Data Quality Audit

Independent cross-source audit of a completed CN banker deliverable. Use when the user asks to audit / double-check / 双核实 / 交叉验证 / 数据质量检查 / 审计 an existing de...

Data Quality Audit Skill

独立交叉核实 CN banker 交付物的数据质量 — 找到看似合理实则错误的数字

Why this exists

现有三道 gate（verify_intelligence / cn_typo_scan / provenance_verify）保证：每个硬数字有来源、无 escape typo、行文对得上溯源表。

但它们不保证数字本身对。具体漏洞场景：

• Agent 抄错了 Tushare 返回值（小数点位移 / 单位换算错）
• data-provenance.md 注明"来源：巨潮 2024 年报"但根本没去拉取
• 单源数字没做 cross-check（Tushare 跟东方财富同期数据差 5% 以上）
• 内部一致性违反（说 "毛利率 98%"、说 "营收 100 亿 / 毛利 80 亿" → 实际毛利率 80% 自相矛盾）
• 市值 ≠ 股价 × 股本（股本数据过期）

本 skill 做的是独立审计：再走一遍数据源 + 对账 + 常识 check，给出审计报告。类似内审对已完成账目的二次核查。

When to trigger

用户说：

• "audit ~/deliverables/xxx"
• "双核实一下 xxx 这份报告"
• "对 xxx 做数据质量检查"
• "交叉验证 xxx 的数字"
• "给 xxx 跑审计"

或者在 banker workflow 最后，user 要求"审计完成再交付"。

Workflow

Step 1 — Parse data-provenance.md

读 <deliverable>/data-provenance.md（standard schema：每行一条"指标 | 数值 | 单位 | 期间 | Tier | 源 | URL/工具 | 取数时间 | 交叉验证状态"）。可用 helper:

python3 ~/.openclaw/extensions/aigroup-lead-discovery-openclaw/skills/data-quality-audit/scripts/quality-audit.py \
    --parse-only \
    ~/deliverables/<company>/data-provenance.md
# stdout: JSON array of {metric, value, unit, period, tier, source, url_tool, fetched_at, status}

如果 provenance 文件格式不标准，回退到 regex 扫 analysis.md 的硬数字 + 第一次提到的 source。

Step 2 — Independent re-fetch per hard number

对每条硬数字，调用一个不同于 provenance 声明源的 MCP重新 fetch：

Provenance claims source	Audit must call
Tushare / aigroup-market-mcp	东方财富 web_fetch / FMP (港股) / 巨潮 PDF
巨潮 / CNINFO	Tushare / 东方财富 web_fetch
FMP / Finnhub	Tushare / yfinance web_fetch
天眼查 / 企查查	国家信用 gsxt.gov.cn web_fetch / 互查
财经媒体（财新 / 21 世纪 / 财联社）	找原始官方披露（交易所 / 巨潮）

不要用声明的同一源去"核实"——那不是核实，是回抄。

取不到第二源时 → 标 FLAG (single-source-unverifiable)，不算 FAIL。

Step 3 — Diff & classify

对比 audit-fetched value vs provenance value:

Diff	分类
abs(diff) / value < 2%	PASS (exact)
abs(diff) / value ∈ [2%, 5%)	PASS (minor variance) — 两源 reporting 习惯不同属正常
abs(diff) / value ∈ [5%, 15%)	FLAG (material variance) — 需人工复核
abs(diff) / value ≥ 15% 或符号反转	FAIL (material conflict) — deliverable 不得原样交付
第二源不可获取	FLAG (single-source-unverifiable)
第二源 404 / 403 / 数据不存在	FLAG (second-source-unavailable)

