由此，我們?cè)賮?lái)理解商業(yè)機(jī)會(huì)。

數(shù)據(jù)采集與標(biāo)注的公司有很多，從巨頭的“副業(yè)”到AI數(shù)據(jù)專業(yè)化平臺(tái)，總體而言主要玩家如圖所示：

除此之外，更多中小玩家甚至幾十人的草臺(tái)班子數(shù)不勝數(shù)。在中國(guó)，目前全國(guó)從事數(shù)據(jù)標(biāo)注業(yè)務(wù)的公司約有幾百家，全職的數(shù)據(jù)標(biāo)注從業(yè)者有約20萬(wàn)人，兼職數(shù)據(jù)標(biāo)注從業(yè)者有約100萬(wàn)人。

易入門、難精通，而上述兩大因素決定NLP數(shù)據(jù)面臨巨大的挑戰(zhàn)，做得好的就更少。

在數(shù)據(jù)“坐莊”NLP的大背景下，空出了大量的商業(yè)機(jī)會(huì)，而客觀上的高要求阻卻了大量低門檻入場(chǎng)的玩家，NLP數(shù)據(jù)相對(duì)于CV更像一個(gè)藍(lán)海。

打破單純“體力活”標(biāo)簽，NLP數(shù)據(jù)采集與標(biāo)注從四個(gè)方面自我演進(jìn)

有機(jī)會(huì)就總有人會(huì)進(jìn)場(chǎng)，不久前，中國(guó)人工智能高峰論發(fā)布了中國(guó)人工智能科技服務(wù)商50強(qiáng)，既有商湯、曠視這種明星企業(yè)，也出現(xiàn)了榜單內(nèi)唯一的AI數(shù)據(jù)服務(wù)商云測(cè)數(shù)據(jù)，這顯示AI數(shù)據(jù)正在進(jìn)入“主流圈”，在藍(lán)海中嘗試跑出獨(dú)角獸企業(yè)。

當(dāng)然，前提是平臺(tái)能夠解決好NLP數(shù)據(jù)的痛點(diǎn)問(wèn)題。

事實(shí)上，CV的“感知”需求使得“體力活”可能就能夠勝任大多數(shù)據(jù)生產(chǎn)工作（誰(shuí)不認(rèn)識(shí)一輛車、一個(gè)人呢），而“認(rèn)知”的NLP數(shù)據(jù)要突圍，只是“體力活”早已經(jīng)不夠。

至少目前來(lái)看，行業(yè)玩家在四個(gè)方面有所動(dòng)作，或正在解決NLP數(shù)據(jù)痛點(diǎn)問(wèn)題。

1、業(yè)務(wù)模式，用“定制化”迎合商業(yè)落地期的NLP

曾有媒體向Google工程師提起M－Turk的時(shí)候，他表示“我們不敢用Turk標(biāo)注”，因?yàn)榛厥盏臄?shù)據(jù)良莠不齊。

眾包模式（在公開平臺(tái)發(fā)布任務(wù)，自由申領(lǐng)）是曾經(jīng)的AI數(shù)據(jù)產(chǎn)業(yè)主流，擁有數(shù)據(jù)豐富性和多樣性的優(yōu)勢(shì)，不過(guò)數(shù)據(jù)質(zhì)量比較難以把控。在數(shù)據(jù)精細(xì)化要求的今天，很多需求方都轉(zhuǎn)向了“定制化”（一對(duì)一，以項(xiàng)目制的方式完成交辦的數(shù)據(jù)任務(wù)）服務(wù)模式。

例如，云測(cè)數(shù)據(jù)的“定制化”服務(wù)模式，跟的就是需求方復(fù)雜、精深而個(gè)性化的數(shù)據(jù)要求。具體到NLP，在數(shù)據(jù)采集上滿足特定人物（老人、婦女、小孩）、特定場(chǎng)景（家居、辦公、商業(yè)等）、不同方言的聲音／文本數(shù)據(jù)采集；在數(shù)據(jù)標(biāo)注上進(jìn)行需求的對(duì)接、理解清楚場(chǎng)景化要求再分發(fā)盡量具體的規(guī)范指導(dǎo)（同樣一句話在不同交流目的中可能需要標(biāo)注不同的內(nèi)容，例如“我沒(méi)錢”在信貸服務(wù)中意味著潛在客戶，在理財(cái)服務(wù)中則表達(dá)拒絕的態(tài)度）。

當(dāng)然，眾包模式也有它的優(yōu)點(diǎn)，能夠輕量化承載大量相對(duì)簡(jiǎn)單的數(shù)據(jù)需求，而場(chǎng)景化的定制模式則更專業(yè)，主要依靠自有員工和基地，像云測(cè)數(shù)據(jù)就在華東、華南、華北擁有自建標(biāo)注基地，這種玩法顯然更適合匹配客單價(jià)更高的場(chǎng)景化、定制化需求，NLP是典型。

2、管理流程，從“粗放制造”到“精益制造”

既然數(shù)據(jù)采集與標(biāo)注很像是工廠的流水線，那么如果要提升數(shù)據(jù)的精準(zhǔn)度，其實(shí)就如同“制造業(yè)”升級(jí)那樣需要進(jìn)行“粗放制造”到“精益制造”的轉(zhuǎn)變，首要體現(xiàn)在管理流程的優(yōu)化上。

無(wú)論是從平臺(tái)接取任務(wù)的眾包團(tuán)隊(duì)，還是直接對(duì)接需求方的定制化服務(wù)平臺(tái)，至少，草臺(tái)班子式的做法已經(jīng)不適合NLP對(duì)數(shù)據(jù)的要求。

高精準(zhǔn)度、高效率，都依賴管理流程的優(yōu)化，以云測(cè)數(shù)據(jù)為例，具體做法包括這幾個(gè)大方向：

標(biāo)注、審核、抽檢的層層把關(guān)：標(biāo)注人員的結(jié)果交由另一批人進(jìn)行審核，打回不合格的，最終再由質(zhì)檢進(jìn)行抽檢，大體如此，可能步驟更復(fù)雜；

人才類型的基礎(chǔ)分類：文本、語(yǔ)音、圖像標(biāo)注人員不相互混用；

擅長(zhǎng)場(chǎng)景的優(yōu)先任務(wù)派發(fā)：在同等條件下，擅長(zhǎng)對(duì)應(yīng)場(chǎng)景的人優(yōu)先派發(fā)給任務(wù)。

例會(huì)制度：如同精細(xì)化管理的制造業(yè)一樣，早會(huì)、晚會(huì)、周會(huì)、月會(huì)，總結(jié)問(wèn)題、提醒改進(jìn)。

……

而無(wú)論如何，管理流程的事，說(shuō)得再多，日常工作的落實(shí)才是最重要的。

3、職業(yè)技能，專業(yè)培訓(xùn)擺脫“低水平重復(fù)”

“不要門檻”意味著更低的價(jià)值，在人員個(gè)人能力上，NLP在逐漸拋棄那些“無(wú)門檻”入局的人，尤其是在特定的場(chǎng)景需求下。

例如，這是一個(gè)非常簡(jiǎn)單的NLP數(shù)據(jù)標(biāo)注實(shí)例：