4. 匹配前的数据准备

把产品清单直接丢进排放因子数据库去匹配，几乎必然得到大量“匹配失败”或“错误匹配”。原因往往不在数据库，而在清单本身：同一产品在不同工厂、不同表格里可能写成“铝合金型材 6063”“铝型材6063”“AL-6063”，单位可能混用“t”“kg”“吨”，分类可能按企业内部习惯而非行业口径。匹配前的数据准备，本质上是把一份“人能看懂但机器难对齐”的清单，转换成“字段规范、口径统一、属性可检索”的结构化输入。本节围绕清洗、标准化、关键属性提取三个动作展开，并给出可直接套用的处理流程与字段设计。

一、先明确目标：为匹配服务的“最小可用清单”

数据准备不是把表格做得漂亮，而是让每一行产品都具备可匹配的“身份信息”。一个适合匹配的产品清单，至少应包含四类字段：产品标识（名称、规格型号）、数量与单位（活动数据）、分类归属（行业/产品大类）、关键属性（材质、工艺、牌号、尺寸、用途等决定因子取值差异的特征）。缺少关键属性时，即使名称匹配成功，也可能选到错误的因子——例如同为“钢材”，粗钢、热轧板、冷轧板的排放因子差异显著。

因此建议在清洗前先定义目标字段结构，再反向检查原始清单缺什么。下面是一个可直接参考的字段模板（示例，字段可按行业裁剪）：

二、数据清洗：处理“脏、缺、重、混”

清洗阶段重点解决四类问题。脏：名称含多余空格、全半角混用、特殊符号（如“★”“（新）”）、不可见字符；数值列混入“约”“≈”“1,200”等文本。缺：单位缺失、规格为空、数量为空白或“—”。重：同一产品因录入批次不同重复出现，需按“名称+规格+单位”去重并合并数量。混：一行内塞入多个产品，或名称与规格写在同一单元格（如“铝型材6063 6米”）。

实际操作中，可先用表格工具的“分列”把“名称+规格”拆开，再用公式统一去空格与全角转半角；数值列统一去除千分位后转为数字类型。对缺失单位的数据，不能默认按“吨”处理，应回到采购台账或物料主数据核对，无法核实的单独标记为“待确认”，避免污染后续匹配。清洗完成后应保留一份原始备份，所有修改可追溯。

三、标准化：单位、命名、分类三条线

单位标准化是匹配正确性的前提。排放因子通常以“kgCO₂e/kg”“kgCO₂e/t”“kgCO₂e/kWh”等单位给出，清单数量必须换算到与因子一致的口径。建议在清单中固定一个基准单位（如质量类统一为 kg，能源类统一为 kWh），并保留原始单位列以便复核。换算时注意“吨”有公吨与短吨之别，电力需区分“kWh”与“MWh”，避免数量级错误。

命名标准化的核心是建立“标准名 + 别名”的映射。做法是先对清单中的名称做词频统计，把高频写法归并为一个标准名，其余写法登记为别名。例如把“铝型材”“铝合金型材”“铝挤型材”统一为“铝合金型材”，把牌号“6063”“6063-T5”规范为“6063-T5”。命名规则建议遵循“材质+形态+用途”的结构，避免使用企业内部简称作为标准名。

分类标准化用于缩小匹配范围。可参照国民经济行业分类或数据库自带的分类体系，为每行产品打上大类代码。分类不必过细，但必须与数据库的检索维度对齐，否则会出现“分类正确但检索不到”的情况。

四、关键属性提取：决定因子取值差异的特征

关键属性是“同一标准名下仍需区分”的特征。提取方法是从产品名称、规格、工艺描述中识别对排放因子影响最大的维度。以铝合金型材为例，牌号（6063/6061）、表面处理（阳极氧化/粉末喷涂）、是否含再生铝，都会影响因子选择；以电力为例，电压等级、是否绿电、区域电网，都会影响因子。提取时应遵循“少而准”：属性过多会增加匹配难度，过少则无法区分。

可把属性分为“硬属性”和“软属性”：硬属性是必须精确匹配的（如牌号、电压等级），软属性是可用于近似匹配的（如用途、颜色）。在清单中为每个属性单独设列，避免全部塞进名称字段。对于无法从现有数据提取的属性，应标注“未知”并进入人工复核队列，而不是随意填充默认值。

五、一个可复用的处理示例

假设原始清单中有一行“铝型材6063 6米 1.2吨”。处理过程如下：先拆分出名称“铝型材”、规格“6063”、长度“6米”、数量“1.2”、单位“吨”；名称经别名表映射为“铝合金型材”，规格规范为“6063-T5”；单位换算为 kg，数量变为 1200；从工艺描述中提取“挤压”作为工艺属性，表面处理若台账未记录则标“未知”。最终得到一行结构清晰的记录，进入匹配环节时，数据库可按“铝合金型材 + 6063-T5 + 挤压”检索，命中率与准确率都会明显提高。

需要强调的是，清洗、标准化、属性提取三步并非严格串行：属性提取中发现的新别名应回填到对照表，标准化中发现的单位异常应回到清洗环节修正。把这三步做成可重复执行的规则集，而不是一次性手工整理，才能支撑后续多批次清单的持续匹配。