編者按：數(shù)據(jù)科學(xué)家是21世紀(jì)“最性感”的工作，幾乎所有人都為之瘋狂——無(wú)論什么產(chǎn)品，只要在醒目位置標(biāo)上“人工智能”，它就不僅賣(mài)得掉，還賣(mài)得火。但是，這也產(chǎn)生了不少問(wèn)題。以往我們談及設(shè)計(jì)人員工作時(shí)，總會(huì)拿不懂PS是Photoshop的甲方作為笑談，現(xiàn)在這樣的事也同樣發(fā)生在數(shù)據(jù)科學(xué)家身上，縱然有心解釋?zhuān)鐣?huì)刻板印象還是會(huì)讓他們百口莫辯。

如果說(shuō)現(xiàn)代設(shè)計(jì)已經(jīng)在人們生活中存在了幾十年，許多甲方客戶(hù)還對(duì)它了解甚少；那機(jī)器學(xué)習(xí)才剛剛嶄露頭角，人們對(duì)它還僅限于眼熟，或是只讀過(guò)幾篇吹得天花亂墜的軟文。常言道，隔行如隔山。很多時(shí)候，雖然專(zhuān)業(yè)人士眼里的常識(shí)別人不一定懂，但其他行業(yè)起碼還有銷(xiāo)售幫襯，可以很好地充當(dāng)對(duì)接橋梁。而數(shù)據(jù)科學(xué)家就不一定有這個(gè)待遇了。

現(xiàn)在，人們對(duì)機(jī)器學(xué)習(xí)、人工智能的偏見(jiàn)是社會(huì)性的，這里面包括公司銷(xiāo)售。舉個(gè)不靠譜的例子，當(dāng)銷(xiāo)售們和客戶(hù)宣傳時(shí)，他們會(huì)把實(shí)際效果吹成“占領(lǐng)月球”，客戶(hù)一聽(tīng)非常滿(mǎn)意，超出自己預(yù)期，于是要求立即啟動(dòng)“占月”項(xiàng)目。歸根結(jié)底，數(shù)據(jù)科學(xué)家能做的頂多是把他們送到月球，然后把他們丟在那片荒無(wú)人煙的地方。至于開(kāi)發(fā)占領(lǐng)？不可能的。

下面列出了一些數(shù)據(jù)科學(xué)家在工作中最常遇到的“奇葩”需求，雖然看起來(lái)有些滑稽，但它們都是真實(shí)經(jīng)歷。如果你想成為數(shù)據(jù)科學(xué)家，你可以先熟悉一下它們，提前鍛煉一顆強(qiáng)健的心臟；如果你是客戶(hù)，你也可以通過(guò)它們規(guī)避不少麻煩，至少談判時(shí)，坐在對(duì)面的數(shù)據(jù)科學(xué)家不會(huì)一臉了無(wú)生趣。

1.“我們想要一個(gè)AI模型……它可以解決‘這個(gè)’問(wèn)題”

現(xiàn)如今，我們通過(guò)簡(jiǎn)單的探索性數(shù)據(jù)分析，就能解決80%的產(chǎn)業(yè)分析問(wèn)題。既然如此，為什么你們還想用機(jī)器學(xué)習(xí)呢？對(duì)于這樣精確到目標(biāo)的需求，構(gòu)建任何機(jī)器學(xué)習(xí)模型都是矯枉過(guò)正，在這些問(wèn)題上用AI是徒勞的，企業(yè)也沒(méi)法從中看到新技術(shù)帶來(lái)的改變。從某種程度上來(lái)說(shuō)，殺雞焉用牛刀？

誠(chéng)然，高級(jí)分析看起來(lái)很拉風(fēng)，通過(guò)投資這項(xiàng)技術(shù)，企業(yè)可以在技術(shù)上“引領(lǐng)”行業(yè)，試問(wèn)有那家公司不喜歡塑造自己先進(jìn)、光彩的創(chuàng)新形象？但是每一個(gè)數(shù)據(jù)科學(xué)家都有義務(wù)引導(dǎo)客戶(hù)正確使用技術(shù)，而不是濫用，以保證機(jī)器學(xué)習(xí)這把牛刀不會(huì)誤傷他人。所以，大家在做數(shù)據(jù)分析時(shí)，請(qǐng)用美觀的分析工具說(shuō)服自己的客戶(hù)，讓他們看到數(shù)據(jù)背后的完整價(jià)值。

到目前為止，人工智能最大的危險(xiǎn)在于人們覺(jué)得自己理解它，而這個(gè)結(jié)論下得太早了?！狹IRI創(chuàng)始人 Eliezer Yudkowsky

2.“這些數(shù)據(jù)給你……你給我出一些商業(yè)洞見(jiàn)”

通?？蛻?hù)會(huì)認(rèn)為自己的責(zé)任只是移交數(shù)據(jù)，他們中的有些人甚至連需求都不提，丟下一堆數(shù)據(jù)就走，然后期待數(shù)據(jù)科學(xué)家能總結(jié)出一些零零散散的、非常有見(jiàn)地的建議。最好這些建議還能“擲地有聲”，讓公司一夜間就改頭換面。

