客户案例 06 · 数据从哪来，信到什么程度

客户角色：数字化负责人 / 审计 ｜ 场景：数据可信度与可追溯 ｜ 核心数字：每条事实带来源与可信度，缺失即风险

图 6：单据证实的和推演出来的互不冒充，低可信项显式标红

一、客户现在的样子

客户对风控平台最大的戒心不是价格，是可信度： 「你的供应商关系网到底准不准？我凭什么在危机之前信它？」 这个品类的客户原话很直白：「如果数据只覆盖到公开公司、漏掉关键供应商，那它就是没用的。」

二、场景里真实发生了什么

我们用两条完整的行业数据实例来回答这个问题：

数据实例	规模	关键事实
电力 / 海外基建	18 项目、695 项物资、510 条 BOM、195 条航段、41 家供应商、636 条库存快照、372 张订单	每条都带来源
航空制造	72 个机号、1,005 项零件、969 条 BOM、116 家供应商、1,684 票运输、320 条质量问题、72 条风险事件	每张单据可回溯到具体单据号与页码

平台对每一个事实都记两样东西：来源（哪张单据、哪份报告、哪一页）和可信度。 以质量告警为例，两条实例的数据里每条记录都带着出处指针，格式就是「报告文件 + 页码」：

./qms_reports/NCR-8D-506.pdf 第 28 页、./qms_reports/NCR-8D-179.pdf 第 3 页

（电力侧 30 条告警覆盖 29 份不同报告，页码范围 2–28；航空侧 320 条质量问题同样逐条带指针）。

说明：这些 PDF 只是出处指针（实例数据本身是仿真数据，不附原始扫描件）； 接入客户数据时，这一列直接对接客户自己的质量系统单据号，点开即可看原件。

数据里缺失的部分不隐藏，直接标注为风险。

三、平台在这里做了什么

• 不承诺「绝对准确」，而是承诺「可信到什么程度、哪一部分不可信」。
• 事实与推断分开呈现：哪些是单据证实的，哪些是推演出来的，互不冒充。
• 客户可以拿一条数据现场抽检——查不到出处是我们的问题，不是客户的猜测。

四、对客户的价值

• 风控结论第一次可以被审计和追责。
• 数据治理有了明确清单：哪些空字段要先补齐，补齐一块，可信区间就收窄一块。
• 平台敢说「我不知道」，这比「什么都说有风险」更有价值。

---

我们不会告诉你「绝对准确」。我们是唯一敢把「哪部分不可信」标给你看的平台。

数据出处：a350_supplychain/a350_supply_chain.db、guodian_overseas_tower/data/*.json、 output/10-质量告警台账.csv（含 source_doc / source_page）。

案例口径说明：本案例基于完整规模的仿真数据集（电力海外基建 / 航空制造）编写，用于演示方法链路与输出形态，不代表任何企业真实经营数据。落地后第一件事就是把同一套输出换成客户自己的数据——数字会变，方法不用变。