跳到主要内容

高质量数据集,先明确什么才叫“可用”?

从任务、样本和验收标准开始,让数据质量有可核对的依据。

01

先定义数据用于什么任务

说明目标应用、使用场景和预期输入输出。不同任务对数据内容、字段、格式和覆盖范围的要求不同,先写清数据规格,再讨论数据集或处理工作。

02

用样本核对范围与规则

选择有代表性的样本,核对内容是否符合任务、字段是否完整、处理或标注规则是否一致。将有歧义的样本记录下来,在批量工作前确认处理方式。

03

把质量写成验收标准

按项目需要约定完整性、重复情况、一致性和标注质量等维度,明确抽检方法、问题修订和复验方式。验收结论应有相应记录支持。

04

交付数据,也交付说明

与数据一起核对规格、来源与使用范围、版本和质检记录。后续调整保留变更说明,便于区分数据变化和应用变化。

本文用于说明建议的工作方法,不代表客户案例或已取得的业务效果。

下一步

将这些问题,带入你的试点。

带着现有流程和一个希望解决的问题,一起明确项目范围。

梳理项目需求