4. 数据质量评价标准与框架
产品碳足迹（PCF）结果的可信度，本质上取决于支撑它的数据质量。同一款产品，用供应商实测能耗数据算出的碳足迹，与用行业数据库平均值估算的结果，可能相差数倍。因此，国际主流标准都把数据质量评价作为碳足迹研究的强制环节，而不是可选项。本节梳理三大标准对数据质量的具体要求，并介绍两种最常用的评价工具——数据质量矩阵与 DQI 评分法，最后给出一个可落地的评分示例。
三大标准对数据质量的共同逻辑与差异
ISO 14067 将数据质量要求嵌入生命周期评价框架，强调数据在时间、地理、技术三个维度的代表性，并要求对数据质量进行定性或定量评价，同时识别关键清单数据的不确定度。它不规定唯一的评分方法，但要求评价过程可追溯、可复核。
GHG Protocol 产品标准 更强调数据来源的层级划分：企业可直接计量的初级数据优先于数据库次级数据，并要求在报告中披露数据质量等级与改进计划。它对分配方法、边界设定中的数据质量影响也有专门讨论。
PAS 2050 作为最早的产品碳足迹规范之一，明确要求对数据质量进行评价并记录，提出了数据质量评价的定性准则，包括数据来源的可靠性、完整性、时间/地理/技术相关性等，并要求在碳足迹报告中说明数据质量限制。
三者的共同点是：都要求评价数据的时间代表性、地理代表性、技术代表性、完整性、可靠性；差异在于 ISO 14067 更偏框架性与不确定度衔接，GHG Protocol 更偏数据层级与披露，PAS 2050 更偏准则化记录。实践中，企业常以一套评分体系同时满足三者要求。
数据质量矩阵：用“来源×代表性”快速定位
数据质量矩阵是一种二维定性工具：一个维度是数据来源（实测、供应商提供、数据库、文献估算），另一个维度是代表性（时间、地理、技术是否匹配）。矩阵的每个格子对应一个质量等级，帮助研究者在收集数据阶段就判断“这个数据够不够用”。
例如，某电子企业核算一款电源适配器的碳足迹。其外壳注塑工序的电力消耗，若采用本厂近12个月电表实测数据，属于“实测+高代表性”，质量等级最高；若采用供应商提供的年度能耗分摊值，属于“供应商数据+中代表性”；若直接套用全国电网平均排放因子乘以行业平均电耗，则属于“数据库/估算+低代表性”，只能用于筛查，不宜用于对外披露。
DQI 评分法：把定性判断变成可比较的分数
DQI（Data Quality Indicator，数据质量指标）评分法将每个数据点的质量拆成若干指标分别打分，再加权汇总。常用指标包括：
- 来源可靠性：实测 > 供应商实测 > 数据库 > 文献估算；
- 时间相关性：数据年份与核算年份的差距；
- 地理相关性：数据所在国家/电网区域与产品实际生产地是否一致；
- 技术相关性：数据对应的工艺、设备、材料是否与产品一致；
- 完整性：是否覆盖该工序的全部输入输出。
每个指标通常采用 1～5 分制（1 分最优、5 分最差，或反之，须在报告中明确约定）。加权后得到该数据点的 DQI 总分，再按数据点在清单中的重要程度（如是否属于关键清单数据）决定是否需要替换或改进。
下面这张图展示了一个数据点从“来源识别”到“DQI 打分”再到“质量判定与处置”的评价链路，图中参数为教学示例假设值：
一个可执行的 DQI 评分示例
假设某塑料件注塑工序的电力消耗数据点，采用上述五项指标与权重（来源 0.3、时间 0.2、地理 0.2、技术 0.2、完整性 0.1），各指标打分分别为 1、1、2、2、2，则加权总分为 1.5，属于“优”，可直接用于对外披露。若同一产品的外壳材料碳排放采用某国际数据库的全球平均值，来源可靠性打 4 分、地理相关性打 4 分、技术相关性打 3 分，加权后可能达到 3.6，属于“差”，此时应优先向供应商索取实测数据，或在报告中说明该数据点为估算值并做敏感性分析。
需要强调的是，DQI 分值的绝对高低并不重要，重要的是同一项目内评分规则一致、可追溯。建议在项目启动时就把指标定义、分值方向（1 优还是 5 优）、权重、阈值写入方法学文件，避免不同核算人员对同一数据打出差异过大的分数。对于关键清单数据（通常指贡献超过总碳足迹一定比例或不确定性较大的数据点），应设置更严格的 DQI 门槛，例如要求 DQI ≤ 2 才能通过内部复核。
最后要提醒的是，标准要求的是“评价并记录”，而不是“必须达到某个分数”。即使数据质量不理想，只要评价过程透明、限制条件披露充分、改进路径清晰，碳足迹研究仍然可以成立。真正不可接受的是不评价、不披露，让读者误以为所有数据都同等可靠。