由此，我們再來理解商業(yè)機會。

數據采集與標注的公司有很多，從巨頭的“副業(yè)”到AI數據專業(yè)化平臺，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班子數不勝數。在中國，目前全國從事數據標注業(yè)務的公司約有幾百家，全職的數據標注從業(yè)者有約20萬人，兼職數據標注從業(yè)者有約100萬人。

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

在數據“坐莊”NLP的大背景下，空出了大量的商業(yè)機會，而客觀上的高要求阻卻了大量低門檻入場的玩家，NLP數據相對于CV更像一個藍海。

打破單純“體力活”標簽，NLP數據采集與標注從四個方面自我演進

有機會就總有人會進場，不久前，中國人工智能高峰論發(fā)布了中國人工智能科技服務商50強，既有商湯、曠視這種明星企業(yè)，也出現了榜單內唯一的AI數據服務商云測數據，這顯示AI數據正在進入“主流圈”，在藍海中嘗試跑出獨角獸企業(yè)。

當然，前提是平臺能夠解決好NLP數據的痛點問題。

事實上，CV的“感知”需求使得“體力活”可能就能夠勝任大多數據生產工作（誰不認識一輛車、一個人呢），而“認知”的NLP數據要突圍，只是“體力活”早已經不夠。

至少目前來看，行業(yè)玩家在四個方面有所動作，或正在解決NLP數據痛點問題。

1、業(yè)務模式，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的時候，他表示“我們不敢用Turk標注”，因為回收的數據良莠不齊。

眾包模式（在公開平臺發(fā)布任務，自由申領）是曾經的AI數據產業(yè)主流，擁有數據豐富性和多樣性的優(yōu)勢，不過數據質量比較難以把控。在數據精細化要求的今天，很多需求方都轉向了“定制化”（一對一，以項目制的方式完成交辦的數據任務）服務模式。

例如，云測數據的“定制化”服務模式，跟的就是需求方復雜、精深而個性化的數據要求。具體到NLP，在數據采集上滿足特定人物（老人、婦女、小孩）、特定場景（家居、辦公、商業(yè)等）、不同方言的聲音／文本數據采集；在數據標注上進行需求的對接、理解清楚場景化要求再分發(fā)盡量具體的規(guī)范指導（同樣一句話在不同交流目的中可能需要標注不同的內容，例如“我沒錢”在信貸服務中意味著潛在客戶，在理財服務中則表達拒絕的態(tài)度）。

當然，眾包模式也有它的優(yōu)點，能夠輕量化承載大量相對簡單的數據需求，而場景化的定制模式則更專業(yè)，主要依靠自有員工和基地，像云測數據就在華東、華南、華北擁有自建標注基地，這種玩法顯然更適合匹配客單價更高的場景化、定制化需求，NLP是典型。

2、管理流程，從“粗放制造”到“精益制造”

既然數據采集與標注很像是工廠的流水線，那么如果要提升數據的精準度，其實就如同“制造業(yè)”升級那樣需要進行“粗放制造”到“精益制造”的轉變，首要體現在管理流程的優(yōu)化上。

無論是從平臺接取任務的眾包團隊，還是直接對接需求方的定制化服務平臺，至少，草臺班子式的做法已經不適合NLP對數據的要求。

高精準度、高效率，都依賴管理流程的優(yōu)化，以云測數據為例，具體做法包括這幾個大方向：

標注、審核、抽檢的層層把關：標注人員的結果交由另一批人進行審核，打回不合格的，最終再由質檢進行抽檢，大體如此，可能步驟更復雜；

人才類型的基礎分類：文本、語音、圖像標注人員不相互混用；

擅長場景的優(yōu)先任務派發(fā)：在同等條件下，擅長對應場景的人優(yōu)先派發(fā)給任務。

例會制度：如同精細化管理的制造業(yè)一樣，早會、晚會、周會、月會，總結問題、提醒改進。

……

而無論如何，管理流程的事，說得再多，日常工作的落實才是最重要的。

3、職業(yè)技能，專業(yè)培訓擺脫“低水平重復”

“不要門檻”意味著更低的價值，在人員個人能力上，NLP在逐漸拋棄那些“無門檻”入局的人，尤其是在特定的場景需求下。

例如，這是一個非常簡單的NLP數據標注實例：