Nghiên cứu
Cần chuẩn bị gì trước khi cấp phép dữ liệu của công ty
Một yêu cầu tìm hiểu ban đầu hữu ích cần nêu rõ ai kiểm soát dữ liệu, dữ liệu chứa gì và có thể được đánh giá như thế nào. Khảo sát nhỏ trên mười chương trình cung cấp dữ liệu công khai cho thấy các điểm khởi đầu khác nhau: biểu mẫu bày tỏ quan tâm, tài khoản, yêu cầu đăng thông tin, yêu cầu gặp mặt hoặc ước tính. Tám chương trình cung cấp thông tin chuẩn bị có thể đọc được. Quy trình được công bố cho thấy vì sao thông tin cần để bắt đầu trao đổi có thể khác với thông tin cần để đánh giá hoặc đăng thông tin.
Với một công ty đang cân nhắc hợp tác dữ liệu lần đầu, kết quả thiết thực là một bản tóm tắt chuẩn bị ngắn gọn. Hãy mô tả công ty và những người ra quyết định, bộ dữ liệu và lịch sử của nó, cùng các quyền và hạn chế cần làm rõ. Bổ sung chi tiết khi quá trình xem xét của bên cung cấp tiến triển.
Biểu mẫu đầu tiên cho biết cuộc trao đổi bắt đầu từ đâu
Hành động công khai đầu tiên có thể khá đơn giản, dù bên cung cấp mô tả quy trình xem xét chi tiết hơn ở giai đoạn sau.
Trang đăng thông tin của Neudata mô tả yêu cầu ban đầu gồm thông tin công ty và liên hệ. Chuyên viên phân tích phê duyệt trước khi xây dựng nội dung đăng; theo trình tự được công bố, bảng câu hỏi thẩm định hoặc bước kiểm tra rủi ro diễn ra sau khi phê duyệt. Nếu chỉ chuẩn bị cho biểu mẫu đầu tiên, người gửi sẽ bỏ sót phần mô tả sản phẩm và thẩm định sau đó. Quy trình đăng thông tin của Neudata
Trình tự công khai của Defined.ai bắt đầu bằng việc tạo tài khoản Jira. Các giai đoạn sau đề cập đến cơ hội thương mại, chất lượng dữ liệu, khối lượng, cách tổ chức, siêu dữ liệu, quyền cấp phép và tuân thủ. Vì vậy, riêng bước tạo tài khoản cung cấp rất ít thông tin về những nội dung mà đối tác dữ liệu cần sẵn sàng trao đổi. Chương trình đối tác của Defined.ai
Các chương trình khác đưa câu hỏi về bộ dữ liệu ngay vào biểu mẫu công khai. OpenAI hỏi về loại dữ liệu, quy mô ước tính kèm đơn vị, định dạng, quyền chia sẻ và hỗ trợ cần thiết để chuẩn bị dữ liệu. Shutterstock hỏi về loại nội dung được kiểm soát và quy mô thư viện. Biểu mẫu bày tỏ quan tâm của OpenAI, Mạng lưới đối tác dữ liệu của Shutterstock
Sự khác biệt này ảnh hưởng đến cách chuẩn bị. Dùng biểu mẫu ban đầu để xác định hành động tiếp theo, rồi đọc phần giải thích của bên cung cấp về quy trình đánh giá và tiếp nhận. Yêu cầu liên hệ, thông tin đăng được phê duyệt và thỏa thuận cấp phép là những kết quả khác nhau.
Các cách bắt đầu công khai được đọc ngày 17 tháng 11 năm 2026. Bảng trường hợp liên kết từng quan sát với nguồn tương ứng.
Mô tả bộ dữ liệu bằng các đơn vị thể hiện rõ nội dung
“Chúng tôi có vài terabyte” vẫn để ngỏ những câu hỏi quan trọng. Bản mô tả cần giúp bên nhận hiểu số byte đó đại diện cho điều gì và các bản ghi có ngữ cảnh hữu ích hay không.
