我们的观点

只在发布当天准确的数据带来的问题

数据集在发布当天最容易让人引以为豪。它已经依据当时可用的各种来源进行了检查、清洗和验证,发布公告可以如实宣称出色的覆盖范围和准确度,因为在那个特定时刻,它确实配得上这些说法。问题在于,地理方面几乎没有什么能长期保持不变。行政边界会变动。邮政机构会重新划分或重新发布编码。政府会修改夏令时规则,有时几乎不提前通知。一个在发布当天准确、此后却没有得到积极维护的数据集,已经不再是同一个数据集了,尽管它可能仍以同样的信心被宣传。

IANA 时区数据库是一个说明如何妥善处理这一问题的有用例子:它之所以存在,正是因为时区规则不断变化,并且会随着这些变化的发生而更新,由专门负责追踪此类变动的人来维护。一个利用此类来源并持续从中获取更新的地理编码或位置 API,与一个多年前构建了一次性快照、此后一直在提供这份略加修补的快照的服务商,所做的事情有本质上的不同。

我们认为,持续维护与一次性构建之间的这一区别,在位置数据产品的营销方式中应当得到比通常更多的关注。发布公告可以宣称覆盖广泛的国家,而且这是真的。但它本身无法承诺的是,两年后这份覆盖范围依然属实,因为在此期间,边界变更、邮政重组和时区规则修订都可能已悄然发生,而客户没有任何理由知道需要去核查。

这也是为什么我们把时区、海拔和 IP 数据作为产品中描述最具体的部分,因为在这些领域,底层参考数据(例如 IANA 数据库之于时区的那类来源)从设计上就是持续维护的,而不仅仅依赖服务商内部的更新计划。这也是为什么我们谨慎地避免夸大正向地理编码、逆地理编码和自动补全,不把它们说成已经完全完成并经过验证的准确功能:地址数据尤其在维护质量上存在巨大的地区差异,对其听起来信心十足的说法,理应受到比这类说法通常所引起的更多的审视。

数据集的年龄本身并不是缺陷。一个五年前建立、一直保持更新、维护良好的数据集,比一个在下次改版之前都不会再被重新审视的新数据集更值得信赖。重要的是,服务商是把数据维护视为一项持续的义务,还是视为一个在营销页面上线时就已完成的一次性项目。判断这一点的诚实方式不是看发布公告,而是看服务商在此后的岁月里默默地做了什么。