沙漠探险命悬一线却获风投 他凭1000业务员手持老键盘人工清洗标注数据

◆杜霖喜欢冒险，曾孤身一人驾驶一辆二手柴油版宝马320D横穿了整个南非。

文| 铅笔道 记者 罗正臣

►导语

杜霖猛灌了几口红牛，瞪着泛着血丝的双眼，透过玻璃窗看了一眼数据工厂（以人力完成数据整理录入的工厂）的业务员们。凌晨两点，工厂内业务员的手指仍在键盘上翻飞，他挠了挠头，重新坐回桌子前敲起了代码。

那是2015年12月，杜霖的BasicFinder接了一个有关数据采集任务的大单。他们作为数据工厂上游，正在着手优化工厂工作流程管理系统。

BasicFinder是一家专注于大数据采集、清洗加标注的服务商，其主营产品是一套帮助连接客户与下游数据工厂的SaaS管理系统。在这套系统上，客户可以根据自身需求在沙盒（一种受限的安全环境系统）中提出任务定义需求，并发送给BasicFinder，公司匹配数据工厂后，工厂会将客户提供或自身采集的数据处理后，返还给客户以完成后续人工智能研发工作。

现阶段，公司已于2015年9月及今年3月分别完成天使轮及Pre-A轮融资，目前客户包括中国科学院、搜狗、云知声等B端企业。

注: 杜霖承诺文中数据无误，为其真实性负责，铅笔道已备份录音速记，为内容客观性背书。

死里逃生获风投

2014年10月的某日下午，新疆库木塔格沙漠，太阳是那么毒，以狂沙为伴，地表温度让仅有的水汽都化作了虚影。

杜霖和朋友，一辆路虎卫士，一辆陆地巡洋舰，静静地停在垂直深度200米的“好汉锅”（该巨坑因形似一口铁锅且探险中难从中脱险故得名好汉锅）内，在他们旁边就是数年前环塔拉力赛中一辆价值上百万的赛车残骸。

因为赛车无法从深坑开出，尝试几次后，老板曾一气之下用一桶汽油将那辆极尽奢华的改装车付之一炬。

从“好汉锅”逃出生天只有一条路，车辆缺一点速度都会以失败告终。

◆BasicFinder合作的一家数据工厂内部

杜霖他们也遇到了同样的窘境，车开不出去了，接连几次尝试都以失败告终，而他们携带的水马上要没了。下午4点的太阳照射着沙粒，杜霖和朋友的嘴唇都已干裂，他们想到了用卫星电话呼救。

两人不服命，决定拼死一试，遂将陆地巡洋舰的空气滤芯摘除以加大引擎进气量。接着两人扔掉了大量繁重装备，冒着爆缸的危险，终于从那一条生命之路将车开了上去。跃出巨坑的一瞬间，两人不禁欢呼击掌，也许是这次共同死里逃生的经历，朋友决定为杜霖投资一笔数百万元的创业风投金。

彼时杜霖刚刚从南非归来不久，前两次工作经历虽已让他衣食无忧，却总想继续挑战生活。获得朋友给予的风投金后，他瞄准了大数据领域，决心再次创业。“大学上是上海交大ACM尖子班学院，学的是计算机，后来又从事了TMT领域风投工作，觉得创业还是靠近本专业一些好。”

但决心创业的他并没有从一开始就想好方向，只知道人工智能和机器学习领域会爆发出一波机会，所以他盯上了大数据领域。“将来人工智能的发展离不开大数据作为燃料，所以大数据一定在将来可以打出一片天。”

2015年杜霖注册了北京深度搜索科技有限公司，直到之后的一场饭局，他才摸索出了公司前进的方向。

人力标记数据及清洗

杜霖早早来到朋友家等着这场陌生的饭局。朋友向杜介绍，饭局上另一人从事的是敲键盘生意。“我当时想，现在公司是缺程序员，但也不缺敲键盘的啊，他们做的事情又和我们无关，便没太在意。”

酒过三巡，菜过五味，那位陌生朋友邀请杜霖第二天去拜访敲字工厂，借着酒劲杜应了下来。第二天，两人驱车来到了位于上地的车间，打开厂房门一瞬间，杜霖愣了。

近千平米厂房内，有300余名身着白色大褂的员工在噼里啪啦敲打着手中的键盘。清一色老式的机械键盘，让啪啪的打字声组成了一首协奏曲，让杜霖听着入了迷。朋友告诉他，这个工厂是在以人力的方式，完成着文字数据整理和录入工作，订单来自世界各地，甚至有人在将400年前的古德国族谱敲入文档中。

