掌握自己熟知的   探索未来需要的
当前位置: 首页 >> 数字化发展 >> “有没有数据”已经过时了:国家数据局给出高质量数据集的“一套方法论”

“有没有数据”已经过时了:国家数据局给出高质量数据集的“一套方法论”

创建时间: 2026-11-17
数据要素 · 高质量数据集 · 2026年11月
“有没有数据”已经过时了:国家数据局给出高质量数据集的“一套方法论”
11月10日,国家数据局在厦门召开高质量数据集和数据标注先行先试建设现场会,提出“一条主线、四个环节、一个闭环”。模型企业的数据需求,正从“有没有”转向“有没有对的、够用的、高质量的”。

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。

“一条主线、四个环节、一个闭环”是什么

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。

金句:过去比谁的数据多,现在比谁的数据“对”。把真实场景优势变成数据优势,再变成模型能力——这条路的第一步,是把场景里真正值钱的那部分数据挑出来、理清楚。
阿优视角
阿优帮企业做知识库、做智能体,最深的一个体会就是:AI效果不好,八成不是模型不行,是喂进去的数据不行。客户常把一堆扫描件、聊天记录、老旧表格一股脑丢进来,说“我都给你了,怎么还答不准”。这就是典型的“有没有数据”思维。国家数据局这次讲得很透——得从场景出发定义需求,得做治理、标注、测评的闭环。我们给客户的做法也一样:先定一个具体场景(比如售后常见问题自助答),只理这一场景相关数据,请业务骨干参与标注和校验,上线后根据回答质量反复补。一个场景做扎实,比铺十个半成品强。这在阿优的理念里,就是“至简落地”——不贪大,先把一条闭环跑通。

企业搭高质量数据集的三步

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。

至简建议 · 三条就够
  1. 场景倒推:先定要解决的具体问题,再决定采什么数据,别为存而存。
  2. 专家进场:知识密集型数据要有业务骨干参与标注,人机协同才标得准。
  3. 建数据飞轮:用效果测评反哺数据迭代,让数据集越用越准。
至简落地,点石成金
阿优科技专注帮传统企业把 AI 用出效果:从一次业务诊断开始,选场景、理数据、小步快跑,先见回头钱,再扩规模。唐山本地企业可上门沟通,先看现状,再谈方案。咨询电话:13111472999
相关资讯
在线客服