4. 数据管理计划与FAIR原则
在可重复分析流程中，数据管理计划（Data Management Plan，DMP）不是项目申报时一次性填写的行政表格，而是对“数据在整个生命周期中如何被产生、描述、存储、共享与保存”的前置设计。它回答的核心问题是：当项目结束、人员离开、审稿人索要原始数据时，数据是否仍然可被找到、打开、理解并复算。FAIR原则（Findable、Accessible、Interoperable、Reusable）则为DMP提供了可检验的质量标尺——DMP是“计划”，FAIR是“目标与验收条件”。
DMP应写清的四类要素
一份可执行的DMP，至少要把以下四类信息落到具体、可核查的层面，而不是停留在“将妥善保存数据”这类表述上。
- 数据对象与来源：列出项目将产生的数据类别（如原始测序数据、仪器导出文件、问卷原始表、处理后的分析表、代码与中间结果），说明每类的产生方式、格式、预估体量与责任人。
- 元数据与文档：规定每个数据集必须附带的最小描述字段，例如采集时间、仪器型号与参数、样本编号规则、变量含义、单位、缺失值编码、处理脚本版本。
- 存储、备份与访问控制：明确工作副本、备份副本、归档副本分别存放在哪里，备份频率与保留代数，谁有读写权限，敏感数据如何脱敏或分级授权。
- 共享、保存与处置：说明哪些数据可公开、通过什么渠道发布、采用何种许可协议、保存期限多长、项目结束后由谁维护。
以一项“城市绿地与居民睡眠质量”的观察性研究为例，其DMP可写成可核查的条目：原始问卷以CSV保存，编码表单独维护；可穿戴设备导出文件保留原始格式并另存一份解析后的CSV；样本编号采用“站点-受试者-日期”三段式；所有清洗与建模脚本纳入Git仓库并打版本标签；去标识化后的分析数据存入机构数据仓库，附README与变量字典，采用CC BY 4.0许可；含个人身份信息的原始表加密保存5年后销毁。这样的描述才具备执行与审计价值。
用FAIR原则检验DMP
FAIR的四个维度各有明确的落地动作，可直接转化为DMP中的检查项。
可发现（Findable）要求数据与元数据拥有全局唯一且持久的标识符（如DOI），并被登记到可检索的目录或仓库中，元数据要包含足够的关键词与字段，使他人无需询问作者即可检索到。DMP中应写明：数据集将获得何种标识符、发布到哪个仓库、元数据遵循哪套标准（如DataCite、Dublin Core）。
可访问（Accessible）强调“知道如何获取”，而非“无条件公开”。数据应通过标准协议（如HTTPS、仓库API）访问，认证与授权规则要明确写清；即使数据因隐私或专利需受控访问，也应公开元数据并说明申请流程。DMP中应区分公开层、受控层与不可共享层，并写明各自的获取方式。
可互操作（Interoperable）要求数据使用社区认可的格式与词汇表，变量命名、单位、分类编码尽量对齐领域标准，以便与其他数据集合并或对接工具链。DMP中应指定首选格式（如表格用CSV而非专有二进制格式）、受控词表与本体、以及必要的格式转换步骤。
可重用（Reusable）要求数据有清晰的来源、许可、详细文档与质量说明，使他人能在新问题中复用。DMP中应写明许可协议、版本策略、引用方式，以及配套的代码、环境说明与处理流程文档。
数据生命周期与DMP的对应关系
DMP应覆盖从计划、采集、处理、分析、共享到保存或销毁的完整链条，并在每个阶段明确“谁在什么时点做什么、产出什么、如何验证”。下图把DMP的关键控制点与FAIR目标对应起来，便于在项目启动时逐项核对。
把DMP写成可执行的检查表
为避免DMP沦为口号，可将其转化为项目启动会与阶段评审时逐项打勾的检查表。以下示例针对前述绿地与睡眠研究，字段可按实际项目调整。
| 检查项 | 具体要求（示例） | 对应FAIR | 验证方式 |
|---|---|---|---|
| 标识符 | 发布数据集申请DOI，元数据登记至机构仓库 | F | 仓库页面可检索到记录 |
| 访问分级 | 去标识化分析表公开；含身份信息原始表受控访问，申请需伦理审批 | A | 按申请流程试走一遍 |
| 格式与词表 | 表格统一CSV，UTF-8编码；睡眠分期采用领域标准分类 | I | 用脚本读取并校验字段 |
| 文档完整性 | 每个数据集附README、变量字典、采集参数表 | R | 同行仅凭文档复算一个指标 |
| 版本与溯源 | 清洗与建模脚本打Git标签，记录运行环境 | R | 从原始数据重跑得到相同结果 |
| 保存与处置 | 归档副本保存5年，到期经审批销毁 | A/R | 核对保存期限与审批记录 |
常见误区与修正
实践中，DMP最常出现三类问题。其一是“只写存储不写语义”，即说明了数据放在哪块硬盘，却没有说明字段含义与单位，导致数据虽在却不可理解，直接损害可重用性。修正方法是在采集阶段就同步维护变量字典，并把它作为交付物而非附属品。其二是“把可访问等同于全部公开”，忽视了隐私、伦理与商业约束，结果要么违规公开，要么以保密为由完全不共享。正确做法是分层设计：元数据公开、受控数据说明申请路径、确不可共享的部分写明理由与期限。其三是“计划与执行脱节”，申报时的DMP与实际操作两套做法。修正方法是将DMP条目嵌入日常流程，例如在数据入库脚本中强制检查必填元数据字段，在项目里程碑评审时核对检查表，使计划成为流程的一部分而非存档文件。
归根结底，DMP的价值在于把“将来别人能否用这份数据”这一模糊担忧，拆解为标识符、访问规则、格式词表、文档与许可等可操作、可验证的具体安排；FAIR则提供了衡量这些安排是否到位的共同语言。二者结合，数据生命周期中的每个阶段都有了明确的控制点与验收标准，可重复分析才有了可靠的数据基础。