在医疗器械相关项目里，模型效果和数据治理永远要一起看。模型指标再高，如果数据链路不可解释，系统也很难稳定上线。
常见挑战
- 样本分布变化快，历史标签失效。
- 数据来源多，字段口径不一致。
- 评估标准复杂，单一指标不能反映真实效果。
我们做过的三件事
- 统一数据字典：先对齐字段定义，再谈训练策略。
- 建立版本快照：每次实验固定数据版本，保障可复现。
- 双层评估机制：离线指标 + 业务场景回放联合判断。
实际收益
- 实验周期缩短约 30%。
- 问题定位从“猜原因”变成“看证据”。
- 多团队协作时沟通成本明显下降。
对医疗方向而言，稳健比“极限最优”更重要，数据治理是长期收益最高的投入之一。
