ML项目失败的根因往往不在技术层面，而在问题定义和组织协作层面

大量ML项目的失败不是因为算法选错了，而是因为业务问题没定义清楚（"提升用户体验"这种模糊目标无法建模），或者业务方与数据团队之间没有建立有效的反馈闭环。这意味着数据科学家的核心能力不只是写代码，还包括问题翻译能力和跨部门沟通能力。