大数据是人工智能这枚冉冉升起的火箭中的燃料，它为后续包括深度学习、机器视觉等多领域提供可供分析的素材。数据量越大，人工智能模型则会被训练得越加聪明。大数据作业可简单分为数据采集、清洗、标注、建模等几环流程，其中清洗、标注尤为困难。清洗与标注的质量，直接决定交付数据的质量和最后人工智能训练模型的结果，所以杜霖决定以此两环节切入市场。

就在一瞬间，杜霖猛地意识到，这家工厂可以转型成为大数据发动机。“如果他们能够人工标记、清洗数据，则会提高数据质量，从而提高数据使用者工作效率。”

杜霖随后想到了可以依托该数据加工体系，创建一套服务平台，将客户、数据加工厂撮合成一条链条，并完成标准化管理。“现阶段AI数据需求方无法在系统中准确定义数据处理任务，即使定义好了也没有一套高效的标记清洗工具，以至于数据无法通过最终的评鉴环节。”

数据工厂的存在则可以有效以人力去标记和清洗数据，保证最终评检环节过关率。而国外Amazon mTurk虽已有类似服务，却因为雇佣低质量兼职外包工作人员（1美分/Task），使数据无法完成最后评检环节。

想到此，杜霖决定研发一整套名为BasicFinder的大数据任务管理监控平台，并与朋友的数据工厂结成战略合作关系。“我们会将大数据从任务接收到交付的全流程划分成模块，让专职员工负责标记、清洗等工作。” 在数据作业的过程中，BasicFinder平台将会分级赋权给员工及管理者，方便他们对数据进行纠错和检验。

其系统工作流程如下：

2015年9月，杜霖正式带领团队研发BasicFinder系统，没想到这一套系统研发竟用了2年时间。

全国12家工厂

“这套系统难在应对各B端用户时，要耗费长时间沟通准确需求。” 而提高与各客户之间的沟通效率的方法，在于梳理出针对各行业的模板。

以公司为从视频标记人体骨骼点的项目为例，数据工厂会将客户提供的影像数据打散成帧，清洗掉没有人或不满足标记要求的人体图像，并将符合要求的人体图像完成Bounding Box标记。在完成Bounding Box标记后，数据工作人员会对筛选清洗后的数据实现14位标点处理，生成客户所需的最终数据。

“在这个过程中我们需要反复确认客户的需求，而制作出的通用模板可以满足同类型的标记任务。”当客户发布任务的时候，他们可以通过系统沙盒选择标记工具，根据需求可选择Bounding Box或轮廓等标记模式。

一套模板的建立时间从数日至数月不等，目前共15人的BasicFinder团队已梳理出100余套可用模板，帮助客户选择适合的作业模式及工具。

为高质量完成B端客户的任务，BasicFinder增加了业务员培训服务和提高了评检力度。公司会为数据工厂招收有一定电脑操作基础的大中专毕业生，并施行1个月的培训，最终以70%淘汰率为项目匹配工作业务员。“因为中国人口红利，以标记12万图像的Bounding Box任务为例，我们的价格比亚马逊便宜20%，比国外专业数据标记公司便宜50%以上。”

◆数据业务员在用20年前的机械键盘操作数据标记。

在任务最重的评检环节，BasicFinder则加入了抽检和客户检验等不同检验模式。“得益于产品的分级赋权功能，抽检员则可以设置不同抽检比例，将错误标记后反馈给管理员再由管理员反馈各业务员完成修改。”

据悉，现阶段BasicFinder在国内共拥有12家合作式数据工厂，共1000余位标记员。产品将于今年9月正式上线，公司已与搜狗、云知声、创新工场达成合作，并为乔治亚理工、加州大学伯克利分校、普林斯顿等美国大型实验室提供数据清洗标注服务。

杜霖表示，现阶段推广仍然靠口碑传播。公司旨在今年下半年产品发布后，以参加展会及地推的方式完成推广业务。

BasicFinder已于今年3月完成Pre-A轮融资，现阶段正进行A轮融资，计划融资2000~3000万元。

/The End/

编辑 薛  婷 校对 吴晓宇

如需转载文章请联系铅笔道微信客服号铅笔道大芯芯（微信id：qianbidao2017）获取授权资质，否则我们将依法追究相关责任。