化学数据治理：当一家化工企业的资料终于“对得上”

化学企业的数据现状有一个寻常切片：接手一批业务资料，三千多种化学品，同一种物质在不同年份的表格里叫不同的名字，CAS 号有填错的，结构式存在个人电脑里，产品编号还是前公司自己的编码规则。业务员想报个价，先花两天找资料。

问题不在于企业没有数据，而在于数据对不上。采购按供应商货号记，研发按俗名记，质检按 CAS 记，销售按产品编号记——四个部门四套口径，说的是同一种物质。表格越攒越多，能用的信息越来越少：没人敢删，怕删错；没人敢并，怕并错；更没人敢把这些数据交给 AI——基于错乱资料给出的答案，比没有答案更危险。

先给每种物质一份唯一档案

胜蓝® AIchem 处理这个问题，不是再建一个更大的表格，而是换一种组织方式：每条化学品、每个产品各有一份档案，以规范的 CAS 号、结构标识与产品编号为基准建立唯一标识。同一种物质不再有三种叫法——名称、CAS、SMILES、InChIKey、产品编号，都是指向同一份档案的检索入口。

这意味着，治理不是"清洗一遍数据"的一次性工程，而是把口径规则固化进系统：后续所有业务记录——询单、报价、订单、采购、实验、生产、库存、质检、合同，九类工作各自记录实际发生的内容，统统指向对应的物质档案。新数据进来时落进既有的档案结构，而不是又开一张新表。数据质量靠结构维持，不靠下一个接手的人小心。

检索与分析：让档案真正被用起来

档案建好，还要能查、能比。AIchem 内部成员按名称、CAS、SMILES、InChIKey 或产品编号即可查找资料，也可查询公开化合物资料核对；系统提供结构解析、相似度与最大公共子结构比较、反应 SMILES 检查和批量解析（最多 100 个结构）等工具。

放到具体场景：研发找类似结构的历史实验，用相似度比较定位最接近的已知分子；采购核对一批原料是否为认证过的同款产品，按 CAS 与结构标识直接对上，不依赖名字；质检发现某批次异常，从批次记录回溯到投料、领料、实验过程——记录之间的关联由系统保证，不靠人的记忆接力。

九类记录：业务事实分开存，需要时连起来看

很多系统的做法是把业务塞进一个笼统的状态字段。AIchem 反其道：九类业务各自记录实际发生的内容，系统不用一个笼统状态代替这些业务事实。需要核对时，再从当前记录查找相关资料。

对使用者的区别是具体的：实验记录保存计划、所用物料、操作过程、观察现象和结果，领料退料数量照实记录；生产记录保存物料投入、过程情况和产出批次，产出按实际批次入库，数量、位置、流转、质量信息可查；质检单独保存检查项目、结果、来源和相关文档——质量追溯要的证据链，在记录结构里天然存在。

权限与 AI：治理的最后一道关

数据收拢之后，谁能看、谁能改，比以往更关键。AIchem 中，管理员、内部成员和门户客户三类身份拥有不同功能；合同、工作日志、私有文档、知识、协作等记录还受创建者、参与者或所属业务约束——网页、工作台 API、外部 AI 工具和 AIchem 助手，都以当前用户权限为边界。

内置 AIchem 助手可以直接完成查询和整理；涉及创建、修改、发送、状态推进、库存、到货、收付款或协作等业务写入时，系统先展示具体动作，用户确认后才执行，执行时再次检查访问条件，相应操作保留记录。治理好的数据，AI 用得上有边界——助手能帮你查到整理好的档案与记录，但改任何东西都要先经过你。

结语

化学企业的数据治理，常被当成一场"大扫除"——清一次，乱一次。真正的差别在于：数据是被结构接管，还是继续靠人小心。一物一档解决"物质对不上"，九类记录解决"事实混在一起"，权限与确认机制解决"AI 怎么用才放心"。当资料从散落的表格变成互相关联的档案与记录，"经验留在企业"才不只是一句愿望——它是一条条可查证的记录。