算法工程师来做数据分析，会闹出哪三个笑话？
如今，数据变得越来越重要，相应的数据分析工作就变得不可或缺，算法人员也是必须要懂数据的，如果连数据都是垃圾，那么算法模型再牛叉，也只是海市蜃楼，空中楼阁罢了。平常工作过中，数据分析常常会被算法从业者踩坑，参考相关书籍，大概这些误区可分为三个。
第一，分析目的未明确，就开始做数据分析。研究数据不是为了数据本身，如此道理显而易见。
但现实是，由于实际项目着急，算法人员拿到这些数据后，不管三七二十一，上来就做数据清洗，特征提取，建立模型。压根就没想，哦，还得需要去想办法理解：
这些数据背后的业务背景
中间是否存在业务上的变动，导致数据取值发生较大变动
业务的未来发展预测等
第二，业务了解不够，导致分析结果偏离实际。有些算法工程师的确觉得，自己就是做算法的，对业务等一点不感兴趣，认为算法工程师就只应该研究算法模型，不断优化算法模型，提高模型预测精度等。
不否认某些纯算法研发的岗位的确不怎么涉及业务，但是，也有很多算法岗是和业务紧密相关的，性质类似于算法中台的组件。那么对你们而言，了解业务就很有必要。
否则只是纸上谈兵，所做的数据分析结果就会缺乏业务逻辑上的关联性，得不到全面、准确、具有实际指导意义的结论。
第三，一味追求高级模型，算法人员可能算法模型能力的确强一些，这就导致他们在做数据分析时，也特别喜欢用一些高级的数据分析方法，总认为有数据分析模型才显得牛叉，才能体现专业性，结果才可靠。
其实不是这样的，不管数据分析也好，推荐预测也罢，只要能够简单有效地解决问题才是王道，模型越简单越好。
最后，我们总结下，算法人员在平时工作中，如果涉及到数据分析工作地话，一定要先想弄清楚相关业务，然后再结合分析模型达到数据分析的目的。
切记！只关注模型，不关心数据背后的业务，这种思路是有问题的，也是误区的根本所在。
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20190907A0NN3M00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
