4、数据收集与准备：识别EHS相关数据源（事故率、排放量、健康支出等）、数据清洗与标准化方法

EHS盈利模型的核心在于“用数据说话”。如果输入的数据质量不可靠，再精妙的财务模型也只是空中楼阁。本章将系统拆解EHS数据从源头识别到清洗标准化的完整链路，帮助你在搭建模型前，先建立一套扎实的数据底座。

4.1 核心原理：EHS数据源全景与分类逻辑

EHS盈利模型需要的数据并非单一来源，而是横跨运营、财务、人力资源、环境监测等多个系统的整合。理解数据源的分类逻辑，是避免“数据孤岛”的第一步。

4.2 操作流程：从原始数据到模型输入的五步清洗法

数据清洗不是简单的“删除空行”，而是需要结合EHS业务逻辑进行判断。以下五步法经过多个制造业项目验证，可有效提升数据质量。

1. 步骤一：数据盘点与字段映射——列出所有潜在数据源，明确每个字段的业务含义、单位、时间粒度，建立“字段-业务含义-模型用途”的映射表。
2. 步骤二：缺失值处理——对于事故率、排放量等关键指标，若缺失率超过5%，需回溯原始记录；若低于5%，可采用线性插补（时间序列）或同类均值填充（横截面）。严禁用“0”填充缺失的事故数据，这会严重低估风险。
3. 步骤三：异常值识别与修正——使用IQR（四分位距）法识别极端值，同时结合业务规则判断。例如，某月事故率突增10倍，需核查是否为统计口径变化（如新增子公司）或真实重大事故。
4. 步骤四：去重与合并——同一事故可能同时记录在“事故管理系统”和“财务报销系统”中，需通过事故编号或日期+部门+姓名进行关联去重。
5. 步骤五：格式与单位标准化——统一日期格式（YYYY-MM-DD）、货币单位（折算为基准年人民币）、排放量单位（统一为吨/年），并建立部门、工艺、设备的编码映射表。

4.3 案例拆解：某化工企业EHS数据整合实战

某精细化工企业（年营收12亿元）在搭建EHS盈利模型时，面临数据分散、口径不一的问题。以下是完整的处理闭环。

背景与约束：该企业有3个厂区，分别使用不同的安全巡检系统和环境监测平台；财务数据在SAP中，但EHS相关费用未单独设科目；历史数据仅保留3年。

初始现象与目标：初步估算EHS成本占营收比约2.5%，但管理层认为实际应更高。目标是通过数据清洗，建立一套可追溯、可审计的EHS成本数据集，支撑盈利模型测算。

关键输入数据与问题：

• 事故数据：3个厂区共记录事故127起，但其中23起仅有事故名称，无损失工时记录。
• 排放数据：废气在线监测数据完整，但废水排放量因流量计故障缺失2个月数据。
• 健康支出：体检数据完整，但工伤报销记录与保险理赔记录存在重复（约15%重叠）。

分析判断与操作步骤：

1. 字段映射：将SAP中的“修理费”“劳动保护费”“环保支出”等科目，通过凭证摘要关键词（如“事故维修”“防护用品”）筛选出EHS相关费用，建立映射规则。
2. 缺失值处理：对于23起缺失工时的事故，调取纸质工伤认定书补录；对于废水流量缺失，采用同月份前两年均值+生产负荷系数进行插补。
3. 去重逻辑：以“员工ID+受伤日期+受伤部位”为唯一键，合并工伤报销与保险理赔记录，最终确认有效事故记录119起。
4. 标准化输出：统一将事故率折算为每百万工时（TRIR），排放量折算为吨/年，费用统一折算为2023年不变价。

结果对比与复盘：清洗后，EHS实际成本占营收比修正为3.8%，比初始估算高出52%。主要差异来自未被识别的间接成本（如停产损失、临时工替代成本）。风险与代价：数据清洗耗时3周，投入2名专职人员，但换来的是模型预测误差从±30%缩小至±8%。复盘经验：建议企业建立EHS费用辅助核算科目，从源头规范数据录入。

4.4 常见误区与总结复盘

在数据准备阶段，以下四个误区最容易导致模型失真，需要特别警惕。