⑴ 如何保证检测数据的准确性、科学性、公正性
实验室从广义上讲是指从事科学实验、检验、检测和校准活动的科研技术机构,向社会出具具有证明作用的数据的检测,保证其出具的数据和结果的可靠、稳定和准确。那么如何保证实验室检测数据的准确性主要从技术要求上谈三个方面的内容。一.人员素质:人是最宝贵的资源,一个实验室的水平高低优劣很大程度取决于人员的素质和水平。检测人员应经过与其承担的工作相适应的教育、培训并有相应的技术知识和经验,经资格考核合格,持证上岗。必须熟悉、了解、掌握检测方法,严格按照质量管理手册和作业指导书及操作规程进行检测,才能提高检测数据的准确性。1.作为一个专业的检测机构,首先,检测人员必须具备大专以上学历和与之检测相关的专业文化素质;其次,必须有20%甚至更高比例的工程师以上职称的人员。西宁水质监测站目前有化学、食品、土壤、给排水、计算机等各类专业人员近二十名,其中工程师、高级工程师九名,占总人数的约50%,大专以上学历人员占总数的约90%。2.对检测机构的检测人员要不断加强业务培训。建议采取“送出去,请进来”的方式进行培训。
⑵ 如何确保数据的真实有效
如何确保计划统计管理的真实性和有效性
各位朋友，做为业主方要经常收集施工单位上报的各种进度数据、工程量等，但是施工单位经常上报的数据不及时准确，
怎么样才能保证统计数据真实性和有效性呢？请给位赐教
------
智者明
由现场项目组或工程部加强承包商的周报（日报）管理，每周（关键工序统计到日，如：达因、试压包）要求承包商上报周报，包括：工程形象(设计、采购、施工、试车）、实物量、机具、投入劳动力、进度百分数、质量指标、HSE执行、存在问题、下周工作计划，等等。
月度报表就可以对照周报进行检查，至少减少承包商上报的数据不及时准确的问题，保证统计数据真实性和有效性，如果发现做假或失真，可以及时纠偏措施。
如果大部分承包商的数据都真实有效，则项目的统计众数也趋于真实有效。
让施工方做日报可能不容易实现（除非是管理相当严谨的施工方），大多数都做不到日报。但周报是必需的，否则不容易控制进度和质量，施工方也乐于接受，但关键质量控制点除外。
我说说我们单位的统计模式：
在施工前期建立相对完善的全项目进度计量系统，一般是按照施工工序排序，加载实物量和计量权重。在正式的施工中每天更新数据就ok了。这个工作量不是很大，关键是计量系统要做的严密并依据施工实际不断更新完善。该计量系统也可以作为进度款的申请依据。当然间断性的检查工作是必要的，可以检验施工承包方日报的数据准确性。我在这里一般不要求他们报周报，所有的数据一目了然。
--------------------------
如何确保监测数据真实准确？
2014/5/12 10:00:13
作者: 许颖 孙俊杰 石来元
目前，监测数据造假主要是修改设备工作参数或破坏采样系统。且看青岛环境空气自动监测站点实现全市联网管理后
“截至目前，青岛市共设立了23个环境空气自动监测站，对大气环境中主要污染物进行连续的监测，判断大气质量是否符合国家制定的大气质量标准，做到了空气质量的全程监测。” 山东省青岛市环境监测中心站相关负责人这样说。
近年来，各地纷纷建立环境空气自动监测站，空气质量监测能力得到了极大的提升。同时，环境空气自动监测也面临着一些问题，比如监测设备型号繁多、监测人员技术参差不齐、自动化空气质量监测过程中的数据质量控制环节不规范等。目前，保证监测数据的代表性、准确性、精密性、可比性和完整性，已经成为环境空气自动监测站面临的重点任务。
那么，青岛市如何建设环境空气自动监测站点？如何确保监测数据的准确性？
规范点位设置 确保监测数据的代表性
虽然青岛市市区在去年以前已经有13个环境空气监测站，但是随着环境问题的凸显，这些环境空气监测站已经远远不能满足空气监测的要求。去年11月，青岛市环保局按照山东省环保厅环境空气质量管理“上收一级”的要求，将黄岛区和即墨市、胶州市、平度市、莱西市的市控空气自动监测站纳入了全市联网管理，并施行了统一社会化运营。自此，全市共设立23个环境空气自动监测站，并按照空气质量新标准要求，在每个环境空气自动监测站配置了相应的仪器和设备。
