公示数据的抽样复核：抽多少、按什么判合格

← 返回项目公示栏目

为什么必须抽样复核

自动抽取的公示数据一定会出错，原因包括页面改版、字段位置变化、表格与正文混排、数字单位不统一。出错不可怕，可怕的是长期无人发现。抽样复核的作用是用较小的人工成本，估算整批数据的错误率，并判断这批数据能否使用。

抽多少：按错误容忍度定

• 批量在几十条以内，建议全量复核，成本不高且能发现规则问题。
• 批量在几百条量级，可以抽百分之十到百分之二十，且不少于三十条，保证能反映分布。
• 批量在数千条以上，抽百分之五左右即可，但必须连续多批都抽，观察错误率是否稳定。
• 新来源或新规则上线后的第一批，无论多少条都建议提高比例，因为此时的错误多是规则性错误而非偶发。

怎么抽：分层比随机更有效

纯随机抽样容易漏掉集中出现问题的区域。建议分层：按来源网站分层，按公示类型分层，按发布时间分层，再在每层内随机抽取。这样既覆盖了不同页面的结构差异，也能发现某个来源整体失效的情况。抽样名单要留档，注明抽了哪些、谁复核、结论是什么，方便后续追溯。

判定与处理的三档规则

第一档，关键字段错误率低于约定阈值，例如百分之一以内，整批放行，但记录问题样本用于优化规则。第二档，错误率在阈值上下但错误集中在某一来源或某字段，对该部分整段返工重抽，其余放行。第三档，错误率明显偏高或关键字段大面积错误，整批退回重做，同时暂停该来源的自动入库，改为人工确认后再恢复。规则要在团队内部事先约定，避免每次凭感觉判断。