Step 4 — Common-sense sanity rules

把 parsed hard numbers 喂给 scripts/common-sense-rules.yaml 定义的规则集：

• gross_margin_range: 公司毛利率应该在 [-20%, 95%]（负毛利或超过 95% 需人工确认）
• revenue_growth_range: 营收同比增速应该在 [-50%, +200%]（业务剧震需 flag）
• market_cap_price_shares: 若同份交付物声明了市值 / 股价 / 股本，abs(market_cap − price × shares_outstanding) / market_cap < 3%
• gross_profit_identity: 若声明了营收 / 毛利 / 毛利率，abs(gross_profit − revenue × gross_margin) / gross_profit < 3%
• net_margin_not_above_gross: 净利率不得 > 毛利率（基本恒等式）
• ocf_net_income_direction: 经营现金流和净利同向（若一正一负，flag）
• employee_market_cap_ratio: 市值 / 员工数 应该在 [50 万, 5 亿 RMB] 这个大区间（否则数据可疑，但只 flag 不 fail）
• dividend_payout_bound: 分红率超过 100% 需人工确认（转增 / 资本公积送股可能误读）
• roe_extreme: ROE 超过 50% 或为负需核验（杠杆 + 特殊事件）
• valuation_multiple_sanity: P/E ≤ 200 且 EV/EBITDA ≤ 100
• restatement_aware (NEW): 对重述敏感字段 {EPS, 归母净利润, BPS, 毛利率, 净资产, 营业收入}，若 primary 值与第二源交叉验证差异 > 10%，flag 为可能 pre-restatement vs post-restatement 混用 —— 推荐优先核对交易所 XBRL 最终版或最新年报重述版本（而非最早刊发的原始版本）。海天味业 2026-04-19 audit 正是被这条规则定位到 EPS 2022 1.34 元 (pre-restatement) vs 1.11 元 (post-restatement) 差 20.7% 的真实场景。
• roe_definition_check (NEW): ROE 口径规范 —— 若 provenance.md 的 derivation 字段写作 "净利/营收" / "NI/Revenue" 而指标名是 ROE / 净资产收益率，判为 fail（这是净利率不是 ROE）。正确公式：ROE = 净利润 / 平均净资产。五粮液 2026-04-18 audit 的 ROE ~22% vs 年报 25.06% 差异即来自此错口径。
• price_basis_check (NEW): 同一公司股价与第二源差异 > 3% → flag。常见原因：T+0 vs T-1 vs 最新实时报价 vs 币种 vs 复权/不复权。海天 2026-04-19 audit 的 37.68 元 vs 35.60 元 即价差基准不一致。

每条规则违反 → 单独产一条 FLAG 或 FAIL 条目。当前规则集总数 13（10 原有 + 3 新 restatement_aware / roe_definition_check / price_basis_check）。

Step 5 — Emit audit-report.md

输出到 <deliverable>/audit-report.md，结构：

# Audit Report — <Company> <ticker>

**Audit date:** 2026-04-18
**Target deliverable:** /Users/jackdong/deliverables/<company>/
**Auditor:** aigroup-lead-discovery-openclaw/data-quality-audit@0.3.0

## Overall verdict

OVERALL PASS  (12/14 PASS, 2 FLAG, 0 FAIL)

## Per-number cross-check

| Metric | MD value | Independent source | Independent value | Diff | Verdict |
|--------|---------|--------------------|-------------------|------|---------|
| 2024Q3 营收 | 1,088 亿元 | 东方财富 Choice | 1,086 亿元 | -0.2% | PASS (exact) |
| 2024-04-17 市值 | 20,150 亿元 | Tushare stock_data | 20,180 亿元 | +0.15% | PASS (exact) |
| 员工数 | 30,000 | 巨潮 2023 年报 | N/A | — | FLAG (second-source-unavailable) |
| ... |

## Common-sense rules

- ✅ gross_margin_range (88% ∈ [-20%, 95%])
- ✅ revenue_growth_range (+17% YoY ∈ [-50%, +200%])
- ❌ gross_profit_check: 声明营收 1088 × 毛利率 92% = 1001，但 MD 里毛利 980 → 差 2.1%（容差内，PASS）
- ⚠️ employee_mkt_ratio: 20150/3 = 6717 万/人（高端白酒本就如此，FLAG 非 FAIL）

## Action items

- [ ] Re-fetch 员工数: 尝试国家信用公示 gsxt.gov.cn
- [ ] 补充 2024 Q1 毛利率 source（当前单源）

## Raw audit data

JSON dump at `<deliverable>/audit-raw.json`.

Step 6 — Return verdict to user

Agent 的 final message 必须包含：

• overall verdict（OVERALL PASS / OVERALL FLAG: N items / OVERALL FAIL: M items）
• path to audit-report.md
• path to audit-raw.json
• 前三条 action items（如有）

What this skill does NOT do

• 不重新走 banker analysis workflow（那是 datapack-builder / dcf-model 的事）
• 不重新跑 verify_intelligence / cn_typo_scan / provenance_verify（那是 validate-delivery.py 的事）
• 不改 deliverable 本身 —— audit 只出报告；人工决定是否回炉改

Pair with validate-delivery.py

建议顺序：

1. validate-delivery.py — 快速 gate（exit 0 方可考虑交付）
2. data-quality-audit（本 skill）— 深度审计（OVERALL PASS 方可 client-ship）

gate 通过不等于 audit 通过；反之亦然。两层都是必要的。