公司在建立或扩展数据科学和分析项目时可能遇到的最大陷阱之一是，倾向于购买最酷、最快的工具来管理数据分析流程和工作流，而没有充分考虑组织将如何使用这些工具。问题是，如果公司只是追求速度，他们可能会花费比实际需要更多的钱，最终导致数据基础设施脆弱且难以维护。那么问题是，多快才算足够快？我们总是被告知时间是一种有限的资源，也是最宝贵的资源之一，但有时你真正可以腾出时间。
关于数据的一个常见误解 机器学习 是所 柬埔寨电话号码数据 有数据都需要是流动的和即时的。触发数据需要实时，但机器学习数据不需要即时响应。人类自然倾向于选择最快、最强大的解决方案，但你不需要一级方程式赛车去杂货店。最快的解决方案可能是最昂贵、最精细和硬件密集型的选择。公司需要了解他们根据模型输出做出决策的频率，并利用这个周期来指导他们如何管理数据。他们需要根据数据用于做出业务决策的频率来考虑他们需要这些数据的速度。
“实时”一词与“尽快”类似，因为它的含义会根据具体情况而有很大不同。有些用例需要在一秒钟内更新，而有些则需要在几分钟、几小时甚至几天内更新。决定性因素是使用数据的是人还是计算机。看看一个零售网站，它在页面上向购物者展示类似的商品。