AI产品经理，别急着删数据：真正要交付的是一套可回滚的清洗规则

AI项目中的数据清洗远非简单的表格整理，一条看似不规范的记录可能是关键业务信息。本文深入剖析清洗规则制定中的常见误区，提出用规则卡和保留清单确保数据价值不流失，帮助产品经理在AI项目中做出更明智的数据处理决策。 做AI项目时，产品经理经常会收到一句看起来很简单的任务： 这批数据有点脏，上线前先清洗一下。 技术同学开始跑脚本，空值补了，重复项删了，格式统一了。处理后的数据少了一大截，报表里的指标也变得很漂亮。 接入模型一测，效果没提升，原本能回答的问题反而答不上来了。 继续往下查，常见的情况是这样的：缺少标题的文档被当成无效数据删掉了，里面偏偏有一批业务人员整理的常见问题；相似问答被批量合并，不同产品版本的操作说明混成了一条；系统看到手机号和地址就整段过滤，顺手把客服处理这类问题时必须参考的业务规则也删了。 脚本执行得没毛病，数据确实更整齐了。 业务信息一起被洗没了。 这就是AI项目里的数

原文：人人产品经理