一组测试数据最后整理成几条结论，方便是方便，但那些没写进结论里的东西，后来还找得回来吗？
比如两组电芯，最后汇总的容量、循环寿命差不多，测试曲线中间却有些不一样的波动。当时可能觉得不影响主要结论，就没继续追。等后面遇到某种工况下的差异，再想回头找线索，手里可能只剩一张汇总表了。 从数据里提炼规律肯定有必要，不然很难解释问题、指导设计。只是这个过程中，我们会先判断哪些信息重要、哪些可以简化。现在觉得不重要的细节，换一个研究目标，可能就用得上了。 这也是我觉得机器学习值得尝试的地方：一些暂时说不清原因、还没被总结成公式的变化，可以先留在原始数据里，看看模型能不能学到有用的关系。当然，数据多也不代表一定学得好，测试条件、批次、记录质量这些要是没交代清楚，后面一样麻烦。
想听听大家的实际经验：有没有当时没太在意，后来发现很有价值的数据？现在保存研发数据，会把完整曲线和测试条件一起留着，还是主要保留最后的指标和报告？
| 
关注公众号
