数据清洗多少钱一个月

很多公司第一次外包数据清洗，拿到报价单只看到一个月的总价，既不知道贵在哪，也没法判断换个供应商会差多少。这篇不给你一个死的数字，而是把「按月计费」这项报价拆成可核对的几块——数据量、脏污程度、交付方式、合规要求，让你在询价前先把自己的活算清楚，再拿报价单逐项对照。

按月报价到底由哪几笔账组成

按月报价看起来是一个数，拆开其实是四笔账：算量口径、脏污档位、人力占比、结算方式。任何一笔没说清，两个供应商的月费就没法放在一张表里比。下面按顺序把每一笔问明白，你拿到的报价单才具备可比性。

同样叫「一个月清洗十万条」，按记录条数、按字段数、按文件体积、按表单份数算出来的工作量能差出几倍。字段多的宽表按字段计费往往更贵，长文本按 GB 或字符计费更合理。所以第一步不是砍价，是让每家写清计费维度，再把自己每个月的实际量换算到同一维度上。

• 问计费单位是条、字段、GB 还是表单份数
• 问空值、重复行、表头是否计入总量
• 问超量部分单价是否与基础单价一致
• 拿上个月的真实文件按各家口径各算一遍，谁贵谁便宜一目了然
• 口径无法换算的供应商直接排除，后面没法对账

去重、补全、格式统一（日期、手机号、金额单位）属于基础档，脚本基本能覆盖。语义纠错、跨源合并、人工抽查复核属于加价档，吃的是人和判断。报价单里最怕写「清洗服务一项」，最后争议全在这里。要求供应商把每个动作逐条列出并标注属于哪一档，最好写进合同附件。

纯规则脚本跑的活，边际成本很低，月费主要买的是维护和调度；需要人工过一遍的活，月费基本跟着人头走。所以你要问的不是「你们用不用 AI」，而是「这批数据里有多大比例能自动跑完不用人碰」。这个比例就是自动化覆盖率，它直接决定报价里的成本结构。覆盖率说不清或用「差不多」搪塞的，通常意味着人工占比很高。

1. 要求给出覆盖率区间让供应商按你过去一个月的样本估算自动处理比例，写成区间而不是单点，并说明样本里哪类数据最费人工。
2. 抽样验证自己从历史数据里抽一批，让对方跑一遍并给出人工介入的记录，看和承诺的比例是否接近。
3. 写进结算条款把覆盖率与超量单价、返工责任挂钩，避免后期因为「数据太脏」被追加费用。
4. 季度复盘每季度按实际人工工时核对一次，偏离过大就重新谈价或换结算方式。

按月包干适合量稳定、不想管细节的团队，缺点是淡季为闲置产能买单。按月结算实际量适合波动大、内部有人能核对的团队，缺点是每期都要对账。保底加超量阶梯是折中，但阶梯的临界点和超量单价必须写在合同里。选哪种，取决于你过去几个月的量波动幅度。

按月包干

量稳定、波动小于两三成时最省心，量突然变少会吃亏

按月据实结算

波动大时更公平，但需要你能核量、能对账

保底加超量阶梯

折中方案，重点谈保底额和阶梯临界点

季付或年付折扣

锁定单价换现金流，但要把量波动的兜底条款写清

四个口径都确认过之后，再去看别家同类服务的报价才有意义。想知道当前各家清洗服务的大致价格区间和别人的实际结算口径，可以去站内的价格追踪与工具目录页面核对当时的数字，别用旧印象拍板。

询价前先把自己的量算出来

跟清洗服务商聊价钱之前，先花半天把自己的量摸清楚。最常见的坑是对方问「你们一个月大概多少数据」，你回一句「挺多的」，那后面报出来的价你根本没法判断贵还是便宜。你手上至少要攥住三个数：每月新增记录条数、每条记录平均字段数、以及这批数据里需要人工判断的比例。这三个数基本决定了报价落在哪个档，也决定了对方愿不愿意接。

每月新增记录条数

决定按量计费的基础盘，量级差一档，单价逻辑就完全不一样

平均字段数

字段越多，校验和映射的规则越复杂，不是简单乘以条数

需人工判断的比例

决定纯自动跑还是要配人工复核，这块往往是成本大头

这三个数怎么拿？别靠估。从最近一个完整的业务周期里抽一段真实数据，去数据库或导出文件里直接数，字段数按实际列数算，别按你以为的算。人工判断比例可以粗判：凡是规则写不清、要结合上下文才能定对错的字段，先划进去。这个粗判不要求准，但要能支撑你和供应商对话，而不是全程被对方牵着走。

1. 抽样本从真实数据里随机抽几百条，覆盖你已知的几种典型情况，别只抽干净的那部分
2. 跑流程拿这批样本走一遍你设想的清洗流程，或者让对方拿样本试跑，记录哪些能自动处理、哪些卡住
3. 算比例用自动处理掉的条数除以样本总数，得到自动处理率，再按这个比例放大到全月总量
4. 存日志把样本、处理结果、卡住的条目都留档，量本身做成可追溯的日志，别只留一个数字

算完自动处理率，你会得到一个比「多少条」更靠谱的沟通口径：真正需要人工兜底的量是多少。供应商报价时如果只谈总条数不谈人工比例，你要主动把这个数摆出来。同时把返工规则谈清楚：如果承诺的准确率没达到，返工是谁的责任、算不算额外加量、加量怎么计。这些话不写进合同，后面每个月对账都是扯皮。

