毫無疑問，Kaggle是非常適合學習數據科學的平臺。許多數據科學家在Kaggle上投入了大量時間。

但同時，你不應該只依靠Kaggle來提高數據科學技能。

以下就是當中的原因：

01、數據科學不僅僅是預測

Kaggle主要針對預測方面的問題。然而許多現實問題是與預測無關的。

例如，許多公司都想知道用戶流失的常見途徑。解決這類問題需要了解不同的數據類型和用戶接觸點，例如web導航、計費、客服中心交互、商店訪問等。同時還需要識別重要事件，例如超額計費或導航錯誤。在確定所有事件后，你需要應用路徑算法來了解用戶流失的常見路徑。解決這類問題不能僅靠預測算法，而需要能根據事件構建時間線的算法。

同樣，解決許多其他問題也需要預測之外的技能。能解決預測性問題是很強大的，但作為數據科學家，你需要解決多種類型的問題。因此你不能僅局限于Kaggle，還需要用其他技能解決現實的數據科學挑戰(zhàn)。

02、無法提高圖算法方面的技能

社交網絡分析、影響預測、社區(qū)分析、欺詐網絡分析等，這些有趣的分析問題都是數據科學家需要解決。解決這類問題需要有關圖形算法的知識，如Pagerank、Modularity、ShortestPath、EigenVectorCentrality等等。

網絡或社區(qū)類型問題在Kaggle中很少見。解決圖形和網絡方面問題需要節(jié)點和鏈接相關數據，而Kaggle中大多數數據并不是這種形式的。

當然，你可以將問題轉換為使用圖算法，但這種情況很少。Kaggle上缺少這類的比賽，這也表明了與數據科學家日常需要解決問題的巨大差距。

03、無法提高算法可解釋性

算法的可解釋性越來越重要。你可以使用高大上的方法和最復雜的算法，但如果無法解釋算法是怎樣得到預測的，在企業(yè)中這將是一個大問題。這種說不清緣由的算法被稱為“黑匣子”算法。

使用黑盒算法存在一定的隱患，而且也可能造成法律方面的問題。假設，你開發(fā)了一種非常精確的算法集合來預測信用風險。在投入生產時，它將用于預測信貸風險。其中有些人的信用得分會很低，被拒絕貸款的人有權知道他們申請被拒的原因。如果算法無法提供解釋，則可能會產生法律問題。

在Kaggle比賽中，獲勝者是基于準確性，而不是基于可解釋性。這意味著比賽中數據科學家可以使用復雜的算法來保證高準確性，而不必關心可解釋性。這種方法能夠贏得比賽，但在企業(yè)的數據科學項目中就行不通了。

04、缺少投資回報率的分析環(huán)節(jié)

公司正在加大數據科學技能方面的投入。他們希望數據科學項目能夠提供投資回報率。通常，成功的分析項目需要數據科學算法與投資回報率緊密相關。

其中一個例子是預測性維護，其中能夠對設備故障進行預測。假設設備的故障率為10%，那么你需要派維護人員去進行檢查嗎?可能并不需要。但如果故障率為95%，那是肯定需要的。

然而在實際情況中，故障率通常為55%，63%等，這時就不確定了。如果公司派維護人員檢查所有這些設備，則可能產生巨大的成本。如果不派人檢查，則會有很大的設備故障風險。

那么故障率的閾值應該是多少呢?這時就需要計算投資回報率了。因此非常需要數據科學家給出當中的閾值，從而幫助公司確定相關決策。

Kaggle并不涉及這方面的分析，而只專注預測，并不考慮如何把數據科學結果應用于投資回報率。

05、不會涉及到模擬和優(yōu)化問題

關于模擬和優(yōu)化算法，比如系統(tǒng)動態(tài)仿真、基于代理模擬或蒙特卡羅模擬等應該是所有數據科學家的必備技能。金融優(yōu)化、路線優(yōu)化、定價等許多問題都是數據科學家需要解決的問題。

以價格預測為例，你可以使用機器學習，根據季節(jié)、日期、地點、競爭對手價格等數據來預測產品價格。但機器學習算法預測的價格是否是***價格?也許不是。為了確定***價格，你首先要確定優(yōu)化目標。

優(yōu)化目標可以設為利潤優(yōu)化。在這種情況下，你需要確定提供***利潤的價格范圍。為了留住用戶，這樣的價格不能設太高。同時，為了保持良好的利潤率，也不應該太低。

因此，你需要通過優(yōu)化算法來確定***價格范圍。如果預測價格在價格范圍內，那么機器學習的結果是可以接受的，否則應被拒絕。

在Kaggle上，通常不會給出利潤優(yōu)化等優(yōu)化目標。因此，當中涉及的問題仍然局限于機器學習，而并沒有探索優(yōu)化方面的問題。

06、無法體驗模型部署和操作

假設你的模型在Kaggle排行榜位居前列。然而部署模型是完全另外一回事，這是在Kaggle上無法體驗的。

生產部署模型會涉及到docker、kubernetes等技術。雖然數據科學家并不需要成為docker和kubernetes方面的專家，但至少要能夠熟練使用。很多情況下，數據科學家需要用docker創(chuàng)建評分管道。

操作和部署還包括定期監(jiān)控模型性能，并在必要時采取改進措施。假設有一個產品推薦模型，你在某個時間點觀察到，由于推薦而導致銷售額下降。那么問題是出在模型上嗎?還是其他方面呢?

數據科學家需要參與到模型部署環(huán)節(jié)，從而獲得獲得真實而豐富的體驗。

結語

數據科學家需要涉及算法可解釋性、投資回報率評估、優(yōu)化等技能。在這一系列問題中，你將解決各種有趣的現實問題，從而更全面的提高數據科學相關技能。

對于數據科學家而言，不要僅局限于Kaggle，而是要從其他角度解決不同類型的數據科學問題。

原文鏈接：https://towardsdatascience.com/why-kaggle-will-not-make-you-a-great-data-scientist-a2c2f506a23f，作者：Pranay Dave