机器学习供应商的目标是建立数据护城河（其他人没有的专有数据），这样他们就可以出售其他人无法获得的机器学习功能。这吸引了风险投资家，因为这些模型无法从每个人都可以访问的公共数据中创建。私有企业数据构建了数据护城河，这就是保护数据如此昂贵的原因。
第二个动机是创建 ML 产品，而不是服务。ML 技术需要 埃及电话号码数据 大量时间和精力来构建准确的模型；供应商不想为每个客户从头开始。例如，如果他们花费长达 18 个月的时间为企业客户设计模型，那么他们就是服务公司——这是有问题的，因为风险投资家更喜欢产品公司，因为它们具有更高的利润率、倍数和业务估值。转售企业数据模型会创建 ML 产品，而不是服务。
由于机器学习公司正在收集尽可能多的独特企业数据以取得成功，因此首席信息官必须采取措施保护他们的数据资产。否则，他们就处于一个不利的境地，允许机器学习公司获取他们的数据，用这些数据训练他们的算法，然后再卖给他们和他们的竞争对手。
问题在于，数据护城河很少存在于专有企业数据之外，因为它们比人们想象的更难获得。Andreessen Horowitz 详细介绍了 这里的艰辛。因此，建立数据护城河的主要方式是使用专有企业数据。例如，保险公司可能会使用计算机视觉来加速损害评估和修复。