4. 数据质量评估与缺口优先级排序

识别出数据缺口只是第一步。一个组织在盘查边界内往往同时存在十几甚至几十个缺口：有的来自供应商未提供排放因子，有的来自活动数据只有年度总量而缺少月度拆分，有的来自同一物料在不同工厂使用了不同计量口径。资源有限时，不可能同时补齐所有缺口，必须回答两个问题：这个缺口的数据质量到底差在哪里，以及它值不值得优先投入资源去补。本节围绕数据质量四维指标、缺口影响程度与发生概率评估、优先级矩阵三部分展开。

一、数据质量四维指标：把“质量差”拆成可判断的维度

笼统地说“数据质量不好”无法指导行动。碳盘查中通常从四个维度刻画数据质量，每个维度对应不同的缺陷类型和不同的补救手段。

准确性关注数值与真实值的偏离程度。例如某工厂天然气用量以“万元产值折算”估算，而非读取燃气表，则准确性存疑；又如排放因子引用了十年前的国家缺省值，而该区域电网结构已显著变化。准确性问题通常需要实测、重新取数或更新因子来解决。

完整性关注数据是否覆盖了应覆盖的范围与期间。典型表现是：某子公司只上报了用电量未上报蒸汽用量；或全年12个月中缺失2个月数据；或范围三某类别仅覆盖主要供应商。完整性问题需要补录、追溯或明确标注覆盖比例。

代表性关注数据是否真实反映被盘查对象的时空与业务特征。用集团平均排放因子代替某高温工艺车间的实际因子、用试点产线数据外推到全部产线，都属于代表性不足。代表性问题往往需要分层取样或按工艺细分。

一致性关注同一指标在不同期间、不同部门、不同系统之间是否采用统一口径。例如去年按采购量、今年按入库量统计原材料；财务系统与能源管理系统对同一电费的口径不一致。一致性问题需要通过口径对齐和台账规范解决。

二、缺口影响程度与发生概率评估

数据质量维度回答“差在哪”，影响程度回答“差得有多要紧”。影响程度应从两个方向衡量：一是排放量占比，即该数据项对应的排放量占总排放量的比例；二是敏感度，即该参数变动一定幅度时总排放结果的变化幅度。前者是静态权重，后者反映杠杆效应。例如某类制冷剂逸散量占比虽只有3%，但其GWP值高达数千，泄漏率估算偏差10%就可能带来总排放2%以上的波动，敏感度很高。

发生概率则回答“这个缺口导致错误结果的可能性有多大”。可从数据来源可靠性、历史差错记录、计量设备状态、供应商配合度等方面判断。例如：依赖人工抄表的电表数据，抄错概率中等；而依赖单一供应商口头提供的运输里程，缺失或失真的概率较高。

实操中可采用三级评分：影响程度分为高（3）、中（2）、低（1），发生概率同样分为高（3）、中（2）、低（1），两者相乘得到风险分值（1～9）。评分应基于可核查的依据，例如排放量占比来自初步汇总表，概率判断来自历史台账或访谈记录，而非主观印象。

三、优先级矩阵的应用

将影响程度作为纵轴、发生概率作为横轴，可构成3×3优先级矩阵。风险分值7～9落入“优先处理”区，4～6落入“计划处理”区，1～3落入“监控观察”区。矩阵的价值不在于给出绝对排序，而在于把有限的盘点资源导向“高影响、高概率”的缺口，同时对“高影响、低概率”的缺口设置监控措施而非立即投入。

以上图为例（示例为合理假设的评分结果）：缺口A“外购蒸汽无计量”影响程度高（蒸汽占总排放约18%）、发生概率高（无表计、依赖供应商账单估算），评分9分，进入优先处理区，应立即推动安装计量表或签订带计量条款的供汽合同。缺口B“电网因子沿用旧值”影响程度高但发生概率中（因子更新有公开渠道，只是未及时跟进），评分6分，列入计划处理，在下一季度更新因子即可。缺口D“办公用电月度拆分缺失”影响程度低、概率中，评分3分，只需在台账中标注并按年度总量核算，不必投入额外资源。

四、从评分到行动：形成可执行的缺口台账

矩阵评分的最终产出应是一份可跟踪的缺口台账，至少包含：缺口编号、涉及数据项、主质量维度、影响程度评分及依据、发生概率评分及依据、风险分值、处理策略（补测/换源/口径对齐/标注说明）、责任人、计划完成时间。处理策略必须与质量维度对应：准确性问题优先换源或实测，完整性问题优先补录，代表性问题优先分层取样，一致性问题优先统一口径。若某缺口短期无法补齐，应在报告中披露其影响量级与不确定性区间，而不是简单删除。

完成优先级排序后，盘查团队应能明确回答：哪些缺口在本期必须补齐、哪些可以带着不确定性披露、哪些只需持续监控。这份排序结果同时是后续不确定度量化工作的输入——优先处理区的缺口，正是需要重点估计其不确定度贡献的对象。