课堂结束后，按本页开始课后自学与实验。
W07 · 验收 W06 / 发布任务 3
先验收 W06，再把脏数据变成可信表
本周课堂先核验 W06 支付实验报告；课堂结束后再开始本页数据实验。W08 周二 24:00 截止，W08 周四核验。
提交一份飞书实验报告，并保持链接可访问。
进入逐份评阅；不要在未说明的情况下替换链接。
课堂核验本页任务时，需要现场解释数据问题、清洗规则和图表结论。
07
01
本周先看懂什么
Core concepts按固定字段和类型组织，适合表格与数据库。
唯一识别一条记录，重复主键意味着身份冲突。
至少检查唯一、完整、准确、一致和及时。
从来源抽取，按规则转换，再加载到目标系统。
追踪一项数据从哪里来、怎样变、去了哪里。
通过查询、报表、可视化和监控支持决策。
02
学完后大致能做到
Learning outcomes自查完成度0 / 4
勾选只保存在当前浏览器，用于自查，不会自动提交成绩。
03
零基础起步
Lower the first step先迈一步
找出至少三类数据质量问题，并说明它们可能导致什么错误。
完整复现
完成抽取、转换、加载三个步骤，输出干净表和一张简单汇总图。
自由拓展
为表设计主键、字段类型和两条校验规则，并画出最小数据血缘。
从这里开始
下载 transactions_dirty.csv，并先备份原文件。
用表格软件打开，观察列名、行数和数据类型。
检查重复交易编号、缺失金额和类别拼写差异。
使用站内清洗器查看规则前后的变化。
把清洗步骤写成可重复执行的编号清单。
04
问题驱动的 AI 自学路线
Question-driven learning本周大问题
一张看起来正确的 BI 图表，为什么仍可能建立在不可信的数据之上？
带着问题读教材
不要求逐页背诵。先读标题和小节，再围绕本周问题精读；教材、AI 和实验结果三者不一致时，把差异写进报告。
Chapter 9，pp. 163–174
BI 战略、查询、数据挖掘、可视化、仓库与仪表板。
Chapter 11，pp. 197–210
ETL、市场数据、仓库、湖、血缘、结构化数据、SQL 与 NoSQL。
先问自己，再问 AI
每个问题都必须留下三层痕迹：你的初始判断、AI 的解释、本人核验后的修正。
问题驱动协议
不以「帮我总结本章」开场；改为提出一个可以比较、反驳或验证的问题。要求 AI 说明边界、给出反例，并接受你用教材和实验结果纠正它。
四个驱动问题
删除脏数据是不是最安全的清洗方法？
向 AI 追问
让 AI 分别讨论重复、缺失、异常和格式不一致，并提出保留、修复、隔离三种策略。
本人验证
对每类问题写规则和影响，保留原始文件，不直接覆盖。
数据仓库和数据湖为什么不能只按大小区分？
向 AI 追问
让 AI 从数据状态、治理程度、用户、查询方式和成本比较。
本人验证
把本周 CSV 放入假想仓库或湖，说明选择理由和前提。
没有数据血缘时，图表出了问题应从哪里查？
向 AI 追问
让 AI 设计「来源—转换—加载—指标—图表」五段追踪链。
本人验证
为自己的清洗结果画出最小血缘，并能指出每一步文件。
BI 工具能否自动保证业务结论正确？
向 AI 追问
让 AI 区分计算正确、口径正确、数据正确和解释正确。
本人验证
给同一批数据设计两种汇总口径，观察结论是否变化。
建议完成五轮对话
第 0 轮｜先做数据体检：只记录问题，不急着清洗。
第 1 轮｜让 AI 为每个问题提供至少两种处理方案及副作用。
第 2 轮｜要求 AI 解释哪些步骤属于抽取、转换和加载。
第 3 轮｜用行数、主键、缺失和汇总金额验证清洗结果。
第 4 轮｜把数据血缘和口径写入报告，让同学能够追查。
写进报告的不是聊天全文
只保留与学习有关的关键节点：初始答案、AI 的关键建议、反例或边界、本人验证证据、最后修正。不要另交 AI 聊天记录表。
05
让 AI 一步一步带你做
Prompt scaffold使用方式
先把提示词交给 AI；每完成一步就把真实结果贴回去。不要让 AI 一次倾倒整套答案，也不要把建议写成已经验证的事实。