最后提醒一句：这套算法适合数据来源相对稳定、字段结构不怎么变的场景。如果你的数据源三天两头换格式，或者字段含义本身在漂移，那按历史样本放大的结果会偏乐观，报价谈下来也容易在头一两个月就失控。这种情况先把口径改成按批次谈，别硬套月度数字。所有跟价格档位有关的判断，最终到站内对应页面核对当时的数字，别凭记忆下结论。

拿到报价单先做这三步核对

报价单到手别急着比总价，先做三步核对：拆单价、看包含项、问清人员与合规。这三步做完，你才知道两份报价到底是不是在比同一件事。清洗量口径不统一时，单纯比月总价没意义，结论也不成立。

1. 拆单价把月总价除以你自己统计出的清洗量（按条、按千行、按GB都行，但要统一），得到一个可比单价。再拿这个单价去问别家：你们按什么单位计价、含不含人工复核。口径对齐后再比，别拿按条计价的去比按工时计价的。
2. 看包含项逐项勾对去重、补全、格式转换、异常值处理是否在报价里；超出范围的部分怎么计价、按什么触发。这份清单直接决定后期会不会追加预算。
3. 问清人员与合规数据是否出内网、是否签保密条款、处理人员在哪、留存多久。涉及个人信息或商业机密时，这部分成本必须单列，不能混在清洗费里含糊过去。

• 单价可比的前提是清洗量口径一致，否则先对齐单位再谈价
• 包含项列表越具体越好，模糊表述往往是后期加钱的入口
• 超范围计价要写清触发条件和计算方式，口头承诺不算数
• 合规成本单列，方便你判断这笔钱花在哪、值不值得
• 把三家报价按同一张核对表填一遍，差异点自然浮现

什么情况下按月外包并不划算

包月听着省心，但它买的是「随时有产能待命」，不是「按你实际用了多少结算」。所以判断划不划算，别看单价高低，先看你自己的数据节奏和规则稳定性。下面几种情况，按月外包大概率是花冤枉钱。

• 数据量很小、每月只有一两批：按次结，把每次的输入量、输出格式、验收标准写清楚，做一次付一次，不做就不付。
• 规则极其稳定的重复清洗：这类活本质是脚本能覆盖的，自己跑或让外包把脚本交给你，比长期月付划算得多。
• 数据敏感度极高、不允许出内网：外包的交付链路本身就跨了边界，先评估内部工具或本地化方案，再谈别的。
• 需求还在频繁变动：规则一周一变的时候，谁都不知道下个月要洗什么，包月只会把不确定性折进价格里。

1. 先数清自己的节奏翻一下过去几个月，平均每月来几批数据、每批多大、格式是否一致。如果一个月只有一两批，基本可以先排除包月。
2. 判断规则是否稳定把最近几次的清洗要求列出来对比。如果几乎一样，说明这事可以脚本化，重点应该放在「怎么把脚本沉淀下来」，而不是买长期人力。
3. 先按次试两轮哪怕最终想包月，也先用按次的方式做两轮，验证对方的交付质量、返工率和响应速度，再拿真实工作量去谈月度。
4. 确认数据边界在谈任何价格之前，先明确数据能不能离开你的环境。不能出内网的话，外包这条路要先停，转去看内部或本地方案。

具体到你这个场景该按次还是包月，别只看别人报的月费数字。把自己的批次量、规则变动频率、数据边界这三项先填清楚，再拿工作量去对照站内整理好的计价口径。想核对不同结算方式下的大致区间，可以到 站内数据清洗计价页（/pricing/data-cleaning） 看当时的数字和口径说明。

签月度合同前要确认的清单

月度合同的坑，八成不在单价本身，而在「没写下来的默认」。签之前把下面四件事落成文字，后面扯皮的概率会低很多。判断标准只有一条：这条约定能不能在出问题时被双方独立验证。不能验证的，就等于没写。

• 量级浮动：明确基准量是多少、上下浮动多少比例内不加价、超出部分按什么单价累进计算
• 口径统一：量的单位是原始条数、去重后条数还是有效条数，必须写死一个
• 准确率验收：写明抽检比例、谁抽、用什么规则判定合格、不合格是补做还是按比例扣减
• 交付形态：回传原格式还是标准表、字段命名和编码怎么定、格式转换算不算额外工时
• 退出条款：中途停做时已处理到哪一步、半成品以什么形式交付、已发生费用怎么分段结算
• 数据处置：项目结束后原始数据和中间产物留存多久、怎么销毁、谁能证明销毁了

1. 先锁计量口径让对方用你提供的同一样本试跑，双方各自数一遍条数，确认「量」指的是哪个口径。这一步能挡掉后面一半的分歧。
2. 再定验收方式约定抽检比例和判定规则，最好现场跑一遍小样本验收流程。验证方法：同一批数据双方独立抽检，结果差异在可接受范围内。
3. 然后对交付格式拿一份目标格式的样例给对方确认，包括字段、编码、空值怎么表示。验证方法：让对方先交一小批，看能不能直接进你的下游流程。
4. 最后写退出安排约定中途停止时的交付节点和结算方式，明确半成品是原始格式还是已清洗格式。验证方法：模拟一次提前终止，看流程走不走得通。

如果你拿不准某个报价对应的量级和验收标准算不算合理，可以去站内的价格与资料库页面横向比一比同类方案，再决定这份月度合同值不值得签。具体数字以站内当时展示的为准。