陷阱与缺陷：操纵，误导，数据的民主化不足

你知道吗？有时候， 算法就像一个神秘的魔术师，它Neng在双色球中预测中奖号码， 痛并快乐着。 在股市中预测涨跌，甚至在足球比赛中预测比赛后来啊。但是这些预测真的准确吗？

太治愈了。 有些业务问题其实是没有办法预测的，就像双色球一样，完全kan运气。还有一些业务问题预测成本hen高，短时间内无法Zuo出有价值的模型，比如预测股市，预测比赛等等。所以 hen多算法的成功落地应用，不光是需要有合适的模型，还需要大量维度的数据作为生产资料，geng关键的是要有一个完善，可靠的算法工程体系。

陷阱与缺陷：数据科学的"科学”在哪?

我裂开了。 你知道吗？数据科学这个词Yi经流行了快十年了对互联网行业它就像一个性感了世纪的词汇。但是数据科学的"科学"在哪里呢？其实数据科学就像是建一座高楼，Ru果没有坚实的基础，高楼就会倒塌。

Zui近，我发现数据科学专业Yi经是北京大学高考入学门槛较高的专业了。但是 Ru果你把数据当作了生产资料，Ru果我们不对应用质量保障的理念和工具进行革新， 挺好。 你的大量的数据分析报告，训练好的算法模型，Zuo出的决策可Nenghen不可靠。

陷阱与缺陷：数据质量杀死自动 / 智Neng决策

数据质量就像是一个生命线，Ru果数据质量不好，那么自动/智Neng决策就会像空中楼阁一样，随时可Neng倒塌，欧了！。

有一个例子，网易严选的风控业务，其核心驱动力是数据及算法。但是Ru果数据质量不好，那么风控业务就会像建在沙滩上的城堡，随时可Neng被海浪冲垮。

陷阱与缺陷：空中楼阁 - 基础设施与基础Neng力的不完备

基础设施和基础Neng力就像是建高楼的地基，Ru果没有坚实的基础，高楼就会倒塌，差点意思。。

hen多组织的 Data Infrastructure 团队会有独立的流计算团队和批处理团队；会有实时数仓和离线数仓，会有实时指标和离线指标等等。这些数仓和指标的研发人员存在着割裂，数仓建设方法论、指标定义也不尽相同。

陷阱与缺陷：数据预测未来不是理所当然 预测的成功不仅是算法模型

预测未来并不是理所当然的，预测的成功不仅仅是算法模型。

就像之前的“SOA”， “云计算”等概念一样，目前数据科学自身的概念还在不断的变革，各家公司的实践者们一边摸索， 原来如此。 一边获利；一边一边布道；当然一边还参杂着hen多凑热闹的同志把概念折腾的geng加模糊。

弯道超车。 有hen多陷阱和缺陷，但是只要我们了解它们，就Neng避开它们，提升我们的专业技Neng。