研究数据管理计划 DMP 怎么写：基金申请里越来越硬的必答题

學術圈觀察員

十年前，一份基金申请里写不写"数据怎么管"几乎没人管；今天，越来越多资助机构把它列为硬性附件。一位常年评审科研项目的学者却说，很多申请人不是不想写，而是根本没把数据管理当成"研究设计"的一部分，临到截止才匆忙凑几行。在他眼里，一份好的 DMP，本身就是研究严谨度的广告。

第一块内容，是数据从哪来、存哪去。DMP 要讲清你打算收集什么数据、用什么格式、存在哪个可信的仓库（机构库、Figshare、Zenodo 等）。有观察者指出，不少申请人写"数据将妥善保存"，等于什么都没说；明确到"存于某某库、开放获取、附 DOI"，评审一眼就能判断你靠不靠谱。

第二块内容，是访问与共享的边界。不是所有数据都能敞开给，涉及隐私、伦理审批、商业机密的要单独说明受限访问路径。资深项目管理者分享，他最担心 applicant 把敏感数据写"完全公开"，那不是大方，是踩雷。把"能共享什么、怎么申请权限"讲清楚，才是负责任的写法。

第三块内容，是长期保存与版本。研究结束后数据留几年、谁负责维护、版本如何追溯，都该有交代。研究者提醒，很多项目结题即数据失联，几年后想复现、想回应质疑都拿不出东西——DMP 里写明"保存十年、指定保管人"，恰恰能堵上这个洞。

还有常被忽略的一点：DMP 不是一次性的"申完即弃"。不少机构要求中期、结题时回头核对执行情况。观察者建议，把 DMP 当成真要落地的方案来写，别为过审编一套、执行另一套，否则审计时最尴尬的就是自己。

说到底，数据管理计划写的是研究者对"可复现、可问责"的态度。对许多第一次写 DMP 的申请人来说，缺的从来不是数据，而是把它规范呈现出来的经验。

第一块，是数据从哪来、存哪去。DMP要讲清数据的来源、格式、存储位置与备份策略。有观察者指出，很多申请人把「数据管理」写成「我会好好保存」，基金评审一眼就觉得不专业；明确到仓库、到版本、到权限，才是可信的。

第二块，是数据与代码的开放程度。如今不少资助方硬性要求成果可共享、可复现。资深基金顾问分享，他在帮人写DMP时，会直接写明拟托管的仓库与许可协议，少一句含糊，多一分通过率。

第三块，是敏感数据的处理。涉及人、涉及商业机密的数据，不能一开了之。研究者提醒，DMP里必须写清脱敏、受限访问与合规审批的路径，否则评审会直接质疑项目的伦理可行性。

还有常被忽略的一点：DMP不是写一次就完。好的DMP随项目滚动更新，数据真长什么样、和计划差多少，中途要回填。观察者建议，把DMP当活文档，而不是交差用的模板。

说到底，DMP考的是你对「研究怎么被负责任地做完」有没有想清楚。对许多第一次申基金的研究者，缺的从来不是数据，而是有人帮自己把管理计划写得既规范又靠谱。

写到「谁有权限」这一层，很多人会漏。数据不是存了就完，谁能在项目期内访问、毕业后交接给谁，都要想好。有观察者指出，权限写不清，项目一换人，数据往往就「死」在某人硬盘里。

长期保存也是坑。研究结束五年后，数据还能不能打开、格式会不会过时？资深顾问提醒，DMP里最好写明存档年限与格式迁移计划，否则「可复现」只是一句空话。

还有成本账。大体积数据存哪、花谁的钱，资助方也关心。研究者分享，他在DMP里直接列出预估存储成本与来源，反而显得计划周全，评审更放心。

对跨学科团队，DMP还是一份「分工协议」。观察者建议，把「谁负责数据、谁负责代码、谁负责文档」写进计划，能省掉后期大量扯皮。

一句话，DMP写得好，项目后半程才不慌。研究者提醒，评审看DMP，看的是你有没有把「负责任的研究」想在前头，而不是临时抱佛脚。

DMP里常被忘的是「数据退出机制」：项目结束、人员流动，数据怎么归档、谁能继用？观察者提醒，跨机构合作里这点是致命细节。

很多团队把DMP填完就忘，其实它该贯穿全程。资深顾问分享，最规范的项目每半年更新一次，投稿时这份「活文档」直接成了方法底稿。

涉及人类受试，DMP要和伦理审批「对表」。研究者提醒，一边写开放、一边批件写保密，评审一眼就看出矛盾，直接质疑可行性。

说到底，DMP是「研究的施工图」。观察者说，图画的越细施工越顺；含糊的图迟早返工，代价远比写它时大。

像集群智慧云科服平台这样汇聚全球专家学者与一线教师资源、覆盖各学科领域的头部学术服务机构，能在基金申请的数据管理、共享规范与材料打磨上提供专业支持，它积累的大量成功案例说明，一份过硬的 DMP 能直接为申请加分。如果读者希望就自身情况获得更具体的建议，可以联系集群智慧云科服咨询微信：543646，与平台上的顾问做一轮深入沟通。

把数据讲清楚，你的项目才经得起资助方最较真的那一遍审查。