我是一名零基础学生，要清洗一份合成交易 CSV。请不要一次给完答案。先让我观察表结构，再依次检查唯一性、完整性、准确性和一致性。每发现一类问题，都让我先提出修复规则，再提示风险。最后帮助我用一句话解释 ETL 和数据血缘。
06
实验 3：清洗合成交易表并制作微型 BI
Browser micro-lab操作步骤
读取原始 CSV 并记录文件信息。
检查重复、缺失、格式和异常金额。
写出清洗规则并逐项执行。
输出干净表，按交易类型汇总金额与笔数。
画出数据来源—清洗—结果—图表的血缘。
可展示证据
原始与清洗后行数问题清单与规则干净 CSV一张汇总图或站内结果数据血缘
常见坑
- 直接覆盖原始文件
- 把删除当作唯一修复方法
- 主键仍然重复
- 图表口径与清洗规则不一致
微型 ETL 清洗器
先观察、再写规则、最后清洗；不要直接覆盖原始文件。
| transaction_id | customer_id | category | amount |
|---|---|---|---|
| T001 | C01 | 支付 | 36.00 |
| T002 | C02 | 转账 | 120.00 |
| T002 | C02 | 转账 | 120.00 |
| T003 | C03 | PAYMENT | 18.50 |
| T004 | C04 | 支付 | — |
| T005 | C05 | payment | 42.00 |
6有效行候选
1重复组
1缺失金额
2格式差异
先观察表格，再点击「标出问题」。
07
只交一份实验报告
One report本页报告截止W08 周二 24:00
按时提交同一份飞书报告；W08 周三进入评阅，W08 周四课堂展示、复现并接受随机拷问。
建议结构
- 本周目标与实际完成情况
- 电脑环境、文件与数据来源
- 编号步骤、真实结果和错误记录
- AI 建议、本人验证和修正
- 核心概念卡与课堂拷问准备
- 结论、限制与下一步
模板仅供参考
不要求照抄固定目录。可以删减、合并、重排或自建结构；只要真实过程、证据、AI 参与、本人验证、概念理解、限制与隐私说明清楚即可。
08
下次课堂核验与随机拷问
Live verification打开 · 共享飞书报告
30 秒说明目标与完成度
复现 · 现场操作关键步骤
从本人电脑重新得到结果
展示 · 解释证据与踩坑
说明哪里曾失败、怎样修正
拷问 · 脱离屏幕答概念
随机解释术语和关系
旁听 · 同学提问
提出具体、可检验的问题
不看电脑手机，你能回答吗？
为什么同一张表需要主键？
删除缺失值总是正确的吗？
数据库、数据仓库和数据湖分别更适合什么？
数据清洗后为什么还要保留原始文件？
BI 图表好看是否等于结论可信？
09
📋 本周课堂积分
Weekly points积分时间不要看错：这里列的是本页实验报告的积分项目；实际记录时间为 W08 周四 课堂核验，不是在 W07 课堂提前计算。
✅ 考勤
+0～3出勤 +3；迟到 +2；早退 +2；请假 +1；旷课 +0。
💻 复现
+0 / +1现场成功复现实验 +1；未能复现 +0。
🚀 拓展
+0～2无拓展 +0；有拓展 +1；多拓展 +2。
🖥️ 展示
+0 / +3课堂自愿共享屏幕展示 +3。
🥇 首讲
+0 / +1每节课堂最先自愿开讲的前 3 人 +1。
💡 提问
+0 / +0.5认真旁听并提出被采纳的好问题 +0.5。
🔍 拷问
−1～+2空心代工 −1；一知半解 +1；融会贯通 +2。
🤝 双分
双方 +1仅凭文档现场复现成功，作者与复现者都 +1。
🏆 精选
+0 / +3最佳文档进入知识库，获得席位、署名与 +3。
本页报告在 W08 周四 按以上各项记录积分。积分是过程激励，不设固定满分。
10
自由拓展与下一步
Explore further如果还有余力
- 把表拆成客户表与交易表
- 为字段设计数据类型
- 尝试用 SQL 复现汇总
报告收尾三问
- 我亲手完成并验证了什么？
- 我仍然不能解释什么？
- 如果重做一次，我会先改变哪一步？