想问一下有没有大佬知道，因为ods层数据变更导致计算出的每日统计不对，这个问题有没有解决方案

当ODS层数据变更导致计算出的每日统计不正确时，可能有以下几个原因：

1. ODS层数据变更导致逻辑出现错误，导致每日统计不正确；
2. 数据在数据管控中被重跑，导致每日统计维度发生变化或出现重复数据；
3. 在计算每日统计的过程中，使用的SQL或算法出现了问题，导致统计数据不正确。

针对这些问题，可以根据具体的情况采取相应的解决方案：

1. 定位 ODS 层数据变更导致的问题，检查ODS层的数据是否正确。可以通过使用数据开发平台 DataWorks 自带的 O&M Center 进行排查。
2. 对于在数据管控中被重跑导致数据变化的情况，可以使用去重算法进行处理，避免数据的维度出现变化或重复出现。
3. 针对使用不当导致的问题，可以通过对计算 SQL 或算法进行修改和优化，改善统计过程中出现的问题。如果需要快速有效地修复问题，可以使用 DataWorks 提供的数据修复功能，将出现错误的数据进行删除或转移。

此外，为了避免 ODS 层数据变更对每日统计造成的影响，可以在建立数据模型时设置数据血缘，记录数据来源和变更情况，及时更新 ETL 流程，确保数据质量和可靠性。同时，可以使用阿里云提供的数据质量中心 DataQuality，通过事项、标准和规范等方式，对整个数据生命周期的数据质量进行全方位把控和管理，确保数据质量水平。

如果您的 ODS 层数据变更导致计算出的每日统计不正确，可以考虑以下几个方面：

确认数据变更的原因：首先需要确定数据变更的原因，是因为数据源的数据发生了变化，还是因为计算逻辑的问题导致的。如果是因为数据源的数据发生了变化，需要及时更新计算逻辑以适应新的数据源；如果是因为计算逻辑的问题，需要检查计算逻辑是否正确，并及时修复。

数据质量监控：建立数据质量监控体系，及时发现数据质量问题，包括数据源的数据变化、数据异常等，从而及时采取措施进行修复。

数据版本管理：建立数据版本管理机制，对数据进行版本管理，记录每次数据变更的情况，从而可以及时发现数据变更对计算结果的影响，并进行相应的处理。

数据重构：如果数据变更导致计算结果不正确，可以考虑对数据进行重构，重新设计计算逻辑，以适应新的数据源和业务需求。

需要注意的是，以上方案需要根据具体情况进行选择和实施，建议您根据实际情况进行分析和处理。同时，建议建立完善的数据管理和质量监控机制，确保数据的准确性和稳定性。

检查ODS层数据变更的原因，以及对应的计算逻辑是否正确。如果数据变更导致计算结果不正确，您可以尝试重新设计计算逻辑，或者对数据进行清洗和处理，以确保计算结果的准确性。

先确认 ODS 层数据变更的原因。如果 ODS 层数据发生了变更，可能会导致计算出的每日统计不准确。您可以查看数据变更的日志记录，了解变更的内容和原因。

如果统计口径需要退到支付日期。 那这个数据是一个长期变化的值 特别是订单没有生命周期的情况下，A+B的方式非常复杂， 一种方式就是拉链 做统计的是时候过滤最新状态 一种方式是 直接在dws做全量日汇总的计算 牺牲点计算资源。在不是非常大的数据的情况下这种方式可以试试 ，如果仅仅是按自然日做支付和退款统计 可以直接分开计算 做A-B的方式此回答整理自钉群DataWorks交流群(答疑@机器人)