数据迟到后，AI 问数的历史答案会不会改？

星期一查询上周销售额是 1000 万元，星期三再查变成了 1020 万元。

系统出错了吗？

不一定。可能是离线门店数据、渠道结算、退款或跨日订单在之后才到达，被回填到上周的业务日期。

AI 问数必须向用户说明：历史数字是否会随迟到数据更新。

事件时间不等于处理时间

一条数据至少可能有：

• •事件时间：业务真正发生的时间；
• •上报时间：设备或业务系统发出数据的时间；
• •接入时间：数据进入平台的时间；
• •处理时间：数据被清洗、建模或聚合的时间。

门店在 8 月 1 日发生的销售，可能因网络中断到 8 月 3 日才上传。经营分析通常应将它归入 8 月 1 日，而数据运维则还需要知道它是 8 月 3 日才到达的。

数据未到齐时不应假装完整

对当日、当周和当月数据，系统应记录：

• •预期数据源数量；
• •已到达数据源数量；
• •最后刷新时间；
• •与平时相比的延迟情况；
• •当前数字是初步值还是已结算值。

如果华南区的数据还没有到齐，AI 应该在答案中提示，不应把下降直接解释为业务异常。

回填后哪些结果需要重算

迟到数据可能影响：

• •日、周、月汇总；
• •同比和环比；
• •排名、占比和异常检测；
• •缓存的 AI 问答结果；
• •已生成的日报、周报和告警。

因此需要设计回填窗口，例如每次重算最近 7 天，或根据变更的业务日期精准失效聚合和缓存。

Databricks Auto Loader 通过检查点记录已处理文件，支持增量接入新到达的数据。但数据进入后，业务聚合和快照如何更新，仍需要企业定义。

快照和最新值要分开

管理者可能需要两种答案：

• •最新重述值：包含目前已知的所有回填数据；
• •当时快照：保留当天做决策时所看到的数字。

前者用于最终经营复盘，后者用于追溯“当时为什么做出这个决策”。Snowflake Time Travel 提供查询过去数据状态的能力，但企业仍应明确需要保留哪些业务快照。

结论

迟到数据会让历史答案发生变化，这不一定是错误。真正的问题是：系统是否告诉用户数据何时到齐、何时重算，以及本次看到的是最新重述值还是历史快照。

只有同时管理事件时间、处理时间、数据完整度和回填策略，AI 问数才能对“为什么昨天和今天的历史数不一样”给出可信解释。

参考来源

• •Databricks：What is Auto Loader?
• •Snowflake：Understanding & using Time Travel