从空白画布到跑通：数据处理型 workflow 实操范例
用一条读取、清洗、整理、复核、交付的数据流演示数据处理型 workflow。
这一页用一个很常见的任务来演示：
“读取一份表格或数据清单，做清洗整理，输出成可复核的结果包。”
第一步，先想清楚你是在处理什么数据
最少先定下来：
- 数据来自哪里；
- 想保留哪些字段；
- 需要清洗什么问题；
- 最终是给人看，还是要写回外部系统。
第二步，主干要把读取、变换、交付拆开
推荐主干：
- Goal / brief
- Read capability，或表格 / 文档读取能力
- Data operation
- Review
- Delivery
如果后面要写回表格或外部系统，再加：
- Approval
- Write / sync capability
第三步，Data operation 不要偷懒
数据处理型 workflow 最值钱的地方，往往就在 Data operation。
它至少应该帮你完成其中几件事：
- 统一字段名
- 清理空值
- 去重
- 重组结构
- 为下游生成稳定输出
第四步，第一轮只跑小样本
第一次不要直接吃整批数据。
先用小样本确认：
- 读得进来；
- 变得出来；
- review 看得懂；
- delivery 接得住。
第五步，第一次跑通的合格标准
- 输入和输出字段明确；
- 清洗逻辑能被复现，不是临场手工处理；
- review 能看出结果值不值得继续；
- 如需写回，审批位置正确。
这条实操里最容易踩的坑
| 坑 | 为什么会发生 | 怎么避开 |
|---|---|---|
| 读取后直接交付 | 以为原始表就能直接给下游 | 中间加 data operation |
| 一边清洗一边写回 | 排错时根本不知道哪一步出问题 | 把 transform 和 write 拆开 |
| 第一次就上全量数据 | 失败后很难复盘 | 先跑小样本 |
| 外部写回前没审批 | 容易把脏结果写出去 | 写回前加 approval |
一条最稳的试跑建议
- 先读取；
- 再清洗；
- 再 review；
- 最后才写回或交付。
顺序越清楚，排错越快。