有許多原因會是你需要透過人工分析資料進而來使用Machine learning，
第一，如果你正在使用人工資料分析，那代表你已經有非常大量的資料，更代表你已經克服了Machine learning專案最花時間且最可能失敗的關卡，所以，如果能夠進行人工資料分析，代表你的專案的成功率已經大幅提升。
第二，即便你現在沒有大量的資料，你更要做人工資料分析，因為人工資料分析可以讓你快速知道這樣的資料能夠成功的可行性，你可能快速的測試出這個想法是失敗的，可以盡快開始嘗試另外一個想法，節省時間。
第三，要建構Machine learning模型，你必須了解你的資料，所以當然你要分析你的資料
第四，Machine learning就是大規模的自動化，如果你可以人工寫程式大規模地做自動化分析，那代表Machine learning就有高機率成功。

實際上，有一個稱為Training serving skew的問題常發生，這問題指的是模型在訓練時的系統跟做預測的系統是不同套，如果兩者間有應該要一樣卻不一樣的地方（Bug?），就會造成問題。Google建議的解法就是，使用相同的系統就可以解決！

很明顯這解法就是在推銷自家的系統