数据完整性基础：ALCOA+原则详解、数据生命周期管理、数据风险分类
各位好，我是老张。今天咱们聊数据完整性，这是审计追踪的根基。说白了，你审计追踪做得再花哨，如果源头数据本身就是脏的、假的、乱的，那一切都是白搭。
我见过太多项目，一上来就急着搭审计追踪系统，结果数据源头一塌糊涂。嗯，咱们先把地基打牢。
2.1 ALCOA+：数据完整性的黄金标准
ALCOA+ 不是某个公司发明的，而是全球监管机构（FDA、EMA、WHO）共同认可的数据质量框架。它定义了什么样的数据才算「完整」。
我个人习惯把 ALCOA+ 拆成两层：基础层和扩展层。基础层是底线，扩展层是加分项。
| 缩写 | 全称 | 中文含义 | 一句话解释 |
|---|---|---|---|
| A | Attributable | 可归属 | 谁干的？什么时候干的？ |
| L | Legible | 清晰可读 | 字迹/记录能看懂，永久保存 |
| C | Contemporaneous | 同步记录 | 操作的同时就记下来，别事后补 |
| O | Original | 原始记录 | 第一手数据，或者经过验证的副本 |
| A | Accurate | 准确无误 | 数据真实反映事实，无错误无篡改 |
| + | Complete | 完整 | 所有数据都在，包括元数据 |
| + | Consistent | 一致 | 时间戳、事件顺序逻辑自洽 |
| + | Enduring | 持久 | 记录介质可靠，能存够年限 |
| + | Available | 可获取 | 审计时能随时调出来 |
核心观点：ALCOA+ 不是选择题，而是必答题。审计追踪系统本质上就是用来保障「Attributable」和「Contemporaneous」这两个属性的技术手段。
举个例子。我在一个生物制药项目里遇到过这种情况：操作员在凌晨3点做了关键工艺参数调整，但系统日志显示记录时间是第二天上午9点。这就是典型的违反「同步记录」原则。为什么？因为操作员当时忘了，第二天上班才补录。这种数据，审计官一看就会给观察项。
2.2 数据生命周期管理：从生到死
数据跟人一样，有生命周期。你不能只管它「出生」那一刻，后面就不管了。我建议把数据生命周期分成四个阶段来看：
- 创建/采集：数据怎么来的？手动录入？仪器自动采集？还是第三方系统接口？
- 处理/存储：数据存哪儿？数据库？文件服务器？云？有没有备份？
- 使用/流转：谁在用？审批流程怎么走？数据怎么在不同系统间传递？
- 归档/销毁：保存期多久？到期后是归档还是彻底删除？
每个阶段都有坑。我曾经见过一个项目，数据采集阶段做得很好，但存储阶段出了问题——数据库硬盘坏了，而且没有备份。结果？所有数据全丢了。这就是生命周期管理没做到位。
我的经验：做数据生命周期管理，一定要画一张「数据流图」。把数据从产生到销毁的每一步都画出来，然后针对每个节点问自己三个问题：谁负责？怎么保证完整性？出了事怎么追溯？
下面这张图是我常用的数据生命周期框架，你可以参考一下：
2.3 数据风险分类：知道哪些数据最要命
不是所有数据都值得花同样的精力去保护。你想想看，一个批生产记录和一个员工考勤记录，重要性能一样吗？
我习惯把数据风险分成三类：
- 关键数据（Critical Data）：直接影响产品质量、患者安全或法规符合性的数据。比如：批生产记录、检验数据、环境监测数据、设备校准记录。
- 重要数据（Important Data）：对业务运营有较大影响，但不会直接导致患者风险。比如：设备维护记录、培训记录、供应商审计报告。
- 一般数据（General Data）：日常运营数据，丢失或出错影响有限。比如：内部会议纪要、非GMP相关的行政记录。
注意：审计追踪系统应该优先覆盖「关键数据」和「重要数据」。一般数据可以简化处理，甚至不做审计追踪。别把资源浪费在不重要的地方。
我曾经帮一家药企做差距分析，发现他们把大量精力花在了给门禁系统做审计追踪上，而核心的实验室数据管理系统反而没有启用审计追踪功能。这就是典型的「捡了芝麻丢了西瓜」。做风险分类，就是为了避免这种本末倒置。
最后说一句：数据完整性不是IT部门的事，也不是质量部门的事，而是所有人的事。ALCOA+ 原则、生命周期管理、风险分类，这三样东西你吃透了，后面搭建审计追踪系统的时候，思路会清晰很多。