Los analistas suelen querer utilizar los datos más recientes, por lo que es aceptable consultar las fechas de obtención de datos.
Sondear los datos que faltan te ayuda a comprender las suposiciones que se hicieron al limpiar los datos.
La complejidad no siempre es lo mejor para tus necesidades, así que pregunta por un método más sencillo.
Los promedios pueden ser engañosos, así que está bien preguntar por las estadísticas resumidas del análisis.
Preguntar sobre la narrativa de los datos, incluso en trabajos de ciencia de datos de alto nivel, proporciona información acerca de los resultados de un modelo.
Todos los análisis requieren suposiciones e invitan al sesgo. Es importante explorarlas y comprender su impacto.
Muchas organizaciones realizan un machine learning académico, que nunca repercute en los clientes, las operaciones o los resultados empresariales. Intenta responsabilizar a los proyectos basados en datos de un impacto real.
Documentar los impactos positivos e incluso negativos puede ayudar a mitigar los riesgos.

Errores comunes

Toma de decisiones basada en datos para las empresas