Biểu mẫu OpenAI được khảo sát yêu cầu rõ đơn vị cho quy mô ước tính và đưa ra số từ và số giờ làm ví dụ. Trường quy mô thư viện của Shutterstock phù hợp với một bộ sưu tập nội dung. Đây là những cách mô tả quy mô khác nhau, vì vậy chỉ một con số về dung lượng lưu trữ khó có thể phù hợp với mọi yêu cầu tìm hiểu. Biểu mẫu của OpenAI, biểu mẫu của Shutterstock
Hồ sơ vận hành cần một cách mô tả khác. Trang dữ liệu kinh doanh của Troveo đề cập đến hệ thống, quy mô đội ngũ và lịch sử hoạt động, đồng thời mô tả các mối liên kết trong hội thoại, siêu dữ liệu tài liệu và lịch sử dự án. Các ví dụ của SuperAnnotate gồm thông tin liên lạc, tài liệu quy trình, quyết định, hồ sơ chuyên ngành và công việc được ghi lại. Cả hai trang đều đưa công việc được phản ánh trong các bản ghi vào phần mô tả. Trang dữ liệu kinh doanh của Troveo, quan hệ đối tác dữ liệu của SuperAnnotate
Trong bản tóm tắt ban đầu, hãy ghi loại nội dung, số lượng gần đúng, khoảng thời gian và hệ thống nguồn. Bổ sung ngữ cảnh giúp hiểu các bản ghi: tin nhắn có còn giữ chuỗi hội thoại hay không, tài liệu có lịch sử phiên bản hay không, hoặc bộ dữ liệu có từ điển trường dữ liệu hay không. Hướng dẫn công khai của Neudata khuyến nghị cụ thể các tài liệu hỗ trợ như từ điển dữ liệu để giải thích sản phẩm dữ liệu. Hướng dẫn dành cho bên cung cấp của Neudata
Đây là một ví dụ giả định về bản mô tả hữu ích:
Một kho hồ sơ bảo trì thiết bị trong ba năm, với khoảng 80.000 lệnh công việc. Mỗi bản ghi liên kết lỗi được báo cáo, ghi chú kiểm tra, công việc sửa chữa đã thực hiện và trạng thái kết thúc. Kho dữ liệu có thể xuất thành các bảng có cấu trúc kèm từ điển trường dữ liệu. Các tệp đính kèm và trường định danh chưa được xem xét để đưa vào.
Phân biệt quyền kiểm soát tệp với quyền cấp phép
Chuẩn bị bản giải trình rõ ràng về nguồn gốc các bản ghi và người có thể cho phép mục đích sử dụng được đề xuất. Nêu rõ những quyền chưa được xác định để có thể giải quyết trong quá trình trao đổi.
Biểu mẫu bày tỏ quan tâm của OpenAI hỏi người đăng ký có quyền chia sẻ dữ liệu hay không. Trang dành cho bên cung cấp của Datarade nêu quyền thương mại hóa và các hạn chế đối với dữ liệu cá nhân là những yếu tố xét điều kiện. Defined.ai mô tả việc kiểm tra quyền cấp phép và tuân thủ là một phần của quá trình đánh giá. Đây là những yêu cầu hoặc câu hỏi công khai của các chương trình đó; việc trả lời biểu mẫu không xác nhận rằng bộ dữ liệu đã được xác minh đầy đủ về mặt pháp lý. Biểu mẫu của OpenAI, yêu cầu dành cho bên cung cấp của Datarade, quy trình xem xét của Defined.ai
Bản tóm tắt chuẩn bị có thể xác định bên dự kiến cấp phép, cách dữ liệu được tạo ra hoặc thu thập, các thỏa thuận liên quan và những hạn chế mà đội ngũ đã biết. Bản tóm tắt cũng có thể nêu ai cần giải quyết các câu hỏi còn lại. Hãy phân biệt phần mô tả đó với tuyên bố rằng mọi quyền đã được xác minh.
Phạm vi cũng quan trọng. Gói dữ liệu dự kiến có thể chỉ bao gồm một khoảng thời gian, hệ thống hoặc bộ sưu tập, thay vì toàn bộ dữ liệu tổ chức đang nắm giữ. Mô tả ranh giới dự kiến giúp cuộc trao đổi tiếp theo cụ thể hơn. Điều này cũng giúp phân biệt một mẫu đại diện với việc chuyển giao toàn bộ dữ liệu.
