2. 实验数据质量体系与集成需求分析

实验数据质量平台集成工程的第一步，不是急着接数据库或写接口，而是把“什么叫质量合格”讲清楚。实验数据与业务交易数据不同：它往往来自仪器、LIMS、ELN、手工记录表、文件导出和人工补录，字段含义随实验类型变化，量纲、精度、时间基准和样本标识方式都可能不统一。因此，质量体系必须先定义维度，再把维度落成可执行的规则，最后用业务需求和干系人诉求去界定集成范围。

一、数据质量维度：从“看起来对”到“可判定”

实验数据质量通常从六个维度展开：完整性、准确性、一致性、及时性、唯一性和有效性。完整性关注必填字段是否缺失，例如样本编号、检测项目、结果值、单位、检测时间；准确性关注数值是否在合理量程内、是否与原始记录一致；一致性关注同一对象在不同系统中的编码、单位、时间是否统一；及时性关注数据从产生到可用的延迟；唯一性关注是否存在重复上报；有效性关注格式、枚举值、精度和量纲是否符合规范。

这些维度不能只停留在概念层。以“结果值”为例，完整性规则可定义为“结果值非空”；准确性规则可定义为“结果值落在方法检出限与线性上限之间”；有效性规则可定义为“单位必须属于该检测项目的允许单位集合”。只有把维度翻译成字段级、记录级和跨系统级规则，后续的校验、告警和修复才有依据。

二、质量规则：分层设计与优先级

质量规则建议分为三层：字段级规则、记录级规则和跨系统规则。字段级规则检查单个字段的格式、范围、枚举和精度；记录级规则检查同一记录内字段之间的逻辑关系，例如“检测时间不能早于采样时间”“结果值低于检出限时，结果标记必须为‘<LOD’”；跨系统规则检查LIMS、ELN与质量平台之间的编码映射、时间戳和版本一致性。

规则需要设置优先级和处置策略。通常将影响数据可用性的规则设为阻断级，例如样本编号缺失、结果值非数值；将影响分析但可容忍的规则设为告警级，例如单位与默认单位不一致但可换算；将仅影响统计口径的规则设为提示级，例如备注字段为空。阻断级规则应直接拒绝入库或进入隔离区，告警级规则进入待处理队列，提示级规则仅记录日志。

三、业务需求与干系人诉求

集成需求分析要回答“谁在用、用来做什么、不能接受什么”。实验数据质量平台的典型干系人包括：实验人员希望录入负担小、错误提示即时；质量负责人希望审计追踪完整、异常可追溯；数据管理员希望规则可配置、批量修复可回滚；IT运维希望接口稳定、失败可重试；业务分析人员希望数据口径统一、查询响应快。

这些诉求会直接转化为集成需求。例如，实验人员要求“录入时即时校验”，则平台需要在数据采集端提供轻量级校验接口；质量负责人要求“审计追踪”，则平台需要保留原始值、修改值、修改人、修改时间和修改原因；数据管理员要求“规则可配置”，则规则引擎不能硬编码在ETL脚本中，而应支持规则版本管理和灰度发布。

四、集成范围界定：先画边界，再定接口

集成范围界定是本章最容易被低估的环节。范围过大，项目周期和风险失控；范围过小，质量平台无法形成闭环。建议从数据源、数据流、质量动作和消费场景四个方向界定边界。数据源包括LIMS、ELN、仪器工作站、手工报表和第三方接口；数据流包括采集、清洗、校验、入库、发布；质量动作包括阻断、告警、隔离、修复和复核；消费场景包括质量看板、审计报表、统计分析和对外报送。

范围界定应输出一份集成范围清单，明确“本期做”和“本期不做”。例如，本期只接入LIMS的样本、检测结果和仪器信息三张核心表，ELN仅接入实验记录元数据，仪器工作站暂不直连，采用文件落地方式；质量动作只实现阻断和告警，修复流程走线下工单；消费场景只开放质量看板和审计报表，不开放自助分析。这样既能快速形成最小可用闭环，又为后续扩展留出接口。

五、从需求到集成范围的可执行清单

为了让范围界定可落地，建议输出一份集成范围清单，至少包含以下字段：数据源系统、数据对象、字段范围、质量规则编号、处置策略、目标消费场景、本期是否纳入、责任人和验收标准。下面给出一个可参考的示例片段，字段和粒度可根据实际项目调整。

完成维度定义、规则分层、干系人诉求梳理和范围界定后，集成工程就有了明确的“质量契约”。后续的接口设计、ETL开发、规则引擎配置和验收测试，都应围绕这份契约展开，而不是在开发过程中反复争论“这条数据到底算不算合格”。