那么，在环境空气自动监测站已经基本完善的基础上，青岛市环境监测中心站如何保证这些点位的设置具有代表性？
为了能更好地反映全市的空气质量，使得环境空气自动监测站点位的选择具有代表性，青岛市印发了《市控空气自动监测站统一运营实时方案》、《环境空气质量监测点位布设技术规范》等一系列文件，对点位设置、调整以及日常运行管理维护等方面进行了严格的规范和管理。
青岛市环境监测中心站负责组织对全市空气自动监测点位设置情况进行全面调查，按照国家有关技术规范，对现有空气自动监测点位进行技术评估，对不符合要求的提出整改意见和建议。
购买第三方服务 确保监测数据的准确性
“我们以前都是自行维护、运营环境空气质量监测站。”青岛市环境监测中心站的技术人员说：“随着环保任务量的不断增加，监测任务和数据统计、分析工作繁重，维护、运营环境空气质量监测站就有些力不从心了。”
青岛市环保局是如何解决这一矛盾的呢？
“在这种形势下，逐步培养社会化的运营机构，由政府购买服务，雇佣社会化专业的运营公司来操作，大大缓解了人员数量不足与工作量逐年增加的矛盾，现有的环境监测人员能够投入更多的精力进行数据的分析和研究工作。” 青岛市环境监测中心站相关负责人介绍说。
早在2012年年底，按照山东省环保厅的要求，青岛市的环境空气监测站实现了“转让——经营”模式质量管理机制，这一模式将监测设备进行有偿转让，并由专业队伍运营维护，设备的准确性由专业机构进行移动比对（即由运营单位利用移动监测车等便携式空气设备，对分布在各处的环境空气质量监测站进行同步比对监测）。环保部门通过对数据质量进行考核，政府直接购买合格的数据。这一模式将数据质量推向了市场，按照市场优胜劣汰的法则，具有竞争力，可以提供可靠的、准确的、真实的数据的运营商才有资格对环境空气监测站点进行运营。
那么哪些公司拥有运营管理的资格呢？各运营公司须按照环境保护部下发的《环境空气质量自动监测技术规范》、山东省环保厅《山东省环境空气质量自动监测“转让——经营”模式质量管理体系技术规定》等技术规范和要求，完成环境空气自动监测质量保证实验室和系统支持实验室建设工作，通过山东省环境信息与监控中心组织的验收，并取得资质认定计量认证（CMA）证书才能够进行运营管理。
除了战略上的转变外，青岛市环境监测中心站还加强了制度建设。环境监测中心站制定了《空气自动监测运营管理考核细则》（以下简称《考核细则》），细化了对运营公司的监督和管理，比如规定环境监测站应当加强巡检督查和现场比对监测，严格对运营单位进行管理与考核，发现运营单位工作质量达不到要求的，按照《考核细则》予以扣分，并通知相关区市环保局扣除运营单位相应的运营费用，并且要求各区市环保局协助市环境监测中心站对运营单位进行监督和考核。
《考核细则》对运营单位也提出了要求，运营单位要建立健全设备校准、维护、故障维修和日常巡检等制度规程，保证空气自动监测设备稳定运行，监测数据准确有效。
据了解，《考核细则》实施以来，参与青岛环境空气质量自动监测站运营的单位严格按照规范和要求，认真做好运营维护工作，保证了空气自动监测数据的准确性。
杜绝人为干扰 确保监测数据的真实性
目前，数据失真主要由人为导致。山东省环境信息与监控中心污染源监控室副主任石敬华介绍说，通过干扰自动监测设备正常运行，对数据造假的方式主要有两大类，一类是通过修改设备工作参数等软件手段造假，“比如说实际监测的排放浓度是1000毫克每立方米，在软件计算时加了个0.1的系数，结果就成了100毫克每立方米，不达标的就变成达标了”。另一类是通过破坏采样系统等硬件手段造假，“比如在设备采样管上私接稀释装置等”。
那么，青岛市环保局如何避免人为干扰设备？为更好地适应当前大气污染防治工作需要，进一步提高监测数据质量，强化区市环境空气质量考核，青岛市环保局在2月底下发了《加强环境空气自动监测站运行管理的通知》，严格要求各区市环保局不得以任何方式人为干扰空气自动监测设备正常运行。在未征得市环境监测中心站同意的情况下，不得擅自进入空气自动监测站房，不得擅自调整或要求运营单位违规调整监测设备参数。同时，要求运营单位加强教育培训和监督管理运营人员，保证其严格按照空气自动监测运营管理制度和规程开展工作，杜绝弄虚作假行为，确保监测数据客观、真实和公正。
