O financeiro diz que a receita está inflada e você encontra linhas duplicadas na tabela fato. Como você investiga?

Estabeleça a granularidade primeiro e depois quantifique a duplicação: agrupe pela chave pretendida e conte as linhas acima de um. Determine se as duplicatas são idênticas (problema de carga) ou diferem em alguma coluna (fan out de join ou duplicata na origem). Volte camada por camada até achar o primeiro lugar em que a duplicação aparece, corrija naquela camada, reconstrua as partições afetadas e adicione um teste de unicidade.

Primeiro eu escrevo qual deveria ser a granularidade, uma linha por item de pedido por exemplo, e depois conto as chaves com mais de uma linha para saber se isso é doze linhas ou doze por cento. Depois eu comparo alguns conjuntos de duplicatas lado a lado, porque isso quase sempre entrega a causa na hora. Se as linhas são idênticas byte a byte, é problema de carga, geralmente um job repetido fazendo append em vez de substituir. Se elas diferem em uma coluna, é fan out de join, que foi o que aconteceu da última vez que eu vi isso: uma dimensão tinha virado tipo 2 e o join não filtrava pela versão atual, então cada linha de fato casava com três linhas históricas da dimensão e a receita triplicava para os clientes afetados. Eu corrijo na camada em que aparece primeiro, não com um DISTINCT no modelo final, porque isso esconde o problema e deixa toda consulta mais lenta. Depois um teste de unicidade na granularidade e uma reconstrução das partições afetadas, para que o financeiro receba números corrigidos.