相信不管什么职业的小伙伴们，都离不开数据的加持，数据科学的功能是在数据中寻找有用的观点并加以应用，但是数据不会凭空而来，都是数据从业者收集而来的，但是在收集的过程中，往往数据收集者会遇到不断的挑战，让小编带你们来看看最大的五个挑战是什么。

数据科学的功能是在数据中寻找有用的观点并加以应用。然而，数据科学并非凭空而来。在向分析目标迈进的过程中，数据从业者可能面临阻碍其进展的各种挑战。

Kaggle的调查数据显示，数据科学家面临的最常见挑战包括脏数据(36%)，缺乏数据科学人才(30%)和缺乏管理支持(27%)。

在调查中10153名受访者被问到，“在过去的一年中，你工作中遇到了哪些障碍或挑战?(可多选)。”结果如上图所示，排名前十的挑战是：

1. 脏数据(36%的受访者提及此项)

2. 缺乏数据科学人才(30%)

3. 公司政策(27%)

4. 缺乏明确的研究问题(22%)

5. 数据无法访问(22%)

6. 结果未被决策者使用(18%)

7. 向其他人解释数据科学(16%)

8. 隐私问题(14%)

9. 缺乏专业领域知识(14%)

10. 小公司请不起数据科学团队(13%)

结果显示，平均每个数据从业者就会遇到上图中的三项挑战(3是中位值)。不同职位所遇到的挑战数量不同。自认为是数据科学家(Data Scientist)或预测建模师(Predictive Modeler)的数据从业者称遇到了其中的四项挑战。自认为是程序员的数据从业者称只遇到了其中的某一项挑战。

挑战分组

我想将这20项挑战进行分组，把通常一起出现的挑战归为一组，因此我对数据进行了主成分分析(0表示未经历此项挑战;1表示经历过此项挑战)。我发现了一个相当清晰的、由5个主要成分构成的分组方案，其中特定挑战往往会与其他相关挑战一起出现。

· 分析结果未被用于决策：这组挑战还包括公司政策、无法将研究结果纳入决策过程以及缺乏管理支持。

· 数据隐私、真实性、无法访问：这组挑战围绕数据本身展开，包括数据清洗的复杂程度、可访问性以及隐私问题。

· 扩展/部署工具的局限性：这组挑战与用于提取结果、部署模型以及将解决方案扩展到完整数据库的工具相关。

· 缺乏资金：资金缺乏引起的挑战会影响组织机构在外部数据源、数据科学人才以及可能的领域专业知识方面的购买力。

· 提出的错误问题：这组挑战包括难以对数据科学项目的结果保持合理的期望，并且对数据分析没有明确目的或方向。

根据资料表明，一个数据从业者在一年中会遇到上述挑战的三项，在遇到问题时沉着思考，才能真正成为一名优秀的数据从业者。

         科技引领新发展，学计算机就来职坐标课堂。