市环境监测中心站则是整个过程的监督者和管理者。整个过程，环境监测中心站采取远程视频监控、飞行检查、组织异地交叉检查等方式，对各区市空气自动监测工作进行质量控制，确保监测数据质量。一旦发现违规干扰自动监测设备正常运行的，对相关监测数据不予确认，并在考核中予以扣分，并对有关责任人予以通报批评，追究责任。若发现运营单位工作中存在弄虚作假行为的，直接终止运营合同。
青岛市环境监测中心站的相关负责人说：“从近期的运行情况来看，全市23个环境空气质量自动监测站的运行和管理还是不错的，有了严格的规范和考核要求，更加理顺了环保部门和运营公司的关系。”
---------------------------------
如何确保测试数据的真实性
提升常态课堂质效离不开“数据”,一串数据胜过一打纲领。彼得.德鲁克说：“精妙地运用统计学方法来解释纷繁复杂的数据，找出数据背后隐藏的规律和秘密的艺术是很重要的事业。”恰如一句话：“心中有数据，方能运筹帷幄，决胜千里；心中无数据，必定差之毫厘，缪之千里。”用数据说话是教育者做出正确决策的前提与基础。用数据说话是教育者改进教学方式和转变教学理念的前提与基础。用数据说话是教育者规范自己的教育教学行为和提升教育教学质效的根本保证。课堂精细化管理离不开真实性数据支持，准确数据的获得并非轻而易举，获取准确数据路径和能力是根本。一方面提高收集数据，描述统计的能力。能迅速将所收集到的大量数据进行归类，并用表格或图形表示出来，通过计算，把握所得数据的“集中量数、差异量数和相关系数”等特征数据，描述影响教育教学质效各要素的典型性、波动性和关联性和内在性。另一方面，提高推断统计的能力。利用数据进行统计检验、统计分析和非参数统计，作出科学决策。
第一、试场地器材的真实性
测试场地和器材必须符合测试具体项目国家规定的标准，否则，所测试的数据一定存在着误差，从而导致上报数据的失真。比如，初中男女生50米测试项目，需要提供符合国家场地标准化的跑道数量、跑道宽度和跑道长度等精确的条件，决不能人为的缩短50米跑距来组织学生测试，或让学生站立在50米起点线前几米处来组织学生测试等弄虚作假行为呈现，这样不仅欺骗国家、家长、孩子，还欺骗了自己的职业情操，更彻头彻尾的玷污了教师这个称谓。
第二、试对象身份信息的真实性
测试对象身份的真实性同样决定着抽测结果的真实性。最科学的就是以一个年级为抽测样本，现场开放式的随机抽取一、二个班级学生作为抽测对象进行统一编排、安排测试顺序、随机抽取测试项目，随机抽取测试工作人员，然后进行现场测试，并把测试结果现场公布。决不能人为的把本年级里精华学生抽取出来参加测试，或让高一级学生冒名顶替来应付测试，这种弄虚作假的作派，不能解决广大青少年学生体质下降的事实，更不能掩盖各级各类教育管理机构领导的失责，更可悲的是，我们这样的弄虚作假行为教坏、教歪一批批本性纯真的学生，使得一代代国民素质越来越低下，最终毁国败家。
第三、试组织人员的真实性
如果各级各类教育管理机构领导人都抱着虚假应付一下国家抽查的理念，就会暗示负责抽查的本单位部门领导人，下面就会心领神会的执行，无疑从上到下都会这样敷衍、搪塞虚假下去。当然，测试对象、测试工作人员都是半真半假，所得的测试数据自然也是达到国家标准。
第四、试过程的真实性
测试过程真实，就会收获真实测试结果。实心球测试过程真实，就得保证实心球的重量符合标准、测试场地符合标准、测试人员丈量方式要规范、测试人员对抽测学生要一个评价标准，这样的测试数据才能真实可信。仰卧起坐计数人员、评判学生测试技术动作是否标准要统一；1000米、800米要跑实距、计出实时来，包括其他引体向上、立定跳远等测试项目都应该规范、严格、认真操作，从源头上确保测试的项目数据的真实性。
第五、测试数据采集的真实性
