数据血缘与可追溯

什么是数据血缘

数据血缘（Data Provenance）描述数据从采集、传输、处理到存储的完整链路：传感器型号与序列号、安装点位、校准状态、采集时间、传输链路、处理算法、版本。它让每条数据"可溯源到源头"。

为什么必须可溯源到源

• 可信度：审计/执法/科研要求能证明数据没被篡改、来源可靠。
• 问题定位：数据异常时，血缘帮你区分是传感器、传输、还是处理环节出的问题。
• 复现：别人要复现你的结论，必须知道数据怎么来的。

血缘应包含什么

1. 来源：设备 ID、型号、序列号、固件版本。
2. 上下文：点位坐标、安装高度/深度、周边环境。
3. 状态：校准日期、有效期、是否维护中（标记位）。
4. 时间：采样时间、上报时间、是否补传。
5. 处理：所用的滤波/补值/单位换算算法与版本。
6. 完整性：是否被修正、由谁、何时、为什么。

实践中怎么做

• 每条记录带元数据，不只存数值。
• 处理步骤版本化、可审计，改算法不影响历史数据可解释性。
• 防篡改：哈希链/只追加存储/操作审计（见技术专题：监测数据安全）。
• 维护/标定期间的数据正确标记，不混入正常统计。

常见误区

1. 只存数值不存来源，出了问题无法定位。
2. 后台悄悄改数据不留痕，失去可信度。
3. 把标定/维护期间的数据当正常数据用，污染统计。

数据是资产，血缘是它的产权证。没有血缘的数据，出了问题你连"怪谁"都不知道。