Dùng bản tóm tắt ngắn, rồi bổ sung bằng chứng được yêu cầu
Bảng thực hành nhóm các câu hỏi được quan sát thành ba phần thiết thực. Cách phân nhóm này là phần tổng hợp của chúng tôi từ nghiên cứu thí điểm.
| Phần | Nội dung cần chuẩn bị |
|---|---|
| Công ty và người ra quyết định | Tổ chức, lĩnh vực, lịch sử hoạt động liên quan, người liên hệ và người chịu trách nhiệm về quan hệ đối tác được đề xuất |
| Bộ dữ liệu và công tác chuẩn bị | Loại nội dung, số lượng gần đúng kèm đơn vị, khoảng thời gian dữ liệu bao phủ, hệ thống, định dạng, siêu dữ liệu hiện có và công việc cần thực hiện để đánh giá |
| Quyền và phạm vi | Nguồn dữ liệu, bên dự kiến cấp phép, các hạn chế đã biết, những mục đích sử dụng được phép cần thảo luận và các câu hỏi về phê duyệt chưa được giải quyết |
Dùng “chưa biết” khi một chi tiết chưa được xác định. Mỗi ước tính cần kèm đơn vị và cách tính. Phát biểu về quyền cần nêu rõ cơ sở, thay vì coi việc sở hữu tệp là bằng chứng.
Ví dụ, “khoảng 4.000 giờ, ước tính từ chỉ mục thư viện đa phương tiện” hữu ích hơn “kho video lớn”. “Đội ngũ của chúng tôi cần xem xét các thỏa thuận với người đóng góp cho mục đích sử dụng này” hữu ích hơn một tuyên bố không có cơ sở rằng toàn bộ kho dữ liệu đã được xác minh đầy đủ về quyền.
Bước tiếp theo tùy thuộc vào chương trình. SuperAnnotate mô tả một cuộc gọi xác định phạm vi, sau đó là đánh giá mẫu; Datarade mô tả việc xem xét đơn đăng ký trước khi tạo hồ sơ và công bố sản phẩm. Hãy hỏi bước xem xét tiếp theo cần gì và dùng quy trình đã thống nhất cho mọi tài liệu cung cấp. Quy trình được SuperAnnotate công bố, quy trình đăng ký của Datarade
Tải bảng thực hành chuẩn bị. Các quan sát và tập lệnh phân tích cho phép người đọc kiểm tra liên kết với nguồn và tái lập các số liệu thống kê của nghiên cứu thí điểm.
Cách chúng tôi thực hiện nghiên cứu thí điểm
Chúng tôi chọn mười chương trình để bao quát các hình thức tiếp nhận công khai khác nhau: OpenAI, Defined.ai, Datarade, Neudata, Protege, Shutterstock, SuperAnnotate, Turing Lazarus, Troveo và The General Data Company. Đây là lựa chọn có chủ đích nhằm bao gồm các trường hợp đa dạng, không phải mẫu ngẫu nhiên hay toàn diện về các bên mua dữ liệu.
Ngày 17 tháng 11 năm 2026, chúng tôi đọc các trang chương trình chính thức bằng tiếng Anh và những phần giải thích công khai liên quan bằng phương pháp trích xuất web. Tám chương trình cung cấp thông tin đủ chi tiết về các giai đoạn chuẩn bị hoặc bắt đầu. Không thể đọc nội dung chính của chương trình Turing Lazarus và cách tham gia quan hệ đối tác của The General Data Company bằng phương pháp này. Các nội dung đó vẫn được ghi là chưa biết trong bộ dữ liệu. Biểu mẫu nhúng của Protege và biểu mẫu được liên kết từ Neudata cũng không đọc được, dù các trang công khai của họ mô tả cách bắt đầu.
Chúng tôi không nhập thông tin cá nhân, tạo tài khoản, gửi đơn đăng ký, tải dữ liệu lên hoặc kiểm thử việc xác thực các trường. Các phát biểu công khai phản ánh những gì bên cung cấp cho biết; chúng không xác nhận việc xem xét đã hoàn tất, sự chấp nhận, giá giao dịch hay kết quả của khách hàng. Kết quả tìm kiếm có thể dùng các bản sao đã được lập chỉ mục và các trang có thể thay đổi. Phương pháp đầy đủ và bảng trường hợp nêu rõ phạm vi khảo sát và từng giới hạn truy cập.
Để được hỗ trợ xác định phạm vi cho một dự án dữ liệu tiềm năng, xem cung cấp dữ liệu cho sapien1.