数据战略与生态合作岗位工作方案

论文有公开索引可量化，其他形态没有统一口径。这里只列「由谁持有、对应哪类需求」；具体怎么取得见第四步。规模与优先级入职后以团队现有清单和算法团队需求为准。

三类需求对量、质量和时效的要求不同，对应的供给方也不同。本岗位主责基模与垂类数据；前沿任务数据由算法团队定义验收标准，本岗位负责专家、高校和科研机构的寻源与合作落地。

入职后向算法团队确认以下信息，据此确定采购的先后顺序：

• 最缺哪些学科。
• 需要多新的内容，近几年还是全部历史。
• 需要哪些语言。
• 需要全文还是摘要，公式和图表如何处理。
• 已有数据中论文的占比，继续增加是否仍有收益。
• 各版本的时间节点和交付格式。

交付规格

与负责数据处理的同事约定后，写进每一份合同的交付条款。

• 格式：优先结构化全文，其次为可解析的版式文件。
• 字段：标题、作者、期刊、年份、学科、语种、全文、参考文献。
• 去重依据：论文的唯一编号，没有编号的按标题和作者比对。
• 许可记录：每一篇保留授权依据或许可类型，可追溯到合同。

按数据在谁手里分类。前八类持有或代理数据，最后一类不持有数据，但知道谁有、谁愿意合作。

一、锁定名单

二、触达

• 直接：官方的授权合作入口、邮件、领英、行业会议。
• 间接：学者引荐期刊社，协会引荐会员单位，投资人引荐创始人，同行转介绍。
• 批量：通过学会、期刊集群、园区、企业服务商一次触达多家。

三、促成

四、管理

• 联系记录进入团队共用表，先查重再联系。
• 按团队现有口径核对供应方。
• 参考团队已有报价记录。
• 按合作进展分层记录，同步到团队共用表。

按五项因素排序：对训练的价值、取得的难度和周期、成本、能否形成独占、合规风险。入职后结合算法团队的需求和团队已有进展调整。

数据资源地球仪按同一套四档标注为「初步接触顺序」，只用于在地图上呈现接触先后，不代表采购节奏承诺；档位以入职后与团队对齐的结果为准。

同一档内的排序原则：先易后难，先增量后存量，先能交付结构化全文的，后需要自行解析的。

国际索引未收录的部分

以上数量来自国际索引，另有一部分内容不在其中，是否采买按语种和质量分别判断。

分层管理

记录

• 所有联系记录进入团队共用表，注明层级、对接人、上次联系时间和下一步，按团队要求更新。

供给格局见第二步，这里只讲按什么路径取得，以及各自要先确认什么。

论文方向的重点对象

大型出版社通常同时向多家模型公司授权，一般不提供独家。独占性主要来自长尾期刊和尚未数字化的内容。

其他形态

科研与专家数据的合规边界

• 成果归属与署名签约前明确；涉及课题组成果的，确认所在机构是否同意对外提供。
• 涉及人类受试者、医疗或生物数据的，以对方机构审查结论为准。
• 数据不出机构时，只带走验证结果，不带走原始数据。
• 授权范围写明用于训练还是评测、是否可商用、是否可转授。

此前做过学者与学会的触达和关系维护，可作为这一方向的线索起点，具体资源见「现有资源」。

这一环按团队现行流程执行，我负责把约定写进合同并跟进到验收完成。

以上为按团队流程推进时需要逐项确认的内容，具体口径以团队现行模板和法务意见为准。

谈判前的准备

• 对方要什么：收入、声誉、长期合作，还是规避风险。
• 我方的底线：用途范围、价格上限、是否必须独占。
• 替代方案：同类内容还有哪些来源，对方是否不可替代。
• 对方的决策人和决策流程，签约需要经过哪些环节。

条款清单

推进顺序

先确认合作意愿和内容范围，再做样本评估，然后报价和比价，之后谈条款，法务审核后签约。价格僵持时调整其他变量：期限、独占范围、付款节奏、署名方式。

对不同对象的侧重点

内部分工

我按团队既定流程推进商务条款；算法团队确定验收标准；法务确定授权和合规条款；财务确定付款和税务安排。

按团队现有评估口径，在样本评估和比价时核对以下方面。

寻源方式：直接联系出版方的授权业务团队；通过代版权方集中授权的中介平台了解可售内容和价格；向数据公司了解已取得授权的现成语料。前期以邮件沟通为主，关键节点安排电话会议。