提交需求
*
*

*
*
*
立即提交
点击”立即提交”，表明我理解并同意 《美创科技隐私条款》
免费试用
400-811-3777

logo

    产品与服务
    解决方案
    技术支持
    合作发展
    关于美创
    申请试用
      热门阅读
      1

      连续三载!美创入选 2026-2027年度浙江省委网信办网络安全技术支撑单位

      2026-06-04

       2

      重新认识美创｜美创科技公司手册（2026）焕新升级

      2026-06-02

       3

      国家数据局联合交通运输部开展交通运输领域数据安全治理专题研讨

      2026-06-01

       4

      开源AI渗透测试工具Cairn AI部署与使用

      2026-05-29

       5

      2026数据安全大会，国家数据局局长刘烈宏释放了哪些重要信号？

      2026-05-29
      相关文章

      国家数据局联合交通运输部开展交通运输领域数据安全治理专题研讨

      2026-06-01

      2026数据安全大会，国家数据局局长刘烈宏释放了哪些重要信号？

      2026-05-29

      预警！数据安全再遇新挑战

      2026-05-21

      联合发布：数字安全实战型人才评价白皮书

      2026-05-14

      害怕数据被公开 某教育公司与勒索组织达成协议

      2026-05-13
      什么是高质量数据集？
      发布时间：2026-05-15 阅读次数： 11235 次
      一、定义
      广义上高质量数据集，指在数据全生命周期内，满足业务应用、分析决策、模型训练、数据服务与合规监管要求，具备准确性、完整性、一致性、有效性、唯一性、可访问性、可理解性等核心质量特征，能够稳定、可信、高效支撑数据价值释放的标准化、结构化、可复用数据集合。
      按照TC609（全国数据标准化技术委员会）：高质量数据集是指经过采集、加工等数据处理，可直接用于开发和训练人工智能模型，能有效提升模型性能的数据的集合
      它不在于“数据多”，而是数据好用、敢用、能用
      二、背景与战略意义
      2024年12月，国家发展改革委等部门发布《关于促进数据产业高质量发展的指导意见》，提到“开发高质量数据集”
      2024年12月，发改委等三部门联合印发《国家数据基础设施建设指引》，支持农业、工业、金融等多行业领域打造高质量数据集
      2025年2月，国家数据局召开高质量数据集建设工作启动会，27个国家部委参加
      三、高质量数据集的6大核心标准
      1、准确性。数值、标签、事实与真实业务一致；统一指标在任何系统结果一致。数据必须说真话，讲逻辑，年龄不能是200岁，日期不能是2月30日。内容必须跟源头一致，不能篡改。“垃圾进，垃圾出”数据是错的，只会害了你
      2、完整性。数据不能缺胳膊少腿，关键字段必须要有，比如用户ID；覆盖范围要全，比如统计季度销量，别把12月的数据弄丢了。缺了关键信息的数据就像没有轮子的汽车，跑不起来的
      3、一致性。结构统一，表结构、字段名、类型、编码统一、命名规范，d；跨系统、跨部门、跨业务线可互通。数据最怕内讧不统一，同一概念、说法、单位编码必须一致，别在表A里面用元、表B中用万元，
      4、及时性。满足业务时效要求：T+1离线报表，分钟级实时大屏；延迟可控、可监控、可告警
      5、有效性。格式要合法，如日期、手机号、身份证、枚举值等，粒度合理，如明细/汇总满足使用场景；元数据完备，至少包括字段含义、来源、加工逻辑、负责人、更新频率、业务口径清晰。很简单的判断标准是，业务方拿到就能用，不用再问人
      6、唯一性。数据不能重复、不能有双胞胎，同一用户，只能有一条有效记录，同一个订单不能被录两次

      补充：在政务、金融、政企项目中，安全合规是高质量的前提。即脱敏、加密、权限分级；可追溯、可审计、留痕；满足法规，个人信息保护法、数据安全法、行业合规。


      很多企业数据做的非常规范、完整，但最终只停留在报表、统计，甚至直接被闲置，问题不在于数据，在于没有场景去用它


      脱离业务场景的数据在高质量也没有价值，很多人在做高质量数据集关注的是“干不干净、标注的好不好、量够不够大”，但这些只解决了“数据好不好看”的问题，却没有解决“数据能不能用”的问题


      真正的高质量数据集，还有一个很现实的标准，能不能在具体业务里产生结果，比如做风控的数据重点不是全面，而是能不能识别风险；医疗数据不是越多越好，而是对诊断有没有帮助


      数据的价值从来不是静态的，而是被场景激活的


      信息来源：智小数公众号

      上一条：预警！数据安全再遇新挑战
      下一条：联合发布：数字安全实战型人才评价白皮书
      返回
      关注或联系美创
      官方订阅号 官方订阅号
      官方服务号 官方服务号
      第59号 第59号
      服务热线：400-811-3777
      商务合作：marketing@mchz.com.cn
      友情链接 中央网信办 公安部 工信部 CNCERT 中国信通院 中国软件测评中心 国家工业信息安全发展研究中心 赛迪研究院
      Copyright © 2024 杭州美创科技股份有限公司 All rights reserved.
      浙公网安备 33010502006954号 浙ICP备12021012号-1 网站地图 网站声明及隐私保护政策
      免费试用
      服务热线

      马上咨询

      400-811-3777

      回到顶部