毫无疑问，Kaggle是非常适合学习数据科学的平台。许多数据科学家在Kaggle上投入了大量时间。
但同时，你不应该只依靠Kaggle来提高数据科学技能。
以下就是当中的原因：
01、数据科学不仅仅是预测
Kaggle主要针对预测方面的问题。然而许多现实问题是与预测无关的。
例如，许多公司都想知道用户流失的常见途径。解决这类问题需要了解不同的数据类型和用户接触点，例如web导航、计费、客服中心交互、商店访问等。同时还需要识别重要事件，例如超额计费或导航错误。在确定所有事件后，你需要应用路径算法来了解用户流失的常见路径。解决这类问题不能仅靠预测算法，而需要能根据事件构建时间线的算法。
同样，解决许多其他问题也需要预测之外的技能。能解决预测性问题是很强大的，但作为数据科学家，你需要解决多种类型的问题。因此你不能仅局限于Kaggle，还需要用其他技能解决现实的数据科学挑战。
02、无法提高图算法方面的技能
社交网络分析、影响预测、社区分析、欺诈网络分析等，这些有趣的分析问题都是数据科学家需要解决。解决这类问题需要有关图形算法的知识，如Pagerank、Modularity、ShortestPath、EigenVectorCentrality等等。
网络或社区类型问题在Kaggle中很少见。解决图形和网络方面问题需要节点和链接相关数据，而Kaggle中大多数数据并不是这种形式的。
当然，你可以将问题转换为使用图算法，但这种情况很少。Kaggle上缺少这类的比赛，这也表明了与数据科学家日常需要解决问题的巨大差距。
03、无法提高算法可解释性
算法的可解释性越来越重要。你可以使用高大上的方法和最复杂的算法，但如果无法解释算法是怎样得到预测的，在企业中这将是一个大问题。这种说不清缘由的算法被称为“黑匣子”算法。
使用黑盒算法存在一定的隐患，而且也可能造成法律方面的问题。假设，你开发了一种非常精确的算法集合来预测信用风险。在投入生产时，它将用于预测信贷风险。其中有些人的信用得分会很低，被拒绝贷款的人有权知道他们申请被拒的原因。如果算法无法提供解释，则可能会产生法律问题。
在Kaggle比赛中，获胜者是基于准确性，而不是基于可解释性。这意味着比赛中数据科学家可以使用复杂的算法来保证高准确性，而不必关心可解释性。这种方法能够赢得比赛，但在企业的数据科学项目中就行不通了。
04、缺少投资回报率的分析环节
公司正在加大数据科学技能方面的投入。他们希望数据科学项目能够提供投资回报率。通常，成功的分析项目需要数据科学算法与投资回报率紧密相关。
其中一个例子是预测性维护，其中能够对设备故障进行预测。假设设备的故障率为10%，那么你需要派维护人员去进行检查吗?可能并不需要。但如果故障率为95%，那是肯定需要的。
然而在实际情况中，故障率通常为55%，63%等，这时就不确定了。如果公司派维护人员检查所有这些设备，则可能产生巨大的成本。如果不派人检查，则会有很大的设备故障风险。
那么故障率的阈值应该是多少呢?这时就需要计算投资回报率了。因此非常需要数据科学家给出当中的阈值，从而帮助公司确定相关决策。
Kaggle并不涉及这方面的分析，而只专注预测，并不考虑如何把数据科学结果应用于投资回报率。
05、不会涉及到模拟和优化问题
关于模拟和优化算法，比如系统动态仿真、基于代理模拟或蒙特卡罗模拟等应该是所有数据科学家的必备技能。金融优化、路线优化、定价等许多问题都是数据科学家需要解决的问题。
以价格预测为例，你可以使用机器学习，根据季节、日期、地点、竞争对手价格等数据来预测产品价格。但机器学习算法预测的价格是否是***价格?也许不是。为了确定***价格，你首先要确定优化目标。
优化目标可以设为利润优化。在这种情况下，你需要确定提供***利润的价格范围。为了留住用户，这样的价格不能设太高。同时，为了保持良好的利润率，也不应该太低。
因此，你需要通过优化算法来确定***价格范围。如果预测价格在价格范围内，那么机器学习的结果是可以接受的，否则应被拒绝。
在Kaggle上，通常不会给出利润优化等优化目标。因此，当中涉及的问题仍然局限于机器学习，而并没有探索优化方面的问题。
06、无法体验模型部署和操作
假设你的模型在Kaggle排行榜位居前列。然而部署模型是完全另外一回事，这是在Kaggle上无法体验的。
生产部署模型会涉及到docker、kubernetes等技术。虽然数据科学家并不需要成为docker和kubernetes方面的专家，但至少要能够熟练使用。很多情况下，数据科学家需要用docker创建评分管道。
操作和部署还包括定期监控模型性能，并在必要时采取改进措施。假设有一个产品推荐模型，你在某个时间点观察到，由于推荐而导致销售额下降。那么问题是出在模型上吗?还是其他方面呢?
数据科学家需要参与到模型部署环节，从而获得获得真实而丰富的体验。
结语
数据科学家需要涉及算法可解释性、投资回报率评估、优化等技能。在这一系列问题中，你将解决各种有趣的现实问题，从而更全面的提高数据科学相关技能。
对于数据科学家而言，不要仅局限于Kaggle，而是要从其他角度解决不同类型的数据科学问题。
原文链接：https://towardsdatascience.com/why-kaggle-will-not-make-you-a-great-data-scientist-a2c2f506a23f，作者：Pranay Dave