不幸的是，數(shù)據(jù)科學(xué)家的工作不是文學(xué)寫(xiě)作，一個(gè)人憑空想是想不出什么操作性強(qiáng)的業(yè)務(wù)建議的。他們需要和公司業(yè)務(wù)人員保持長(zhǎng)期的、富有成效的交流對(duì)話(huà)，以了解這家公司能做什么，不能做什么。在整個(gè)項(xiàng)目期間，雙方要安排一個(gè)“驗(yàn)收”期，共同評(píng)判建議的具體效果。

如果你連提出一個(gè)正確的問(wèn)題都不會(huì)，那你將一無(wú)所獲?！绹?guó)統(tǒng)計(jì)學(xué)家 W. Edward Deming

3.“造個(gè)模型，能跳過(guò)不必要的分析，節(jié)約時(shí)間那種”

數(shù)據(jù)預(yù)處理和探索性分析的重要性毋庸置疑，但很多數(shù)據(jù)分析師同仁可能在處理數(shù)據(jù)前就把它們忘了。鑒于此，一些客戶(hù)就希望機(jī)器學(xué)習(xí)能刪除其中“不必要的分析”，在保證結(jié)果準(zhǔn)確的同時(shí)縮短分析時(shí)間，提高效率。

其實(shí)數(shù)據(jù)分析是機(jī)器學(xué)習(xí)和所有高級(jí)分析的必要步驟，它們同根同源。如果不了解數(shù)據(jù)，無(wú)法從數(shù)據(jù)中找出異常值和潛在模式，那機(jī)器學(xué)習(xí)模型就是兩眼一抹黑，什么都干不了。所以客戶(hù)應(yīng)該給數(shù)據(jù)分析預(yù)留足夠的時(shí)間，并指定討論時(shí)間，方便數(shù)據(jù)分析師或數(shù)據(jù)科學(xué)家能發(fā)現(xiàn)有趣的的東西和及時(shí)分享。

一個(gè)煉金師在找尋黃金時(shí)，會(huì)發(fā)現(xiàn)許多更具價(jià)值的其他物品?！灞救A

4.“我們有上周的數(shù)據(jù)，你能預(yù)測(cè)未來(lái)6個(gè)月的情況嗎？”

這個(gè)問(wèn)題幾乎是所有數(shù)據(jù)科學(xué)家都沒(méi)法避免的?？傆心敲匆恍┤?，拼拼湊湊幾行數(shù)據(jù)，就指望AI能像巫女的水晶球一樣給個(gè)“預(yù)兆”。也總有那么一些人，一點(diǎn)數(shù)據(jù)都沒(méi)有，還想讓AI去填補(bǔ)這些空白。

對(duì)機(jī)器學(xué)習(xí)來(lái)說(shuō)，數(shù)據(jù)的數(shù)量和質(zhì)量至關(guān)重要，如果客戶(hù)不在乎“廢料進(jìn)，廢品出”，做數(shù)據(jù)分析就可以了。一些有用的統(tǒng)計(jì)技術(shù)確實(shí)可以四兩撥千斤地處理這類(lèi)問(wèn)題，從少量數(shù)據(jù)中提煉盡可能多的信息，比如插入缺失值（impute）、人工合成數(shù)據(jù)（SMOTE算法）和使用面向小數(shù)據(jù)的簡(jiǎn)單模型。為了避免客戶(hù)失望，記得定義一些界限來(lái)解釋為什么結(jié)果會(huì)那么差。

數(shù)據(jù)量和分析技術(shù)性能之間的關(guān)系

5.“你去建個(gè)模，兩禮拜夠不夠？”

突然推翻原定計(jì)劃，卻還要求成果保質(zhì)保量——這是所有項(xiàng)目都可能出現(xiàn)的問(wèn)題。其他行業(yè)是怎么補(bǔ)救的，我們暫且不提，反正機(jī)器學(xué)習(xí)建模不可以。它的時(shí)間一旦計(jì)劃好了，就改不了了，尤其是在原定時(shí)間就捉襟見(jiàn)肘的情況下。也許客戶(hù)會(huì)有疑問(wèn)：現(xiàn)在GPU算力大幅提高了，各種API也都有了，你們這群數(shù)據(jù)科學(xué)家到底在磨蹭啥？

事實(shí)上，盡管行業(yè)內(nèi)出現(xiàn)了像Auto-ML這樣的進(jìn)展，但建模過(guò)程還是得依賴(lài)大量手動(dòng)操作。數(shù)據(jù)科學(xué)家必須要痛苦地在一輪又一輪的迭代中檢查統(tǒng)計(jì)結(jié)果、比較模型和檢查成因。這些是沒(méi)法自動(dòng)化的，至少現(xiàn)在還沒(méi)有自動(dòng)化。如果客戶(hù)實(shí)在不理解，建議給個(gè)例子讓他直接體驗(yàn)一下。

建模既是實(shí)驗(yàn)，也是藝術(shù)創(chuàng)作，里程碑驅(qū)動(dòng)的項(xiàng)目計(jì)劃并不總是現(xiàn)實(shí)的。

