互联网公司里大部分复杂的模型都是极少数的数据科学家在做，大多数工程师们做的事情基本是在数据仓库里搬砖，不断地数据清洗，再一个是分析业务不断地找特征。
特征的来源有两部分，（1）业务已经整理好的各种特征数据，我们去寻找适合我们问题需要的特征；（2）我们从业务特征中寻找高级的数据特征。
对于业务已经整理好的各种特征，我们如何去找到适合我们问题需要的特征呢？这就需要我们找到该领域懂业务的专家，让他们给一些意见，如果对于一个药品疗效的分类问题，我们问这些专家，哪些因素会对药物的疗效产生影响，影响大的影响小的都要，这些特征就是我们的第一候选特征集。
这个特征集可能会很大，需要我们来进行降维、筛选等等，也就是我们的数据清理阶段要做的事情。