4. 数据校验规则设计基础

ESG披露数据校验不是“把数字对一遍”这么简单。同一份报告中，碳排放总量、能耗强度、员工流失率、董事会独立性等指标，其数据来源、计算口径和更新频率差异极大，若用同一种方式校验，要么漏检，要么产生大量误报。因此，规则设计的第一步是把校验目标拆成可独立判断的维度，再为每个维度选择可执行的规则表达形式。

四个基础校验维度及其判断对象

完整性关注“该有的有没有”。它判断的是记录是否存在、必填字段是否为空、报告期内的数据点是否覆盖全部应披露项。例如某企业环境数据表中，若“范围一排放”字段为空，或某季度缺失废水排放记录，都属于完整性问题。完整性规则通常作用于字段级和记录级，判断条件简单，但需要先明确“应披露项清单”这一基准，否则无从判断缺失。

准确性关注“数值对不对”。它判断数据是否落在合理区间、是否满足计算逻辑、是否与原始凭证一致。例如综合能耗应等于各能源品种折标煤之和，若两者偏差超过阈值，则准确性存疑。准确性规则往往需要引入参照值——可以是计算公式、历史区间、行业均值或原始单据，规则表达时要把参照关系和容差写清楚。

一致性关注“不同地方说的是不是同一件事”。ESG数据常在多处出现：正文叙述、数据表、附注、往年报告。同一指标在表内与附注中数值不同，或本期期初数与上期期末数不衔接，都属于一致性问题。一致性规则的核心是建立跨字段、跨表、跨期间的对应关系，并定义比对容差。

时效性关注“数据是不是该期、该时点的”。它判断数据日期是否落在报告期内、凭证日期是否晚于业务发生日期、披露是否在监管截止日前完成。时效性规则依赖日期字段和报告期边界，表达上通常是区间判断与先后顺序判断。

规则表达：从自然语言到可执行条件

维度确定后，规则必须写成机器或人工都能稳定判断的形式。实践中常用五类表达：断言式（字段非空、取值属于枚举集）、区间式（数值落在上下限内）、公式式（满足计算等式并给出容差）、比对式（两个来源的值在容差内相等）、时序式（日期满足区间与先后约束）。这五类并非互斥，一条规则可以组合使用。

以“范围一排放”为例，一条完整的准确性规则可以写成：范围一排放 = Σ(各燃料消耗量 × 排放因子)，容差取 ±0.5%，且结果须落在 0 至企业年度排放上限之间。这里同时用到了公式式和区间式。容差不是随意设定的：它应反映原始数据的计量精度和排放因子的有效位数，容差过紧会把正常舍入误差判为错误，过松则失去校验意义。

规则表达还需要唯一编号和维度标签。建议采用“维度缩写-序号”的形式，如 CMP-01（完整性）、ACC-03（准确性）、CON-02（一致性）、TIM-01（时效性）。编号的作用不只是管理，更在于异常出现时能快速定位规则、责任字段和处置路径。

规则设计中的三个关键决策

第一，阈值从哪来。区间上下限和容差不能凭感觉。常见来源有三：监管或标准明确规定的限值；企业历史数据的合理波动范围（例如取近三年同指标均值的 ±3 倍标准差作为初筛区间）；以及业务逻辑推导出的硬约束（如百分比类指标必在 0 至 100 之间）。设计时应记录阈值来源，便于后续复核和调整。

第二，规则粒度与误报的平衡。规则越细，检出能力越强，但误报也越多。例如对“员工流失率”同时设置区间校验和同比波动校验，若企业当年发生重大重组，同比波动规则会大量报警。此时应把波动类规则设为“警告”而非“阻断”，保留人工判断空间。规则输出建议分三级：阻断（明显错误，必须修正）、警告（可疑，需说明）、提示（仅记录）。

第三，规则与证据链的衔接。校验规则只回答“是否异常”，不回答“为什么异常”。因此每条规则应绑定可回溯的字段和凭证类型。例如准确性规则命中后，系统应能定位到该指标的计算底稿、原始单据编号和录入人，这正是后续证据链追溯的入口。规则设计阶段就把“异常→字段→凭证”的路径预留好，能显著降低排障成本。

一个可参考的规则定义示例

下表给出一组示例规则（参数为教学假设，非实测值），展示维度、表达方式与输出级别的对应关系：

需要强调的是，四个维度不是并列的检查清单，而是有先后依赖的：完整性不通过时，准确性和一致性校验往往失去意义，因为缺失值无法参与计算和比对。因此规则执行顺序通常为完整性优先，其次准确性、一致性，时效性可与前三者并行。把这一执行顺序固化到校验流程中，能避免大量由空值引发的连锁误报。