data-reconciliation-exceptions

核心用法

data-reconciliation-exceptions 是一款专注于企业数据质量管理的标准化核对工具。该 Skill 通过 Pay Number、驾照号码、司机卡等稳定标识符，对两个或多个数据源进行系统性比对。其核心工作流包括：数据标准化（去除空格、统一大小写、清洗标点）、键值验证（标记空白或无效格式）、分级匹配策略（优先匹配 Pay Number，失败后依次尝试次级标识符）、异常分类（明确标记缺失、重复、字段不匹配、无效键值四类异常），以及关键的"无静默失败"门禁机制——通过计数比对和阈值检查强制停止异常流程，确保问题数据不会被遗漏。

显著优点

该 Skill 的最大亮点在于其防静默失败设计，通过强制性的计数检查和异常率阈值监控，杜绝了传统 ETL 流程中"数据丢失却未报警"的风险。其次，它提供结构化的异常报告规范，输出包含明确原因代码（MISSING_IN_A、MISMATCH、DUPLICATE_KEY 等）的标准化 CSV 报告，便于下游系统处理或人工审核。此外，只读安全模式确保默认不修改源数据，所有异常均路由至审核队列；而"STOP AND ASK THE USER"机制在关键决策点强制人工确认，有效平衡了自动化效率与风险控制。

潜在缺点与局限性

该 Skill 对数据质量有较高前置要求：必须存在稳定标识符，完全不支持无 ID 数据源的开放式模糊匹配，这限制了其在非结构化数据场景的应用。同时，其设计定位于批量处理模式，不适合实时流数据核对场景。用户需手动配置匹配规则、字段映射和容忍阈值，对非技术用户存在一定使用门槛。此外，作为 T3 级个人开发者贡献的资产，缺乏官方组织背书，企业用户可能需要额外审查以适应内部合规要求。

适合的目标群体

该 Skill 特别适合以下角色：数据工程师与 ETL 开发者（构建数据管道时对账环节）、财务与人力资源系统管理员（处理 Payroll 与合规系统间的数据一致性）、合规与审计人员（生成审计追踪所需的异常报告），以及数据质量分析师（建立数据质量评分卡）。对于需要执行定期数据对账（如每周批次核对）的业务团队，该工具提供了开箱即用的标准流程。

使用风险与注意事项

尽管该 Skill 本身为纯文档型资产、无代码执行风险，但在实际应用中需注意：数据隐私合规风险——处理包含驾照号码、Pay Number 等 PII 数据时，必须确保符合 GDPR、《个人信息保护法》等法规要求；阈值配置风险——容忍度设置不当可能导致异常被过度忽略（阈值过松）或产生大量误报（阈值过严）；数据质量依赖风险——若源数据中的标识符本身存在脏数据（如重复 Pay Number），将直接影响匹配准确性。建议首次使用时进行抽样验证，并建立标识符质量预检查机制。

核心用法

data-reconciliation-exceptions 是一款纯文档型数据质量对账技能，专为人力资源与合规场景设计。其核心流程围绕稳定标识符优先级（Pay Number → Driver Card → Driving Licence → DQC）展开，通过标准化清洗、多键值级联匹配、异常分类报告三步实现可靠的数据对账。

标准化处理：自动处理大小写、空格、标点符号等常见数据质量问题，确保匹配基础干净。

级联匹配策略：优先使用薪资编号精确匹配，未命中者依次降级使用驾驶证号、司机卡号等次级标识符，最大化匹配率的同时保持可追溯性。

异常报告体系：强制输出五大异常类别——Missing in A/B（单边缺失）、Mismatch（字段不一致）、Duplicate Key（重复键）、Invalid Key（格式错误），每条记录必须归类并附明确原因代码。

显著优点

1. "无静默失败"机制：内置管道闸门检查，当计数不匹配、未匹配率超标或重复键激增时自动中断流程，从根本上杜绝"看似成功实则丢数"的隐蔽错误。

2. 确定性优先设计：默认采用精确匹配规则，避免模糊匹配带来的不可解释性，仅在用户明确要求时才启用模糊逻辑。

3. 生产级安全：纯 Markdown 文档形态，无可执行代码、无外部依赖、无网络调用，通过 CLS A级安全认证（94分），可直接部署于敏感数据环境。

4. HR场景深度适配：字段设计与异常代码体系针对薪资-合规对账场景优化，如姓名不匹配、证件过期日期差异等典型问题均有标准处理模式。

潜在缺点与局限性

• 标识符依赖：当源数据缺乏稳定标识符时完全失效，无法通过启发式推断进行匹配。
• 非模糊优先：对拼写变体、姓名缩写等常见数据问题无内置容错，需额外配置归一化规则。
• 人工决策点：列映射冲突、多ID优先级不明、容忍阈值未指定时必须中断询问用户，自动化程度受限。
• T3来源风险：来自个人开发者 GitHub 仓库，无企业级维护承诺，需自行跟踪上游更新。

适合人群

• HR数据分析师：处理每周薪资系统与合规系统的定期对账
• 数据工程师：构建 ETL 管道的异常检测与质量门禁模块
• 审计合规专员：生成可追溯的例外报告用于监管审查

常规风险

虽然技能本身安全（无代码执行风险），但实际应用中需注意：源数据文件可能包含 PII，建议在受控环境处理；"无静默失败"闸门若阈值设置不当可能导致过度中断或漏报，需根据业务历史数据校准容忍参数。