用途：面向建筑（施工）项目数据，按 DDC 方法论第 2.6 章对数据质量做综合评估。资料强调数据质量差会导致决策差，应尽早、频繁校验。
主要能力：以 DataQualityChecker 类为核心，提供五个检查维度——完整性（缺失值/必需列）、准确性（数值范围规则）、一致性（唯一列与跨字段关系）、及时性（按日期列与最大时效天数）、有效性（正则模式匹配）。支持 run_full_check 汇总各维度得分并给出总体得分与等级（A+ 至 F），以及生成文本质量报告、列出问题。另提供 ValidationRulesBuilder 构建自定义规则（非空、唯一、范围、正则、枚举、自定义函数），以及 DataQualityPipeline 自动化管道，按配置运行检查、记录历史并判断是否达到最低质量分阈值。
使用方式：以 pandas 读取施工数据（资料示例为 read_excel("bim_export.xlsx")）。可直接计算完整性、唯一 ID、体积有效性等简单指标；完整用法为实例化 DataQualityChecker(df)，依次调用各 check_ 方法或 run_full_check()，再调用 generate_report() 输出报告。也可用 ValidationRulesBuilder 链式添加规则后 validate(df)，或用 DataQualityPipeline(config) 调用 run(df, source_name)。必要命令与代码请保持资料原样。
适用场景：BIM 导出表、构件清单等施工数据的批量质量校验与入库前检查。
限制：资料仅给出 Pandas/NumPy 相关 Python 代码与方法示例，未提供安装命令、收费、平台、性能数据或具体阈值之外的要求；及时性检查依赖 Modified_Date 等日期列，缺失时会返回提示而非评分。
分类：数据与分析。