您可以尝试使用dvc，它代表数据版本控制。 https://dvc.org/

老实说，一旦您遇到严重的事情（大的或不断发展的），主要问题就是共享和更新数据。一旦为数据设计了解决方案，使其适应模型并不难。

根据数量和使用情况，可以在各种解决方案中存储、交换和访问数据。它可能是带有关联语言 (SAS) 的旧历史/外部解决方案、带有“实验室”界面的 linux 服务器上的内部数据库、云解决方案或只是用于更小的数据集的 csv 文件。一旦安排好并设计了访问这些数据的解决方案，就很容易将解决方案适应模型。有时它需要一些参与来正确处理权利，但如果架构是根据这个目标设定的，那应该不会太麻烦。

因此，关于模型，根据上下文，解决方案可能是在共享工作空间上共享 SAS 程序，在 linux 服务器上共享 python 模型，或者只是通过邮件发送 Excel 文件。最近，出现了新的“工具”并产生了新的解决方案：通过笔记本（Jupyter 笔记本或 R Markdown）共享实验并使用 Git 进行版本控制模型。

收听播客部分衍生剧集“硅海滩上的数据科学”，主持人采访了圣地亚哥市首席数据官 Maksim Percherskiy。

谈到他在圣地亚哥市使用的堆栈：(08:50) “我们移动数据的方式......我们使用Airflow [......] 而 Airflow 只是 Python。” Percherskiy 继续描述市政府背景下的数据共享问题。

对于大文件，我使用云存储（谷歌、亚马逊、微软或您公司所在的任何生态系统），文件夹以问题/项目票名称/编号命名。顺便说一下，这些服务支持文件版本控制。我只是附在票上的小文件。如果必须与少数人分享一些小而短暂的东西，我可以使用电子邮件或我们的公司聊天应用程序。