为什么这个判断重要
算法项目前期需要准备可合法使用、来源可追溯、覆盖目标场景并能支持训练、验证和独立测试的数据。
数据准备不只是收集数量，还要明确采集条件、类别与异常覆盖、标注规则、质量检查、版本、权限和测试集隔离。
开发前需要确认的条件
- 说明数据来源、用途授权、敏感信息和保留规则
- 覆盖正常、困难、罕见和失败场景
- 制定标注定义、冲突处理和抽检方法
- 划分训练、验证、测试集并记录版本与去重
实施与交付方式
先用数据盘点和小样本审查发现缺口，再决定补采、清洗、标注或调整目标，避免开发后才发现数据无法验收。
交付前的数据证据包括清单、字段或类别说明、样本统计、标注规范、质量抽检和数据版本哈希或编号。
验收边界
数据量大不代表代表性充分；客户提供数据的合法性和业务含义需要客户确认，技术方负责按约处理和记录。