美国心理学家和教育家通过观察同样处于中等发展水平的学生（50%）遇到不同水平教师的发展结果后，得出如下结论：如果遇到优秀教师，他们可以达到优秀（平均90%），遇到平庸教师则降到较差（平均37%）。以上的信息得到，就是数据有“真实”最好呈现。只有每一个测试过程都是真实的，才能保证采集的数据是靠谱的，否则仅能欺上瞒下了。
第六、数据上报的真实性
作为学校最下层，应该保真的把每一个年级学生的身体素质测试结果数据，毫无失真的上报到国家体质健康网平台，决不能人为的修修改改去黑贱自己。倘若你、我真有这么在意，就应该踏踏实实、扎扎实实、切切实实、确确实实、真真实实去上好每一天、每一节常态体育课，认真负责爱岗敬业，相信，随着时间的推移，你、我所教的每一届学生一定能够收获运动技能和运动体能双丰收，同时，你、我这种职业道德一定能赢得学生、家长的肯定，更对得起“教师”这个神圣称呼。
⑶ 做数据分析如何保障数据的准确性
从业多年，在数据准确性上摔过不少跟斗，总结了一些切实有效的方法，能够帮你尽可能的规避错误，确保数据的准确性，分享给大家
对数据上游的管理虽然看上去，数据分析师是掌握数据资源的人，但从数据的生产流程来看，数据分析师其实位于数据的下游，数据需要至少先经过采集环节、清洗环节、存储环节才能被数据分析师拿到，甚至有的体量特别大的数据，他的调取和处理环节也不能被数据分析师控制。所以，想要最终做出的数据不出错，那就要先确保我们的数据上游是准确的。
虽然数据上游一般是由其他业务或技术人员负责，但数据分析师也可以通过提需求或生产过程参与的方式，对数据上游进行管理：
设立数据“安检站”“大包小包过机安检”只要你坐过北京的地铁，相信这句话一定耳熟能详，为了确保所有旅客不把易燃易爆等危险品带入地铁内危及他人安全，地铁在每个进站口设置安检站对所有过往人员物品进行检查。虽然避免数据错误的最主要方法就是检查，但全流程无休止的数据检查显然是费时费力且效率低的，我们其实也可以在数据流入流出的关键节点设立“安检站”，只在这个时候进行数据检查。
一般我会在这些地方设立“安检站”：
几种行之有效的检查方法：
确保数据准确的几个日常习惯除了上述成体系的错误规避手段外，几个日常的好习惯也可以让我们尽可能的离错误远一点：
以上，是确保数据准确的大致经验总结，几句最关键的话再重复唠叨一下：
数据处理的准确性校验一直是个难题，是否存在一些针对据处理准确性的通用做法呢？
下面是一些对于数据进行计算处理后，保证数据准确性的个人实践：
对于大部分数据来说，数据处理可以分为以下 五个步骤 ：
1.数据采集；2.数据传输（实时/批量）；3.数据建模/存储；4.数据计算/分析；5.数据可视化展示/挖掘
针对上面五点分别展开介绍：
一、数据采集
通常数据处理之前会有数据采集的过程，数据采集会涉及到多数据来源，每中数据来源由于格式等不一致，需要特殊处理。
1.针对不通的数据源，需要做到每个数据源获取 数据能够独立。
2.采集过程需要监控，传输之前如有条件，可以做到本地有备份数据，便于异常查找时进行数据比对。
二、数据传输（实时/批量）
数据源本地已经做到有备份的情况下，对于传输异常的时候，需要 支持重试 ，存储端需要支持去重。
三、数据建模/存储
数据存储可以针对结果集合进行冗余分类存储，便于数据进行比对,针对存储需要进行副本备份，同时数据可以考虑按生效记录进行叠加存储，支持回溯 历史 的存储结构进行存储。
四、数据计算/分析/挖掘
数据进行计算，分析的时候需要进行步骤分解，便于准确性的分析和统计
1.计算之前，支持测算，同时支持数据进行分批计算，需要能导出本批次清单基础数据（例如人员或者id），便于数据核对。
2.计算之中，支持快速少量指定的典型数据测算，支持选择，是否存储参与计算过程的全部的中间变量。
3.计算之后，可以选择，支持导出本次计算过程中的所有参与变量和中间变量参数，可以线下根据数据列表对应的参数，进行计算，从而进行数据准确性的核对。
计算过程中，支持针对有问题的数据ID进行染色，染色后的数据，所有的中间过程变量全部进行打印输出。
五、数据可视化展示
可视化挖掘过程，需要主要前台图形化界面的数据量