6.“能不能把這個(gè)變量換了，重新跑下模型？”

當(dāng)數(shù)據(jù)科學(xué)家終于把建好的商業(yè)模型交給客戶(hù)看時(shí)，后者也會(huì)習(xí)慣性地提一些“調(diào)試”要求，其中最常見(jiàn)的是：“你能不能替換這個(gè)變量，然后重新運(yùn)行模型”？表面上看這只是個(gè)小改動(dòng)，但事實(shí)上，這個(gè)小改動(dòng)卻意味著把在世界杯上踢足球改成在NBA打籃球。

雖然機(jī)器學(xué)習(xí)是高度迭代的，但它的核心目標(biāo)是為給定變量篩選正確的影響因子，并映射它們的關(guān)系。這個(gè)要替換的變量是模型的重要組成部分，不能說(shuō)改就改。所以如果客戶(hù)想投資AI技術(shù)，他們應(yīng)該努力學(xué)習(xí)一些基本工作原理。如果遇到這樣完全不懂的客戶(hù)，數(shù)據(jù)科學(xué)家也有必要給出預(yù)警，防止他們事后處處不滿(mǎn)。

7.“我們模型的準(zhǔn)確率可以達(dá)到100％嗎？”

看到“錯(cuò)誤率”就宛如看到“瘟神”，這是很多人的誤區(qū)。人們都喜歡盲目追求等級(jí)，客戶(hù)也總覺(jué)得越靠近100%，模型就越好。然而當(dāng)準(zhǔn)確率超越其他因素成為唯一焦點(diǎn)后，數(shù)據(jù)科學(xué)家就又該頭疼了：你們要這么一個(gè)精度很高，但沒(méi)法實(shí)際應(yīng)用的復(fù)雜模型有什么用？

2009年，BellKor's Pragmatic Chaos拿下Netflix Prize百萬(wàn)美金競(jìng)賽冠軍，雖然Netflix到現(xiàn)在還一直夸這個(gè)模型有多好，但它從沒(méi)上線過(guò)。為什么？因?yàn)檫@個(gè)高精度復(fù)雜模型背后的工程成本太高了。如果一個(gè)模型只有精度卻不能實(shí)際應(yīng)用，它對(duì)普通企業(yè)的意義又在哪兒？一個(gè)好的工程模型應(yīng)該兼具準(zhǔn)確率、穩(wěn)定性、簡(jiǎn)單性和業(yè)務(wù)可解釋性，并在之中達(dá)到平衡。

工程模型：實(shí)現(xiàn)精細(xì)平衡和權(quán)衡

8.“這模型訓(xùn)練好了，以后能一直保持高性能嗎？”

虛擬產(chǎn)品也是產(chǎn)品，當(dāng)模型訓(xùn)練完，客戶(hù)自然還要關(guān)心一下它的使用壽命。因此他們常問(wèn)的問(wèn)題還有：“這個(gè)模型是不是會(huì)一直這么聰明啊？”“未來(lái)我們業(yè)務(wù)發(fā)展了，它跟不跟得上變化啊？”

很不幸，機(jī)器學(xué)習(xí)模型不會(huì)自動(dòng)貫徹終身學(xué)習(xí)。它還只是個(gè)孩子，你們千萬(wàn)要不斷耐心教導(dǎo)它！通常情況下，模型需要每隔幾周或幾個(gè)月進(jìn)行一次快速?gòu)?fù)習(xí)，就像學(xué)校里為了考試苦苦掙扎的學(xué)生。更重要的是，如果公司業(yè)務(wù)發(fā)生明顯變化，這個(gè)復(fù)習(xí)頻率要加快，模型可能還要回爐學(xué)習(xí)點(diǎn)新東西。

盡管發(fā)展很快，但這就是當(dāng)今分析行業(yè)的情況，所以如果想投資AI技術(shù)，做好模型維護(hù)和更新的時(shí)間、金錢(qián)預(yù)算吧！

小結(jié)

到現(xiàn)在為止，我們已經(jīng)介紹了數(shù)據(jù)科學(xué)家工作生活中可能會(huì)遇到的8個(gè)關(guān)鍵誤解，它們隱藏在機(jī)器學(xué)習(xí)建模的6個(gè)步驟中：

導(dǎo)致這些誤解產(chǎn)生的原因有兩個(gè)，一是客戶(hù)對(duì)行業(yè)基礎(chǔ)知識(shí)缺乏了解，二是雙方對(duì)具體效果的預(yù)期錯(cuò)位。了解這些內(nèi)容有助于數(shù)據(jù)科學(xué)家在遇到麻煩時(shí)溫和、友善地向客戶(hù)說(shuō)明情況，而不是一臉無(wú)奈或是一肚子火氣，最后被迫向客戶(hù)屈服。

如果你在生活中也遇到過(guò)類(lèi)似的困擾，歡迎留言指出，幫助更多同行總結(jié)經(jīng)驗(yàn)，也讓客戶(hù)和銷(xiāo)售更了解自己的工作。