一句话定义：数据卡（Data Card）是一份跟随数据集发布的说明文档，用固定栏目交代这份数据从哪来、怎么采集、标签怎么定义、能用来做什么，以及有哪些已知偏见和限制。
像看食品配料表一样看数据
买一包饼干，翻到背面：配料、净含量、生产日期、保质期、过敏原提示。你不一定看得懂每个化学名词，但至少知道它含不含花生、是不是高糖。数据卡就是数据集的这一面。
它通常回答这些问题：
- 来源与动机：数据是自己采的、爬的、买的，还是用户贡献的？为什么建这个数据集？
- 组成：多少条样本、什么模态（文本／图像／音频）、覆盖哪些语言、地区、时间段。
- 采集方式：主动标注、众包、日志回流，还是从公开语料整理而来。
- 标注流程：谁标的、依据什么标注指南、有没有交叉复核、分歧怎么处理。
- 标签定义：比如“负面情绪”到底是愤怒、悲伤，还是包含讽刺；“垃圾邮件”包不包含营销邮件。
- 已知偏见与风险：样本是否偏向某一群体、某类口音、某个平台；哪些群体可能被系统性漏掉。
- 许可与维护：能不能商用、能不能再分发、出问题找谁。
为什么需要它
模型的行为很大程度上是数据的函数。同样叫“情感分类”，用影评训出来的和用客服对话训出来的，落到业务上可能完全不是一回事。没有数据卡，接手的团队只能靠口头传说、翻代码、抽样猜，成本高且容易踩坑。写卡的过程本身也有价值：它逼着创建者把“这批数据其实只覆盖某个城市”这类事实讲清楚。
和相邻概念的区别
| 文档 | 描述对象 | 主要回答 |
|---|---|---|
| 数据卡 | 数据集 | 数据从哪来、怎么标注、有什么偏见 |
| 模型卡 | 训练好的模型 | 性能如何、适用什么场景、有哪些风险 |
| 数据字典 | 字段 | 每一列叫什么、什么类型、什么含义 |
数据字典只讲结构，不讲来源和偏见；模型卡讲的是成品；数据卡管的是原料。有些团队把数据卡和数据说明书（Datasheet）当作同一类东西，只是模板叫法不同，具体字段以各机构官方页面为准。
对从业者的实际意义
选型或采购数据集前先读卡，能提前发现“标签是众包主观判断”“这批数据不含某类用户”这类隐患，避免上线后返工。对外发布数据集的团队，写好数据卡也等于降低别人的接入成本。对普通人来说，下次听到“我们用了海量数据训练”，可以多问一句：有数据卡吗，数据从哪来？答不上来，就该对结论保留一点余地。