GIGO
Podstawa informatyki: złe dane wejściowe dają złe wyniki, choćby algorytm był genialny.
W klasycznym ML 90% przypadków „model działa kiepsko” to złe dane treningowe. W klasycznej analityce ładny dashboard na zepsutych danych tylko wprowadza w błąd. Siła napędowa ruchu na rzecz jakości danych, narzędzi do obserwowalności danych i hasła „dane to nowy kod”.