Data quality 的核心概念是「證據資料本身的完整度、新鮮度與限制」。它連接 evidence package、sampling 與 known gap，讓下游知道這份 evidence 能支持到哪個判斷範圍。

概念位置

Data quality 位在 metrics、trace 與 incident decision log 之間。Metric、log、trace、audit log 都可能有延遲、抽樣、drop、masking 或 schema drift，這些限制要跟證據一起交接。

可觀察訊號

系統需要 data quality 的訊號是：

• trace sampling 讓某些 request path 無法完整重建
• log pipeline 有 ingest delay 或 drop
• query 只跑 primary、replica 或部分 tenant
• dashboard 結論需要標示 freshness 或 completeness 限制

接近真實網路服務的例子

資料庫 migration 的 evidence package 可以標示 primary only; replica lag still recovering，表示 validation query 可信，但 replica 讀取路徑還不能用同一份 evidence 直接放行。

設計責任

Data quality 要標示 completeness、freshness、sampling、masking、retention 與 owner。它要支援 confidence 判讀，避免 release gate 或 incident decision log 把有限資料誤當成完整事實。