3. 发布版本
4. 审查影响
5. 弃用或归档

当数据集从 DFS Lite 提升而来时，应带上源系统负责人、连接器引用、刷新频率、必填字段、最近同步证据和已知源限制。后续审阅人员需要这些信息判断数据集为何存在，以及在哪些条件下可以复用。

导入与重处理检查

数据集来自文件导入、连接器快照或重处理源切片时，验证前先比较运行总数：

检查项	确认内容
Accepted rows	接受行数量符合源系统负责人确认的范围。
Rejected rows	行级错误可见，并分配给正确负责人处理。
Schema match	必填字段、数据类型和列名符合数据集 contract。
身份与时间字段	资产、设备、事件或时间戳字段能支撑目标工作流。
Reprocess result	修正后的源切片降低了预期错误数量，并保留血缘。

替换数据集完成验证、下游消费者确认使用前，保留失败导入证据。

检查清单

• 输入来源、负责人和允许用途已确认。
• 处理结果可追溯到源路径、字段和时间戳。
• 失败、冲突、拒绝或异常数据已有审阅结论。

交付结果

• 可审阅的配置、运行记录、质量说明、处理输出和下游交接记录。

实施说明

保留源系统、字段含义、时间戳、单位、负责人和审阅记录。DFS 输出只有在完成映射、质量检查和交接记录后，才应进入 Inspector、FactVerse AI Agent、BI 或 Physical AI 工作流。

相关页面

继续阅读	适用场景
DFS Pro 数据集	从连接器、导入、抽取或融合结果创建治理数据资产。
融合任务	将多个数据集合并、补齐、去重或关联，并保留冲突处理记录。
审阅队列	处理低置信度结果、冲突、拒绝行和需要人工确认的数据变更。
审计与指标	查看数据集、融合任务、审阅动作、同步运行和质量趋势。