Finanzas dice que los ingresos están inflados y encuentras filas duplicadas en la tabla de hechos. ¿Cómo lo investigas?

Establece primero el grano y luego cuantifica la duplicación: agrupa por la clave prevista y cuenta las filas por encima de una. Determina si los duplicados son idénticos (problema de carga) o difieren en alguna columna (una expansión de join o un duplicado en el origen). Retrocede capa por capa hasta el primer sitio donde aparece la duplicación, arregla en esa capa, reconstruye las particiones afectadas y añade una prueba de unicidad.

Primero escribo cuál se supone que es el grano, una fila por línea de pedido por ejemplo, y luego cuento las claves con más de una fila para saber si esto son doce filas o un doce por ciento. Después comparo unos cuantos conjuntos de duplicados lado a lado, porque eso te dice la causa casi de inmediato. Si las filas son idénticas byte a byte, es un problema de carga, normalmente un job reintentado que añade en lugar de reemplazar. Si difieren en una columna, es una expansión de join, que es lo que era la última vez que vi esto: una dimensión había pasado a tipo 2 y el join no filtraba a la versión vigente, así que cada fila de hechos casaba con tres filas históricas de dimensión y los ingresos se triplicaban para los clientes afectados. Lo arreglo en la capa donde aparece primero, no con un DISTINCT en el modelo final, porque eso esconde el problema y ralentiza todas las consultas. Luego una prueba de unicidad sobre el grano y una reconstrucción de las particiones afectadas para que finanzas reciba números corregidos.