数据评估

在用数据做预测或训练模型之前，需要先了解数据质量是否过关。数据评估会从 完整性 和 可预测性 两个角度给数据打分，并计算出一个 综合评分。分数越高，代表数据质量越好，越适合用于后续建模与预测分析。

开始评估

进入数据评估页面后，选择需要评估的数据集，点击「开始评估」即可。

评估完成后，页面会展示完整性、可预测性和综合评分，并在评估记录中保留本次结果。点击「查看」可以查看明细结果。

这个分数告诉你：数据有没有缺、关键字段全不全。

传感器掉线、网络抖动、重复上报、字段缺失……这些问题都会让时间序列数据出现空洞、重复或结构不完整。完整性分数反映的就是这些问题的严重程度。

如果完整性分数低，后续的预测或分析结果会受到影响。建议先处理缺失值、重复数据、时间戳异常或关键字段不完整等问题，再继续建模。

这个分数告诉你：这条数据「有没有规律可循」。

有些数据天然有规律，比如每天固定时段的用电量、随季节变化的温度。有些数据则更像随机波动。可预测性分数反映的就是序列规律的强弱。

分数	意味着什么	建议
80–100	时序特征稳定，适合构建预测模型	适合建模
60–79	数据具有一定规律性，可进行预测分析，但模型效果可能受波动影响	可以尝试建模，结合业务判断结果
0–59	数据波动较大，预测难度较高	需要评估数据或预测策略

如果可预测性分数低，并不一定代表数据有问题，而是说明这条序列本身波动性强、难以预测。此时需要结合业务判断，决定是否引入其他变量辅助预测，或降低对预测精度的期望。

这个分数告诉你：这份数据整体是否适合继续用于建模和预测分析。

综合评分会结合完整性和可预测性，给出一个整体质量判断。它适合用来快速判断数据是否可以进入后续流程，也可以帮助优先定位需要治理的数据集。

分数	意味着什么	建议
80–100	数据质量良好，适合建模与预测分析	可优先使用
60–79	数据质量基本满足要求，治理后可获得更优效果	建议根据短板进行治理
0–59	当前数据不满足高质量建模要求，模型预测效果可能不稳定	建议完成治理后再建模

如果综合评分低，通常说明数据在完整性或可预测性上存在明显短板。建议先查看明细结果，定位具体问题，再进行数据治理。

指标	核心问题	分数低说明什么
完整性	数据是否完整？关键字段是否齐全？有没有缺失、重复或时间戳异常？	数据存在缺失、重复、时序错乱或字段不完整
可预测性	序列有没有周期性、趋势性或稳定变化规律？	序列接近随机波动，难以从历史推断未来
综合评分	数据整体是否适合用于建模和预测分析？	数据质量存在短板，建议治理后再使用