本文主以一场数据挖掘比赛为例，从几个点来评价数据挖掘比赛的优劣。顺便总结下数据挖掘比赛中需要注意的地方，从出题步骤到最终的比赛评测。
1. 找准办比赛的目标
几年来随着数据挖掘比赛的风潮，很多互联网公司都办起了比赛。但很多公司在办比比赛之前并没有考虑到自己举办比赛的目的，而只是更风凑热闹。这种方式举办的比赛，自然质量不高，企业自身不重视。
总体说来，企业举办数据挖掘比赛，无外乎以下几个目标：
- 用比赛来宣传自己公司，宣称公司的技术；
- 用比赛来吸引专项人才，打造公司形象；
- 更具上级领导思想，或者被安排举办比赛；
上述的第三条其实在国内还是比较常见，比如在一些政府或者教育相关组织的比赛，被领导安排来做一场比赛。
2. 找准比赛的题目和立意
一个比赛注重要的就是比赛的立意，所以一个比赛的背景和所提供的数据也是要相符合的。其次比赛的题目最好与举办方公司内部需要解决的业务问题相符合，是举办方需要解决的问题，或者急需解决的问题。
国内的数据挖掘比赛，其实进一步可细分为算法比赛和创意创业比赛。前者算法赛题可以通过具体的评价指标来评价，而后者则难以定量评价。所以在比赛出题阶段，就需要找准比赛的立意和目的，且找到一个合适的评价标准。
3. 比赛数据和评价指标
数据挖掘比赛，核心就是数据。而对于一个合格的数据挖掘比赛，赛题数据又需要从各个方面进行考量：
- 数据是否公开：数据是非常宝贵和具有商业机密的，举办方应该考虑如何选择比赛数据；
- 数据字段是否匿名：数据字段是够包含敏感信息，是否需要匿名处理；
- 数据是否规整：赛题数据是够完备，是否存在缺失情况；数据是否规整，是否还需要选手进行清洗；
- 数据标签是否完备：数据训练标签是否完备，是否需要选手进行标注等；
- 数据量是否足够大：数据量是否足够满足数据挖掘的要求；
4. 明确比赛规则
比赛既然是比赛，就需要考虑如何进行评价，也应该明确一些比赛规则。
- 评价指标：在进行比赛立意和准备工程中，就需要考虑如何来设计评价指标。评价指标也应该和具体的赛题目标进行符合，例如分类问题可以使用分类正确率或者信息熵，二分类问题可以使用AUC或KS指标，回归问题可以用均方差等。评价指标应该具体明确，最好可以量化可解释；
- 数据规则：比赛在数据使用上应该考虑，比赛数据是否可分享、是否允许使用外部数据（模型）等；
- 初赛和复赛：一般的比赛可分为初赛和复赛两个阶段，并通过最终的复赛来决定最终的排名。但在这两个阶段需要注意的是，不要轻易改变比赛的评价指标，也不要轻易改变数据的整体分布，同时也要明确最终的排名的规则；
5. 简化交流机制
比赛在举办工程中，选手肯定会对比赛的数据和规则等存在很多疑问，这就需要举办方进行答疑。所以在准备比赛过程中，竟可能提前把选手会遇到的问题想清楚，通过注意事项等方式进行表达告知，通过比赛规则提前明确提高的方式（包含如何提交、提交的格式）和合并队伍的方法。
现在在国内外存在很多数据挖掘平台，举办方可以选择与这些平台进行合作，可以得到更多曝光度和推广。而且此类比赛平台有历史举办比赛的经验，可以协助更好进行比赛。但此时需要注意的是，如果和此类平台合作，则需要明确双方具体的责任，和具体应急相应的流程，以免耽误比赛进度。
