条数达标，不代表数据可用
数据交付最容易出现的争议，是双方对“完成”的理解不同。
交付方说采了一万条，需求方拿到手发现：一半没有联系方式、去重之后只剩六千、有几条明显对不上，想核实却找不到来源。条数确实是一万，但这份数据不能直接用。
问题不在任何一方不诚实，而在于验收标准从一开始就只写了数量。
应该写进验收标准的三件事
一、完整率
按字段分别统计，不是给一个总体百分比。
一份商家名单，名称的完整率可能是百分之百，地址百分之九十五，电话百分之六十，网站百分之四十。这四个数字分别写出来，才有意义。
更重要的是在测试阶段就确定预期完整率。目标平台上某个字段的填写率是客观事实，不会因为多花钱就提高。如果电话字段在目标平台的填写率只有六成，那么合同里写“电话完整率不低于九成”是无法实现的——正确做法是要么接受六成，要么把“必须有电话”作为筛选条件，同时下调总条数预期。
这个区分很关键：平台本身的字段缺失和采集过程中的遗漏是两回事，前者需要在报价前说明，后者属于交付质量问题。
二、去重口径
先约定按什么去重，再谈去重后的条数。
同一家公司可能因为多个分店、旧地址、用户重复标注而出现多条记录。按什么规则判定为同一实体，会让最终条数出现明显差异：
- 按名称加地址去重：保守，可能留下少量重复
- 按电话去重：准确，但没有电话的记录无法参与判断
- 按网站域名去重：适合企业类名单，但小微商家覆盖不到
没有哪个规则绝对正确，关键是提前定好并写进交付说明。交付时应该同时给出去重前和去重后的条数，以及使用的规则。
三、来源链接与采集时间
每一行数据都应该能回到它的原始页面，并且知道是哪一时刻采的。
这两个字段的价值在数据出问题的时候才体现出来。当有人质疑某条记录不对，有来源链接就能当场核对；当两批数据的价格对不上，有采集时间就能解释这是不同时刻的快照，而不是数据错误。
一份没有来源链接和采集时间的表格，出现争议时无法自证。这是我们默认在每份交付里都带上这两个字段的原因。
还应该附上的一份说明
除了数据文件本身，交付时应该有一份字段说明，写清楚：
- 每个字段的具体口径（价格是原价还是现价，评论数是总数还是时段数）
- 各字段的实际完整率
- 使用的去重规则和去重前后条数
- 已知的限制（哪些内容因为平台机制无法完整获取）
- 采集参数（地区、语言、排序方式等会影响结果可复现性的设置）
最后一项对周期性项目尤其重要。如果第二次更新用了不同的采集参数，两批数据就没有可比性，而这种差异从数据本身看不出来。
一份三步验收流程
拿到数据后，建议花点时间做这三步：
- 抽样核对：随机取十条，按来源链接打开原页面，逐字段对照。
- 完整率统计：对每个关键字段统计空值比例，和测试阶段的承诺对比。
- 去重复核：按约定规则跑一遍，确认没有残留重复。
这三步能发现绝大多数问题，而且都发生在数据进入业务流程之前——比用了一个月之后才发现问题要好得多。