3. 基础数据来源与采集

编制营养成分表时，最先遇到的并不是计算，而是“每个数值从哪里来”。同一份配方里，面粉的蛋白质可能来自数据库，食用油的数据来自供应商规格书，复配添加剂的数据来自检测报告，而某个新原料只能查到文献值。如果对这些来源不加区分地混用，最终表格看似完整，实际却可能在同一张表里混入了不同基准、不同检测方法甚至不同定义的数据。因此，本节要解决的核心问题是：面对多种可获取的数据来源，如何判断其可信度、适用性，并确定使用顺序。

四类数据来源的性质差异

原料成分数据库是最常用的基础来源，例如《中国食物成分表》及各类标准化数据库。它的优势是覆盖面广、查询快、格式统一，通常以每100克可食部给出能量、蛋白质、脂肪、碳水化合物、钠等指标。但数据库条目往往对应“通用原料”，未必与采购的具体规格一致。例如数据库中的“小麦粉”可能是标准粉，而实际使用的是高筋粉或专用粉，蛋白质含量会明显不同。因此数据库适合作为缺省值和交叉校验值，不宜不加判断地直接套用到特定原料上。

检测报告是针对特定批次样品的实测结果，可信度最高，尤其适用于营养标签声称、法规符合性判定以及争议数据的确认。但检测报告有明确的适用范围：它只代表送检样品和该批次，且报告中必须关注检测方法、检测限、结果单位与判定依据。若报告只给出“蛋白质（干基）”而未给出水分，就不能直接填入以湿基计的营养成分表。

供应商数据包括产品规格书、COA（检验报告单）、技术数据表和产品说明书。它的优势是贴近实际采购物料，能反映规格范围。但供应商数据常以“典型值”“最小值”“最大值”或区间形式给出，且不同供应商的检测口径可能不同。使用时需要判断其是保证值还是典型值，并注意是否与收货检验结果一致。

文献数据适用于数据库未收录、又暂时无法检测的原料，例如某些地方特色原料、新食品原料或进口配料。文献值的问题在于样品来源、加工方式、检测方法与本地实际物料可能差异较大，因此只能作为临时估算或补充参考，并应在报告中注明来源与假设。

选用原则：先看适用性，再排优先级

优先级不是简单的“检测报告永远第一”。正确的判断顺序是先确认适用性，再比较可信度。适用性包含四个维度：物料是否一致（品种、规格、加工状态）、指标定义是否一致（如碳水化合物是“减法”还是“加法”）、计量基准是否一致（湿基还是干基、每100克还是每份）、检测方法是否可比。只有在这四项都对齐的前提下，检测报告才真正优于供应商数据和数据库。

在多数编制场景中，可以采用如下默认顺序：本批次检测报告 → 供应商规格书/COA → 权威原料成分数据库 → 文献数据。但这个顺序需要按用途调整。若用于营养标签的强制标示值确定，应优先采用有资质实验室的检测报告；若用于配方设计阶段的快速估算，数据库和供应商典型值即可满足；若某原料存在法规限量或营养声称，则必须回到检测报告确认。

实际采集中的操作要点

以一个示例配方说明：某谷物棒使用燕麦片、麦芽糖醇、大豆分离蛋白、植物油和食用盐。假设燕麦片有供应商规格书，标注蛋白质典型值13.5g/100g、脂肪7.0g/100g；大豆分离蛋白有第三方检测报告，蛋白质（干基）90.2%、水分6.0%；麦芽糖醇仅有数据库条目；食用盐按纯氯化钠折算钠。此时不能把“干基90.2%”直接填入湿基表，应先换算：湿基蛋白质 ≈ 90.2% × (1 − 6.0%) ≈ 84.8g/100g。这一步换算若遗漏，整张表的蛋白质合计会系统性偏高。

采集时还应建立来源记录，至少记录：原料名称与规格、数据来源类型、来源名称或报告编号、数据对应的批次或版本、指标单位与基准、采用值或取值规则。对于区间数据，应明确取典型值、中值还是保守值，并保持全表一致。例如供应商给出脂肪6.5%～8.0%，若用于能量计算，取中值7.25%较合理；若用于“低脂”声称判断，则应取上限做保守评估。

常见误区与判断依据

第一个误区是把数据库值当作“标准答案”。数据库条目通常对应特定品种和加工精度，直接套用到高筋粉、全麦粉或预糊化淀粉上会产生偏差。第二个误区是忽视供应商数据的“保证值”性质，把最小值当作典型值使用，导致能量和蛋白质被低估。第三个误区是文献数据不加标注地混入正式表格，使结果无法追溯。判断一份数据能否采用，最实用的依据是：它能否回答“这个数值对应哪批物料、哪种基准、哪种方法”。三个问题都能回答，数据基本可用；有一个回答不了，就应降级使用或补充验证。

最后需要强调，数据来源管理不是一次性工作。原料供应商变更、配方调整或标准更新后，原有数据可能失效。建议在编制流程中设置复核节点：新原料入库时核对规格书与数据库差异，换供应商时重新确认关键指标，年度复核时抽查检测报告与标签值的一致性。这样才能保证营养成分表不仅“算得出来”，而且“经得起核对”。