数据要素相关企业在数据加工环节的经营不确定性，主要来自加工环节本身技术门槛不高、数据运营商可自主完成，从而使外包型数据标注服务的需求稳定性存在波动。数据加工是数据资源化的第一步，主要对企业采集和存储的数据进行筛选和处理，以提高可用性，并为后续挖掘分析奠定基础；其流程包括数据清洗、数据标注、数据审核和数据融合等步骤。整体来看，这些环节都比较成熟，也没有太大的技术难度，很多数据运营商都可以自主进行，因此专注外包服务的企业，其订单需求可能随客户自建能力的变化而起伏。
加工链条成熟，自主完成成为可能
数据清洗是对数据做校验，删除重复信息、纠正错误以提升质量，现阶段数据治理工具和大多数大数据平台都会提供自动化清洗功能，例如百度的 EasyData 智能数据服务平台就提供图片去模糊、图片去重等功能，并以机器人和人工双重检验保证质量。数据审核主要针对非结构化数据中的色情、反动、欺诈等非法内容，一般采取机器与人工双重过滤。数据融合则是把多源、多模态数据互相融合，形成可被挖掘分析的数据集，目前不同数据管理平台已开始集成多源异构数据融合与多模态数据挖掘功能。
这些环节的成熟与工具化，意味着客户在具备平台和工具后，较容易将加工能力内部化，这正是外包需求波动的来源之一。
标注环节门槛相对更高，外包需求集中于此
在数据加工各步骤中，数据标注环节因人工智能技术崛起而发展更快。数据标注是借助特定软件标注工具，以人工方式为图片、语音、文本、视频等内容打上特征标签，计算机通过大量学习这些带标签数据，最终形成自主识别能力。人工智能数据标注产业相对而言仍有一定技术门槛，所以很多数据运营商会选择外包。第三方数据服务商海天瑞声，正是AI数据标注领域的引领者，通过设计数据集结构、组织数据采集并加工原料数据，形成可供AI算法模型训练使用的专业数据集，并以软件形式向客户交付，覆盖智能语音、计算机视觉、自然语言等核心领域。
需要说明的是，标注环节的增速与规模数据有明确口径：根据 Grand View Research 的统计，全球数据标注工具的市场规模在 2021 年约为 6.3 亿美元，到 2030 年将超过 50 亿美元，年均复合增长率接近 27%。这一口径反映的是标注工具市场，而非全部数据加工服务。
常见问题
数据加工环节技术难度不高，为什么还会形成经营不确定性？
因为清洗、审核、融合等环节成熟且工具化，数据运营商可自主进行，客户自建能力越强，对外部加工与标注服务的采购就越可能收缩，需求因此呈现波动。
外包型数据标注企业的需求主要受什么影响？
主要受客户是否选择自建标注能力影响。资料指出标注环节相对仍有一定技术门槛，很多数据运营商会选择外包，但这一选择会随客户自身能力与项目节奏变化。
数据标注市场的增长口径如何理解？
上述 6.3 亿美元与超过 50 亿美元，是 Grand View Research 对全球数据标注工具市场 2021 年规模及 2030 年规模的统计与展望，属于特定时点与特定口径，不宜直接等同于数据加工全环节或单一企业的经营表现。