样本量小的时候，任何结论都更像巧合，而这恰恰是决策最容易被误导的时刻。
优化幅度小的改动要谨慎合入，因为它带来的复杂度可能是永久的。
任何外部依赖都应被假定会失败、会变慢、会返回你没想到的东西。
小结一下：「为什么小数据更值得警惕」这类问题没有一劳永逸的答案，但每次把它想清楚一点，下一次的判断就会稳一点。