数据质量的“垃圾进，垃圾出”是第一性原理

无论模型多高级、分析多巧妙，如果输入的数据有系统性错误、缺失或偏见，输出的结论必然不可靠。这与《精益创业》中“基于假设的认知”形成共振——**在构建复杂模型之前，必须先确保作为认知基础的数据/假设本身是坚实可靠的**。数据清洗的投入往往比建模本身更能决定项目成败。