科研实验室是实施科技创新的重要组成部分和基础技术保障，但却普遍存在着数据“来源难以准确追溯”、“影响没有经过事先识别和评估”、“实验方法不统一”、“自制装备多且校准方法和评价规范缺乏”、“不同团队学术领头人（PI）管理的标准不同”等问题，往往会出现数据难以重复、可靠性难以评估等现象。如果公开发表的研究发现不能被其他人重复，将会产生严重的后果和巨大的经济损失。科研实验室应当建设健全数据管理体系，确保实验室数据的来源可追踪、过程规范而完整、结果真实可重复。

“科研实验室认可”意味着良好的科研实验室管理体系、过程控制和检测技术标准化，对科研工作的组织和重大科研成果产出和产业化有着保驾护航的作用。目前，中国合格评定国家认可中心（CNAS）组织制定的《科研实验室良好规范》获得国家标准委员会的立项批准。2017年，中科院纳米研究中心、江苏建筑科学研究院国家重点实验室、上海电缆研究所、国家重大工程材料服役安全评估中心等国家重点实验室先行先试，开始科研实验室数据管理体系的建设。我国科研实验室众多，数据管理体系建设任重道远，提出如下建议。

1、制定和完善规范标准，加快科研实验室认可的应用示范。 国家发布的《科学数据管理办法》从大处着手、更侧重“数据安全与共享”，而科研实验室则应从细处着手、更侧重“数据的规范管理”，在鼓励科技创新的大趋势下，将“思想自由”与“行为规范”并重。鉴于不同领域的科研实验室实情不同，建议CNAS尽快制定和完善符合不同领域科研实验室的配套文件，在认真总结4个试点实验室经验的基础上，加快科研实验室认可的应用示范，助推我国科研的全面质量提升。

2、加强专职管理人员培养。 科研数据管理是一项系统工程，需要大量资金的投入、信息技术及大型存储设备的支撑、专业的数据管理人员以及科研人员的支持，所有部门协同作用，才能建立完善的数据管理体系。尽管清华大学、中国科学院、大连理工大学、华中科技大学等多个院校早已开设科技管理专业，而且自从国家《促进大数据发展纲要》发布后，仅2018年1-6月就有474所高等院校获批设立数据科学与大数据技术专业，这些专业都能和科研实验室数据管理对口。但现状是，许多科研实验室研究人员对现代大数据的管理知识缺乏，专业的科技数据管理人员更少，科研机构对科研数据管理重要性的认识还不足。建议尽快加强顶层设计，形成制度保障，完善科研管理队伍的建设和使用机制。建议科研机构、科研实验室研究科研管理专职队伍的组织保障机制，在岗位设置、绩效收入、职称评定等方面建立激励机制，并围绕着科研数据管理这一核心进行全面有效的考评。

3、应强化“科研实验室认可”的权威评价地位、使其成为科研成果质量的新标杆。建议大力推动科研实验室认可的采信，研究建立如“发表论文成果时需标注实验室是否CNAS认可”等举措，从而促进国内科研工作者加强“数据需规范管理”的认知和自觉意识。

综上所述，应贯彻落实科研数据规范管理政策、培育专业人才和建设专职队伍、推进科研实验室认可制度，在科研实验室中建立健全数据管理体系，以确保研究过程更规范、科研数据更可靠，从而助力科技创新，提高我国科研在国际上的竞争力。