正文
非结构化数据分析通常被称为“暗黑分析”（dark analytics）。这个令人生畏的名号绝非虚张声势，而是货真价实、毫不夸张。
即使是最娴熟的数据科学家，处理起非结构化流数据来也免不了一个脑袋两个大。不论是社交媒体、视频、客户日志还是地理空间服务数据，分析工作都需要在多元数据上实时、增量进行。此外，时效性也是此类数据分析工作的重中之重。
因此，当你一脚踏入暗黑分析的领域，那种（面对庞然大物茫然不知所措的）感觉就跟试图揭开宇宙奥秘的空间科学家毫无二致。
这可不是小事。为了做好分析工作，数据科学家必须在数据研究、解读、准备和处理上投入大量的时间，这个过程需要极大的耐心和努力。
然而，如果你构建的模型的准确预测度可以达到90%以上，回报也是无比丰厚的。
当客户、经理、同事的赞扬和欣赏如潮水般向你涌来时，你在喜不自胜之余脑海里只会记得一件事 — 周末嗨翻天！
从成百上千行代码中找到错误，就跟让宿醉的你去大海里捞针一样痛苦。
但是直面现实吧，这就是工作呀，谁让你是数据科学家呢。
通常情况下，数据科学机构中的经理们都不了解技术性任务的实质，不论是排查模型缺陷或者改善模型性能；他们普遍更加关注项目管理（例如最后时限等。）
面对“这个项目什么时候能结束？”这样的问题，数据科学家能做的就是能拖一会儿就拖一会儿或者干脆消失。
