加里发现，期望进球模型无法得出和“好机会”同样的准确度。不管他对模型怎么调整，后者要么产生更多漏报，要么产生更少的正确预测，始终比不上“好机会”的预测能力。期望进球模型使用了大量数据，但是它们（还）没有打败人类。我们有了可以衡量绿茵场上球员表现的算法，这乍一听可能让人兴奋，但这种方法并不比一个记录球队每次进球机会的资深球迷强，而前面提到的操作员通常招募自足球球迷。
加里告诉我，他曾经看到一篇文章将“期望进球”鼓吹为“完美”的足球比赛预测模型，在这之后他就着手开始了自己的分析。尽管这样的炒作可能会给他的生意带来短期利益，但从长远来看却会损害足球数据分析的声誉。加里曾担任过多个俱乐部的顾问，包括切尔西、巴黎圣日耳曼和皇家马德里。他认为，模型虽然可以帮助人类做出决策，但至少就现在而言，它还取代不了人类。他给我举了一个例子来说明数据分析技术在比赛中是如何被用来观察守门员，并训练他们的站位和移动的。这种方法非常可靠、实用。赛场上的方方面面都可以找到模型的用武之地，但是不存在“完美”的足球比赛模型。
为音乐流媒体服务商声田工作的格伦·麦克唐纳（Glenn McDonald）是另一位对工作实事求是的数据专家。在向听众建议新歌曲以及创建有趣的播放列表等方面，声田希望能够做得比 TIDAL 和 Apple Music 等竞争对手更优秀。这家公司通过了解我们的收听模式来实现这一目标，而且它提供的每一个建议，从“歌曲电台”（song radio）到“为你推荐”（justforyou）播放列表，都采用了格伦和他同事开发的音乐分类系统。
声田的音乐分类系统将每首歌视为13维空间中的一个点，并将距离较近的点归为一个种类。这些维度即包括客观的音乐属性，如“响度”
被算法操控的生活OUTNUMBERED
66