数据收集六步曲, 打好机器学习模型基础( 二 )_如今

不幸的是，商业用户通常并没有数据科学技能，跨过这个鸿沟有助于快速地从数据中获取价值。因此，很多人都使用数据准备（DP）来帮助数据科学家和机器学习从业者快速准备和注释他们的企业数据，拓展跨企业的数据价值。

数据收集与准备是如何成为可信的ML模型基础的

为了创建一个成功的机器学习模型，公司必须有能力在将其投入生产前对其进行训练、测试和验证。数据准备技术正被用来创建现代机器学习所需的干净、带注释的基础。然而历史上，良好的DP所花费的时间比任何其它机器学习的过程还要多。

减少数据准备所需要的时间变得越来越重要，这样能够留下更多时间进行模型测试、调试和优化，创造更大的价值。同时为数据分析团队和机器学习团队准备数据能够加速机器学习和数据科学项目，带来身临其境的商业消费体验，通过以下六个关键步骤加速并自动化实现数据洞察。

第一步：数据收集

数据收集六步曲, 打好机器学习模型基础( 二 )