條數達標，不代表數據可用
數據交付最容易出現的爭議，是雙方對「完成」的理解不同。
交付方說採了一萬條，需求方拿到手發現：一半沒有聯絡方式、去重之後只剩六千、有幾條明顯對不上，想核實卻找不到來源。條數確實是一萬，但這份數據不能直接用。
問題不在任何一方不誠實，而在於驗收標準從一開始就只寫了數量。
應該寫進驗收標準的三件事
一、完整率
按欄位分別統計，不是給一個總體百分比。
一份商戶名單，名稱的完整率可能是百分之百，地址百分之九十五，電話百分之六十，網站百分之四十。這四個數字分別寫出來，才有意義。
更重要的是在測試階段就確定預期完整率。目標平台上某個欄位的填寫率是客觀事實，不會因為多花錢就提高。如果電話欄位在目標平台的填寫率只有六成，那麼合約裡寫「電話完整率不低於九成」是無法實現的——正確做法是要麼接受六成，要麼把「必須有電話」作為篩選條件，同時下調總條數預期。
這個區分很關鍵：平台本身的欄位缺失和採集過程中的遺漏是兩回事，前者需要在報價前說明，後者屬於交付質量問題。
二、去重口徑
先約定按甚麼去重，再談去重後的條數。
同一家公司可能因為多個分店、舊地址、用戶重複標註而出現多條記錄。按甚麼規則判定為同一實體，會讓最終條數出現明顯差異：
- 按名稱加地址去重：保守，可能留下少量重複
- 按電話去重：準確，但沒有電話的記錄無法參與判斷
- 按網站域名去重：適合企業類名單，但小微商戶覆蓋不到
沒有哪個規則絕對正確，關鍵是提前定好並寫進交付說明。交付時應該同時給出去重前和去重後的條數，以及使用的規則。
三、來源連結與採集時間
每一行數據都應該能回到它的原始頁面，並且知道是哪一時刻採的。
這兩個欄位的價值在數據出問題的時候才體現出來。當有人質疑某條記錄不對，有來源連結就能當場核對；當兩批數據的價格對不上，有採集時間就能解釋這是不同時刻的快照，而不是數據錯誤。
一份沒有來源連結和採集時間的表格，出現爭議時無法自證。這是我們預設在每份交付裡都帶上這兩個欄位的原因。
還應該附上的一份說明
除了數據檔案本身，交付時應該有一份欄位說明，寫清楚：
- 每個欄位的具體口徑（價格是原價還是現價，評論數是總數還是時段數）
- 各欄位的實際完整率
- 使用的去重規則和去重前後條數
- 已知的限制（哪些內容因為平台機制無法完整取得）
- 採集參數（地區、語言、排序方式等會影響結果可重現性的設定）
最後一項對週期性項目尤其重要。如果第二次更新用了不同的採集參數，兩批數據就沒有可比性，而這種差異從數據本身看不出來。
一份三步驗收流程
拿到數據後，建議花點時間做這三步：
- 抽樣核對：隨機取十條，按來源連結打開原頁面，逐欄位對照。
- 完整率統計：對每個關鍵欄位統計空值比例，和測試階段的承諾對比。
- 去重覆核：按約定規則跑一遍，確認沒有殘留重複。
這三步能發現絕大多數問題，而且都發生在數據進入業務流程之前——比用了一個月之後才發現問題要好得多。