3. 消耗量数据来源

消耗量数据是计价优化的核心资产。不同来源的定额数据在颗粒度、时效性、适用场景上存在显著差异。本章聚焦四类数据源的采集策略与清洗方法，帮助你在选型对比前建立高质量的数据底座。

3.1 四类数据源的特征对比

在开始采集前，必须明确每类数据源的定位与局限。下表从五个关键维度进行横向对比：

3.2 数据采集流程与关键节点

采集工作遵循“来源识别 → 格式转换 → 字段映射 → 异常标记”四步法。以下流程图展示了完整的采集链路：

3.3 数据清洗的六大核心规则

原始数据中普遍存在缺失、重复、异常、格式不一致等问题。以下是经过实战验证的清洗规则：

1. 编码统一： 将不同来源的定额编号映射到统一编码体系（如GB/T 50500编码规则），避免“同项异码”。
2. 单位归一： 消耗量单位必须统一（如“t”与“kg”、“m³”与“L”），采用标准计量单位表进行自动转换。
3. 异常值截断： 对超出3σ（标准差）范围的消耗量数据进行标记，不直接删除，留待人工复核。
4. 时间戳对齐： 历史项目数据需按价格指数调整至基准年，消除通货膨胀影响。
5. 缺失值填充： 优先使用同企业、同工序的均值填充；若无，则取行业定额对应值。
6. 重复项去重： 基于“定额编号 + 项目特征 + 单位”三字段联合去重，保留最新版本。

3.4 数据清洗前后的质量对比

以下案例展示了某中型施工企业2023年历史项目数据的清洗效果：

3.5 数据源选型决策矩阵

在计价优化实战中，不同场景对数据源的需求权重不同。以下矩阵帮助你快速决策：

3.6 实战案例：某住宅项目消耗量数据清洗

以某框剪结构住宅项目为例，原始数据包含3类来源：行业定额（土建）、企业定额（装饰）、历史项目数据（安装）。清洗过程中发现以下典型问题：

• 编码冲突： 行业定额中“现浇混凝土梁”编码为010403002，企业定额中同一项编码为QY-4-3-2，映射后统一为GB-010403002。
• 单位不一致： 历史数据中钢筋消耗量以“根”记录，需按每根理论重量换算为“t”，换算系数为0.00617×直径²×长度。
• 异常值处理： 某批次混凝土消耗量数据出现0.32m³/m³（正常范围0.95~1.05），经核实为录入时小数点错误，修正为1.03m³/m³。