4. 数据收集与质量评估
产品碳足迹热点识别的结论是否可信，几乎完全取决于数据。一个常见的误区是：先建好模型、跑出结果，再回头补数据说明。正确的顺序恰恰相反——在开始收集之前，就要围绕“哪些环节可能成为热点”设计数据需求清单，并明确每一类数据的来源优先级与质量门槛。否则，模型会把大量精力花在对结果影响极小的次要环节上，而真正决定排放量级的核心工序却只有粗略的行业均值。
一、面向热点的数据需求清单怎么定
数据需求清单不是把所有投入品罗列一遍，而是按“对结果的潜在影响”分层。实践中可按三步筛选：
- 先画过程边界与物料/能量清单：列出全部输入（原材料、能源、辅料、运输）与输出（产品、副产物、直接排放）。这一步只求完整，不求精确。
- 用筛选法做初判：对每个清单项，用“数量 × 粗略排放因子”估算贡献，识别出累计贡献约 80% 的少数项，作为一级数据需求；其余为二级、三级。
- 为每项设定数据粒度要求：一级项要求现场实测或供应商特定数据，二级项允许区域平均值，三级项可用行业或数据库背景值。
以某款塑料外壳小家电为例（以下为教学示例假设）：整机碳足迹初判中，外壳注塑环节的聚丙烯用量约 0.8 kg，若采用通用数据库因子 1.9 kgCO₂e/kg，贡献约 1.52 kgCO₂e；而使用阶段按额定功率 30 W、每天 1 小时、寿命 3 年、区域电网因子 0.58 kgCO₂e/kWh 估算，约 19 kgCO₂e。显然使用阶段是一级热点，外壳材料是二级项。此时数据清单就应把电网因子、实际使用功率与使用时长列为高优先级，而不是花大力气去追查注塑机的具体型号。
二、数据来源的优先级
同一参数往往有多种来源，优先级应遵循“越贴近实际对象越优先”的原则：
- 现场实测与计量：电表、流量计、称重记录、在线监测，优先级最高，但需注意计量边界与时间覆盖。
- 供应商特定数据：供应商提供的产品碳足迹报告或材料声明，需核查其系统边界、分配方法和数据年份。
- 企业台账与采购记录：用于获取活动数据（用量、运输距离），通常可靠，但需与财务口径对齐。
- 区域/国家平均值与行业数据库：适合二级、三级项，作为背景数据。
- 文献与估算：仅作兜底，必须标注并纳入不确定性分析。
三、数据质量评分：让“好坏”可比较
质量评分的作用不是给数据贴标签，而是为后续不确定性量化和热点结论的稳健性判断提供依据。常用做法是按若干维度打分（如 1～5 分，5 分最优），再加权汇总。建议维度包括：
| 维度 | 关注点 | 低分典型情形 |
|---|---|---|
| 时间相关性 | 数据年份与核算期差距 | 用十年前因子核算当前产品 |
| 地理相关性 | 生产/使用地是否匹配 | 用他国电网因子替代本地 |
| 技术相关性 | 工艺、材料、设备是否同类 | 用行业平均工艺替代专有工艺 |
| 完整性 | 是否覆盖全部显著过程 | 遗漏上游原料或运输 |
| 来源可靠性 | 是否经核查、可追溯 | 无出处的文献估算值 |
加权时不必平均分配：对一级热点项，时间与技术相关性权重应更高；对背景数据，地理相关性更关键。评分结果可直接用于设定不确定性区间——例如综合质量 4 分以上的活动数据取 ±5%，3 分取 ±15%，2 分及以下取 ±30% 甚至更宽，并在报告中说明依据。
四、不确定性处理与热点结论的稳健性
不确定性处理有两个层次。第一是参数级：对关键参数给出分布假设（如正态、对数正态或均匀分布），用蒙特卡洛模拟传播到结果。第二是结论级：判断“某环节是热点”这一结论在参数波动下是否依然成立。
仍以上述小家电为例：使用阶段排放约 19 kgCO₂e，若电网因子在 0.45～0.70 kgCO₂e/kWh 间波动、使用时长在 2.5～3.5 年间波动，则使用阶段结果大致落在 12～27 kgCO₂e，仍远高于外壳材料的 1.5 kgCO₂e 量级。这说明“使用阶段为第一热点”的结论对参数不确定性不敏感，可以放心作为减排重点。反之，若两个环节估算值接近（例如相差不足 20%），而数据质量又偏低，就应判定为“热点不明确”，优先补测数据而不是急于下结论。
把上述流程落到操作上，可以形成一份简洁的“数据质量登记表”：每个关键参数一行，记录数值、来源类型、年份、地理范围、质量评分、不确定性区间与责任人。热点识别报告在给出排序时，应同时给出每个热点的质量等级和区间，让读者知道结论的“硬度”。对于质量低但影响大的参数，应列入下一轮数据改进计划，而不是用更精细的模型去掩盖数据的粗糙。
最后需要强调一致性：活动数据的计量边界、排放因子的系统边界、分配方法必须在全文统一，并在图示与表格中保持同一口径。只有数据来源、质量评分与不确定性区间三者相互对应，热点识别结论才具备可复核、可沟通的基础，后续的减排路径比较也才有可靠的起点。