世界面临的冠状病毒形势是前所未有的。从数据科学角度来看的一个例子是，当我们试图衡量病毒的影响时，可用数据的性质和病毒测试方法正在发生变化。对于数据科学中的许多传统方法来说，这是一个灾难性的场景，因为没有基础：“基本事实”不存在。
缺乏背景会影响决策制定和有效方法的类型。
毫无疑问，冠状病毒正在影响经济、供应链和地缘政治。随着疫情的发展，疫情将在不同时间以不同方式影响世界综合价值链的不同部分。即使是无意的，政府也会相互影响，造成复合破坏。
这种复杂的破坏也使利用数据做出明智决策的努力变得复杂。
学习和发展
如果我们将其与企业进行类比，通常会有一个点，此时有足够的信息来做出决策，但不一定足以使其成为一个好的决策。在这些类型的场景中，人们必须不断审查需要理解的内容，以根据新数据改进决策。随着数据的变化，必须调整决策和反应。有必要使用目前正在开发的基于行动和反应的方法，因为通常在危机中，没有历史数据可供借鉴。
在当前的危机中，科学思维在很大程度上得到体现，简报的例子引用了昨天所 巴西电报数据库 说的内容、被认为是真实的内容，以及正在采取的行动。
这样的研究“基础”是优秀科学的特征之一。我们知道科学总是在发展（无论是否处于危机时期）。我们将继续更多地了解冠状病毒对世界的影响。优秀的领导者（政府和企业）必须真诚地沟通；例如，采取一种态度，即与各国政府当前的情况共享最佳指导，并继续根据共同学到的知识来调整应对措施。测试和学习是必不可少的。
失败是基于迭代的学习的第一次尝试。
提出正确的问题！
数据不一定会“说话”；这是对数据的解释。然而，任何解释数据的人都会有偏见。不同的方法和技术都有前提条件。机器学习等方法通常需要一些培训或示例。
目前，我们还没有例子。我们需要做出推论、前进并得出新的结论。数据很重要，但前提条件、批判性思维、我们提出的问题以及我们挑战偏见的方式将帮助我们克服偏见。
提出问题来指导思考：需要什么数据？我们试图做出什么预测？学到了什么？它如何推动我们前进