我们的AI人工智能，自动发布了一篇假新闻……

今天这个故事，还得从一个事故开始说起。
前些日子，我们被XX公司投诉，说我们的资讯发布了关于他们公司授信额度的不实报道：

告诉我们这篇资讯与他们公司最新公开披露的数据不一致，相关内容并不属实，可能对广大网友们造成严重误导，并对他们公司造成了严重负面影响……balabala一堆指责，并要求我们3小时内删除全部相关信息。
然后，他们丢了2篇公告附件过来。
我们对照着仔细一看，还真是我们搞错了：

由于数据错误，“数据没有明显变化”被报道成了负面舆情“授信减少99.99%”，这可是严重失误，赶紧先把资讯给人家删了再说。
然而，删完资讯后，我们的数据复盘工作才刚刚开始。
毕竟，错，也要错的明明白白。

01 溯源

那么，这篇带有错误数据的资讯到底是谁发布的呢？
经了解，原来，竟然是我们公司的AI智能应用，直接根据底层数据自动生成了实时资讯，并不是人为发布。
那也就是说，底层数据做错了。
公告里写得清清楚楚、明明白白，数据为什么会错，还错的这么离谱？
凡事皆有因。
先来看看我们记录公司授信数据的业务表T：

SELECT * 
FROM 表T
WHERE company = 'XX公司'
ORDER BY T.reportdate DESC;  --按报告期倒序排序

找到这家公司最近2条数据，大概是这样的（已脱敏）：

报告期	币种	授信金额（亿元）	来源公告代码
2024/9/30	人民币	0.1023	AAA
2024/6/30	人民币	1001	BBB

这……
数据整整差了约一万倍，很明显是单位亿元搞错成万元了嘛！
怎么搞的，这也能做错？
打开最新这条对应的来源公告看看是不是如我所想。
呵，看到公告内容，我笑了。
竟然和我们的底层数据一致，数据单位就是万元。

那投诉的附件公告又是怎么回事？
原来，是投诉的公司自己先发布了错误数据的公告，随后又发布了更正后的公告，将单位“万元”更新成了“亿元”，而我们虽然有上下期骤减的拦截程序，但仍然存在流程上的漏洞，导致数据未能及时更新。
再加上AI智能应用自动生成资讯的时效性又很高，在数据入库后第一时间就将错误资讯发布了出去。

嗯，总算搞清楚了原因。
流程方面的漏洞，有其他同事负责处理完善。
至于我，又要增加工作任务了。
需要好好排查下，业务表T还有没有同类错误 或者 其他明显错误。

02 取数断案

那么，从哪开始呢？
排查逻辑倒是有不少现成的，难道，全部来一遍？让我想想……
诶？等等。
好像有个捷径可以走。
我们手里刚好有某个competitor的同款数据表M，干脆来个全量对比。
两边一致的，多半数据就是对的，毕竟两家同时出错的概率极低；
至于两边不一致的，再来进一步确认下是否为错误数据。

长话短说，
此处省略至少三千字competitor与我方的数据结构的对比分析，以及基于各自不同数据规范的对比可行性分析。
总之，结论是，可比。

只是，我方表T只有合计数据，
而competitor的表M既有合计也有明细，混在一起：
当有的公司有多条明细时，会计算生成一条带有合计标记的记录；
而当有的公司只有一条明细时，不会生成带有合计标记的记录。
这对比起来可不太容易呢。
如果只取表M里带有合计标记的记录对比，后期进行不一致数据排查时势必会多出一些不必要的工作。
倒是也可以分别取出 表M里带有合计标记的记录、只有一条明细的公司记录，进行合并后，再与我方表T数据进行对比。
嗯，就是有点麻烦，再想想。

哈，有了~
那我把表M里 同一公司、同一报告期 金额数值最大的那条取出来，不就完整了吗？
说干就干。
另外，还需要注意的是，表M在数据写入后，若有数据更新、变动，一律只新增记录，而旧的记录会在<是否删除>字段中标记“是”。
因此，在取表M的数据时，需要把最新记录筛选出来：

 with 表M_DATA as
(SELECT * 
    FROM (SELECT DISTINCT M