懂你所需,做你所想
二十多年互联网行业经验
11月10日下午,国家数据局在福建省厦门市组织召开高质量数据集和数据标注先行先试建设现场会,总结先行先试工作进展成效,明确下一步重点。国家数据局党组书记、局长刘烈宏出席会议并讲话。会议传递出一个鲜明判断:模型企业对数据集的需求,已经从“有没有数据”,转向“有没有对的、够用的、高质量的数据”。这句话,值得每一个想用AI的企业认真琢磨。
会议把高质量数据集的建设方法概括为“一条主线、四个环节、一个闭环”:以场景牵引建设为主线,聚焦需求定义、数据治理、专业标注、质量测评四个环节,持续形成“数据飞轮”应用闭环。翻译成大白话就是:先想清楚这个数据要喂给谁、解决什么问题(需求定义),再把原始数据清洗整理干净(数据治理),再由专业力量打上精准标签(专业标注),最后检验数据到底好不好用(质量测评),用完的效果又反过来推动数据继续迭代。
| 环节 | 做什么 | 企业常见短板 |
|---|---|---|
| 需求定义 | 明确AI用数需求、场景优先 | 为存数据而存,不知道要解决什么 |
| 数据治理 | 清洗、整理、结构化原始数据 | 数据散在各系统,格式乱、质量差 |
| 专业标注 | 专家深度参与的知识密集型标注 | 靠通用标注,缺行业知识含量 |
| 质量测评 | 检验数据是否够用、好用 | 没有反馈闭环,用完不复盘 |
会议还特别点出数据标注的升级方向:数据标注正从通用标注向专家深度参与的知识密集型升级,从简单标签向过程标注升级,要推动从传统的“以人为主”模式,向人机协同、专家深度参与的多层次标注模式转变。这一点对制造业尤其关键——一条产线的故障处置经验、一套设备的调参逻辑,普通标注员标不出来,得靠老师傅和工程师参与。数据不再是“堆量”的生意,而是“拼质”的功夫。
第一,从场景倒推需求。先定一个要解决的具体问题,再决定采什么数据,不要反过来。第二,让专家进标注环节。行业知识密集的数据,必须有业务骨干参与,人机协同才能标得准。第三,建“数据飞轮”。把使用效果做成测评反馈,用得好就扩、不好就补,让数据越用越准。