所以，他把公司搬到硅谷从而创立了 Kaggle，依靠社群成功累积了庞大的用户， Goldbloom 日前接受澳洲媒体采访时表示，“Kaggle 今日已经拥有一百万用户，未来几年还会成长十倍甚至百倍，因为这个领域的人才需求缺口还很大。”他曾被评为 2013 年《麻省理工科技评论》全球35岁以下青年科技创新人士，而 Kaggle 在今年加入 Google，更是近年创业领域的成功范例。

怎么出考题？

然而，想要参与到 Kaggle 的比赛中却并非易事，因为一道道挑战题目都难度极高，不少中国的数据专家都参加过这些竞赛，而且成绩都非常好。

在 Kaggle 选手排行榜上（依照选手比赛成绩），目前排名全球第五的 Eureka 就是来自中国。据了解，在 Kaggle 内部有一个依照比赛成果的国家排名，中国就在前三名之内。

不过，在背后设计竞赛考题的人又是谁？DT 君独家专访了 Kaggle 数据科学家甘志雯（Wendy Kan）。

图丨甘志雯

一头长直发，作风干练，是甘志雯给人的第一眼印象。从台湾的清华大学电机工程硕士毕业后，她跑到美国继续念书，而且还转换专业，到德州大学奥斯丁分校攻读生物医学工程博士，她笑说：“刚去美国时，考试都要带电子辞典”，不过尽管初期辛苦，但她始终很清楚知道自己的目标：“换专业是要让自己变得更强，被丢到全新的领域就只能往前冲。”

博士班毕业后，甘志雯先进入 GE 旗下专门负责研发跟创新的 GE Global Research 担任生物医学工程师，帮忙设计公司内部使用的一套软件，为从事癌症研究的同事们提供更好的影像辨识软件，来侦测癌症细胞不同阶段的变化。之后，她又进入知名生物技术公司基因泰克负责后端软件开发，直到三年多年她加入了 Kaggle，成为 Kaggle 的数据科学家。

图丨甘志雯在演讲

Kaggle 的数据科学家要做什么？“我的工作就是负责设计算法的比赛，把客户给的数据快速整理成可以上架到 Kaggle 平台，简单来说就是出比赛考题”，甘志雯简单扼要地说明她的工作。乍听之下好像很简单，但其实却是冗长的过程。

举例来说，当企业或机构单位想要在 Kaggle 举办比赛，会先接触到 Kaggle 类似产品经理角色的人员展开初步沟通，合作共识达成后，就会开始由数据科学家接手。他们与企业沟通，理解对方想要解决什么样的问题、拥有什么样的数据、怎么衡量模型的效益、评价指标有哪些等等。

所以客户会将庞大的数据交给甘志雯，她必须在很短的时间内熟悉这些数据，并且设计出适合这份数据的比赛规则和目标。

但她经常会遇到客户说：“这些数据很机密，但我又很想办这比赛，怎么办？”所以就要得帮他们想出适当的方法。直到双方都认同后，就会把数据整合为比较干净的模式，也就是数据清理（Data Cleansing），去除错误或不一致的数据。最后再把这些数据放到 Kaggle 平台上让使用者取用。一般 Kaggle 上的比赛赛程最多是 2~3 个月，参赛者必须在期间内递交自己设计的算法。

但因为客户来自各行各业，每一家公司的数据政策跟技术能力落差非常大。一般来说，如果客户技术水准高，有很强的数据科学家，甘志雯就会提供 Kaggle 的准则请对方把数据弄干净，但有些客户没有这些能力，这时就得花费许多时间协助，经常得来来回回沟通好几次。据了解，如果客户需要 Kaggle 人员帮忙清理数据，一小时计费 200~300 美元。

“这工作就很像去别人家，把他们的衣柜搞清楚，有人的衣柜很整齐，有人乱七八糟，Kaggle 协助你把前面一半到三分之二的路走好。”甘志雯打了一个有趣的比方。所以数据科学家不只是懂工具、懂逻辑，好的沟通能力同样很重要，而且投入时间并不是每次都能开花结果。