用途：在生产数据管道中实施数据质量校验，涵盖 Great Expectations、dbt 测试与数据契约，确保数据可靠。适用场景包括在管道中加入质量检查、设置 Great Expectations 校验、构建 dbt 测试套件、建立团队间数据契约、监控质量指标、在 CI/CD 中自动验证。
核心概念：数据质量维度含完整性、唯一性、有效性、准确性、一致性、时效性，分别对应如 expect_column_values_to_not_be_null、expect_column_values_to_be_unique、expect_column_values_to_be_in_set 等检查；数据测试金字塔分为结构（schema）、单列（单元）与跨表（集成）测试。
主要能力与用法：Great Expectations 提供安装与初始化命令 pip install great_expectations、great_expectations init、great_expectations datasource new，可创建 expectation suite 并运行 checkpoint；示例含订单套件，覆盖 schema、主外键、枚举值、数值范围、日期可解析、时效与行数、统计期望。Checkpoint 配置可存储校验结果、更新 Data Docs，并在失败时通过 SlackNotificationAction 通知；运行后检查 result.success，失败即抛错。dbt 测试通过 schema.yml 定义 unique、not_null、relationships、accepted_values 与 dbt_utils.recency、at_least_one、expression_is_true 等；可编写通用测试（如 row_count_in_range、sequential_values）与单例测试（如孤儿订单检查）。数据契约以 YAML 描述元数据、服务器、条款、schema、质量检查与 SLA，质量部分示例采用 SodaCL 语法。自动化管道可用 Python 类逐表校验、汇总失败项并生成报告，任一失败即让流程失败。
限制：资料未提供具体收费、价格、平台支持与效果数据；部分示例依赖 Snowflake、dbt_utils、Soda Core 等外部组件。