如何运营一家数据标注公司 （市场结构篇）

随着AI浪潮的斩头露角，数据标注行业也犹如雨后春笋般蓬勃的发展起来。

本文就目前国内数据标注行业存在的几个阶段性结构特征进行展开，让更多想了解数据标注的AI公司、AI实验室、准备加入数据标注的朋友们，快速熟悉目前数据标注行业的现状和运营数据标注公司应该注意的若干问题。
数据标注市场目前有下面几种结构：
一、 众包结构
顾名思义，就是把需要完成的任务分发给大众志愿者（也就是市场上说的兼职）。这其中就出现了众包公司。众包公司联系到需求数据标注的客户，和客户建立合作关系后，将客户需求传达给合作的大众志愿者，从而形成一个“需求公司——数据标注众包公司——多个大众志愿者”这样一个众包结构。

这种众包结构的优点就是可以组织起社会上的大众志愿者进行数据标注，而大众志愿者不用占用太多的公司资源，劳动力成本相对较低。对于数据标注众包公司费用支出的核心——人工来说，无疑是可以极大的减少公司的运营成本，从而使公司自身在面对需求数据标注的客户时的报价更具有竞争力。
当然，众包结构的缺点和优点一样显而易见，甚至可以说它的缺点已经慢慢的大过了它的优点，为什么这么说呢？

1. 需要拥有大量的志愿者基数
由于上游客户的需求可能千变万化，同时客户的需求很大概率都是阶段性的，这就要求众包公司合作的大众志愿者首先自身得是稳定的。但是由于大众志愿者就是利用闲散时间进行工作的这种特性，长期稳定的大众志愿者几乎不太可能，这就要求数据标注众包公司必须拥有庞大的大众志愿者团队，形成一个体系。才能保证在发放任务的时候总是有充足的大众志愿者进行合作。
2. 沟通成本高昂
而当大众志愿者的数量能够满足任务要求时，我们又不得不面对另一个事实：数据标注众包公司在与需求公司洽谈合作时只能有针对性的进行数据标注类型的选择。如果在选择数据标注项目上普遍撒网，就会面对公司自身需要投入巨大的精力去培训那些不断更迭的大众志愿者。而很多时候公司在大众志愿者合作方面节约下来的成本，其实已经全部转嫁到了公司培训、纠错诸如此类的沟通环节。
3. 数据保密困难
目前国内的AI公司，AI实验室还没有形成井喷之势。但就现阶段而言依然有众多AI公司，AI实验室在进行着高度重叠的产品研发。对于有标注需求的公司来说，如果被标注数据都是真金白银获取来的，那么倘若在众包环节众包公司处理不当，很有可能AI公司辛苦获取的数据就成了其他AI公司的嫁衣。
4. 无法给予需求公司灵活的服务
因为大众志愿者拥有流动性的特点，一旦需求公司改变原有标注需求，数据标注众包公司是没有办法在较短的时间进行调整的。同时，数据标注众包公司的客户群体也相对单一，由于大众志愿者的群体特点，数据标注众包公司只能把更多精力放在需要大批量数据标注，同时标注规则相对简单的需求公司。但是AI的训练是一个阶段性的过程，基本上都是：小批量找特征训练——较小批量简单场景训练——较小批量复杂场景训练——大批量训练。在数据标注众包公司砍掉处在第一阶段的AI公司和AI实验室的时候，其实也就是砍掉了相当一部分潜在客户。
二、 工厂结构
有了众包结构里的兼职架构，下面就着重介绍一下全职架构，也就是工厂结构。
工厂结构相较于众包结构形式上要简单一些，省去了中间众包商这个环节，进而形成了一个“需求公司——数据工厂”这样的工厂结构。

三、 众包+工厂结构
有了众包和工厂结构的总结，我们不难发现，他们各有各的优点，也各有各的缺点。这里提出的众包+工厂结构，其实就是将两者进行了优缺点的融合，扬长避短。
那么大家肯定会有疑问，怎么融合呢？如何才能将这两种结构很好的在实际操作中统一起来呢，欢迎大家持续关注，在后面的篇幅里，会有详细介绍。

阅读原文请进入:http://www.awkvector.com/