二、数据是如何分析的？

即使数据得到了准确和良好的维护，数据分析模型的质量也会有很大差异。一般而言，各种数据分析模型是通过开源平台(如GitHub)组合在一起，并要为特定的分析任务进行重新的组合部署。但是，过不了多久，人们就忘记该模型究竟来自何处，也不再关心它究竟是如何评估特定的数据集合的了。

类似于这样的失误要比你所能想象到的更为常见，并且有可能造成严重的损失。我们可以回顾一下如下案例：曾经有两位著名的经济学家发表了一份工作报告，警告说美国债务即将面临一个关键的节点。他们的工作引发了一场政治风暴，但事实证明，他们犯了一个简单的Excel错误，导致他们夸大了债务对GDP的影响。这就是对数据处理方式的失误造成的。

随着数据处理模型变得越来越复杂，并纳入了更多的数据来源，我们也越来越能看到，在数据模型的训练上不断出现更为严重的问题。最常见的错误之一是过度拟合，这大体意味着，用来创建模型的变量越多，模型本身就越难变得普遍有效。而在某些情况下，过量的数据会导致数据泄漏，在数据泄露中，训练数据和测试数据搅和在一起了。

这些类型的错误甚至会困扰最为先进的公司。对此我们仅仅举出两个最为突出的例子就足够了：亚马逊和谷歌，最近与模型偏见有关的丑闻被高度曝光了。当我们处理数据时，我们需要不断地向我们的模型提出难题：它们适合于我们的使用目的吗？它们是否考虑到了正确的因素？模型所输出的数据是否真实地反映现实世界中发生的事情？