周简：让研究数据沿证据链进入报告

工作画像

周简留下的匿名轨迹主要位于研究生产链的中段：把分散来源整理成可以统计的表，把同一主体在不同材料中的写法对齐，再让研究结论能够回到数据与文档。

Jira 快照关联十余条工单，均以负责人身份出现；Confluence 关联数百篇页面，其中绝大多数带有作者和最后修改者记录。群组分析还识别到数百条附件创建触点。

精确计数只是存档证据，不能用于衡量工时、难度或贡献高低。更值得关注的是内容分布：公司表合并、人才数据、专利资料、非上市企业、跨年参会主体和医疗 AI 企业筛选反复出现。

如果把一份行业报告比作一座桥，周简的可见工作主要落在桥面以下：整理材料、确认对象、保存中间表，并让下一步分析知道脚下的数据从哪里来。

证据范围

本文只使用匿名汇总，不接触真实身份信息。活动日期是存档记录的出现范围，不是任职时间。

项目地图

• 数据生产流水线：公司表、投融资、人才与多来源数据怎样进入统一生产链。
• 人工智能研究生产：分类树、专利处理、统计口径与报告交付如何连接。
• 互联网会议研究：跨年名单需要先做实体对齐，再计算交集。
• 数据工具箱规格：轻量采集、转换和批处理资产应共享哪些运行契约。

研究问题→来源资料清单→原始表与附件

原始表与附件→字段规一→实体候选→人工复核

人工复核→主题数据集→统计与筛选→报告图表

主题数据集→数据说明与版本→Confluence 归档

Jira 任务→阶段产出→附件证据→后续复算

代表项目一：公司表合并与数据生产

一篇以周简为作者和最后修改者的“公司表合并”文档，是人物证据与项目机制之间最直接的连接点。相关空间还保存大量历史数据页面与来源说明。

数据生产流水线还原了团队级合并步骤：先枚举多个来源字段，再在来源内部按公司全名去重，之后形成全局中间表，最后执行跨来源合并。

周简的文档作者记录能够确认其参与这类数据整理与说明，但不能证明合并代码、规则设计或最终数据库由其独立完成。当前也没有可归属的 Git 提交来补强实现层证据。

这项工作的技术价值不在“合成一张更宽的表”，而在保留原始标识、来源、匹配依据和冲突状态。否则名称相同会误合并，更名、简称和双语名称则会漏合并。

内部公司数据平台规格把这一经验进一步抽象为“主对象 + 来源计数 + 按需详情”。合并结果如果没有稳定实体标识，上层筛选和报告会不断重复同一场名称匹配。

代表项目二：人才、企业与专题数据

Jira 中有多条数据项目工单与周简关联，其中包括人才数据挖掘。另有非上市企业资料、医疗 AI 企业筛选和英文专利等专题任务。

这些事项共同说明研究数据不是一套固定表。不同专题会重新定义对象范围、国家或地区、时间窗口和字段口径，结果只能在对应条件下使用。

人工智能研究生产显示年度研究把产业、科研、学术、人才、技术、应用和区域拆成不同数据集。企业、融资、专利与论文即使使用同一分类树，也不能直接相加。

周简的负责人记录支持“参与专题数据准备与筛选”的表述。项目文章中的专利解析器、队列和索引逻辑属于团队级代码事实，不能因为数据任务与它相邻就归为个人代码贡献。

可复用的做法是为每张结果表同时保存：研究问题、对象定义、来源版本、排除规则、观察时间、去重方法和复核状态。

代表项目三：人工智能专利证据

Confluence 中有一篇人工智能报告专利页面与周简关联，Jira 还记录了专利引证关系、英文建筑 AI 专利等负责人事项。

人工智能研究生产揭示了专利统计的真实复杂度：历史 XML 存在多个结构版本，申请人与受让人字段需要统一，专利族需要去重，技术范围还受到 IPC 与双语检索词共同约束。

人物证据确认的是专利资料与专题任务的整理工作。Java 解析与批量写入程序没有个人 Git 归属，因此本文不把解析器实现或 PageRank 计算归给周简。

文档和代码在这里承担不同职责：文档冻结“统计什么”，代码执行“怎样计算”，运行清单则证明“这次报告究竟用了哪一版”。三者缺一，图表都难以复算。

代表项目四：跨年参会主体整理

周简还以负责人身份关联三条互联网会议研究工单，其中一条要求整理连续多届重复出现的企业、研究机构、公共部门和专家角色。

互联网会议研究表明，这不是对几张名单直接求交集。原始名称需要先清理，再匹配标准主体，保留歧义，最后才能计算跨年重叠。

名单任务的完成状态证明阶段产出进入过工作流，但附件与工单有时并不一致。存在文件可能表示“已生成”，不必然表示“已复核”或“已交付”。

这段工作最值得复用的，是把原始名单、标准实体和匹配关系拆成三层。跨年统计只读取已确认映射，而不是在每张表中重复手工改名。

文档、附件与工单如何互证

工单说明研究任务及负责人状态，文档解释字段、方法和过程，附件保存表格与阶段结果。三种证据一致时，可以确认某条研究生产链实际运行过。

公司表合并文档与数据生产文章能够互相解释；专利页面与专题工单对应人工智能报告的数据维度；跨年名单工单则与会议研究中的附件层级对应。

当前没有个人 Git 证据，所以代码只能证明团队拥有某种处理能力，不能用于扩张个人贡献。这个缺口在本文中被保留，而不是用项目整体成果填平。

可复用经验

• 研究表必须携带对象、来源、时间、单位和去重口径，标题不能充当数据字典。
• 公司、机构与人物记录应分别使用稳定标识，名称只作为可追溯别名。
• “已生成、已复核、已交付”应是三个状态，不能只用完成或未完成表达。
• 附件应绑定任务、数据版本和校验值，避免文件名成为唯一上下文。
• 多父分类适合检索，但上层汇总必须按文档集合去重，不能直接相加。
• 没有个人代码归属时，应把实现写成团队级证据，而不是推断作者。

证据边界

周简的存档活动范围为 2017 至 2022 年。这是 Jira 与 Confluence 可见记录的最早和最晚年份，不是任职时间，也不证明区间内持续活跃。

本文排除了招聘、评价、客户身份、内部位置和私人材料。项目名称与案例均采用公开文章中的泛化表达。

精确计数仅帮助读者理解证据密度，不能用于人物排名。本文不推断性格、职级、绩效、管理职责或私人经历，也不把文档最后修改者等同于文档全部内容的独立作者。