雷鋒網(wǎng)按：本文為「范式大學(xué)系列課程」第 3 篇文章：年薪百萬(wàn)的機(jī)器學(xué)習(xí)專家，為什么不產(chǎn)生價(jià)值？

Part 1

一個(gè)朋友的企業(yè)，他們招聘了 2 名機(jī)器學(xué)習(xí)方向的數(shù)據(jù)科學(xué)家，加起來(lái)年薪百萬(wàn)。

但一段時(shí)間的蜜月期后，他們發(fā)現(xiàn)機(jī)器學(xué)習(xí)專家沒(méi)有給公司帶來(lái)實(shí)際價(jià)值。高管們不知道他們具體做了什么，業(yè)務(wù)人員每周都給他們提出預(yù)測(cè)需求，卻很少能在短時(shí)間得到回應(yīng)。

不到一年，公司和機(jī)器學(xué)習(xí)專家們就不歡而散了。

Part 2

巧合的是，從他們公司離職的機(jī)器學(xué)習(xí)專家是我的朋友。
當(dāng)我問(wèn)他這個(gè)問(wèn)題時(shí)，他說(shuō)自己每天都忙得不可開(kāi)交，卻得不到公司其他人的理解。他和我描述了自己的工作過(guò)程。
他花了很多時(shí)間搭建了機(jī)器學(xué)習(xí)需要的計(jì)算環(huán)境。
他花了很多時(shí)間做建模前的數(shù)據(jù)清洗和處理。
他花了很多時(shí)間做模型選擇和參數(shù)調(diào)整，以得到更好的結(jié)果。
他花了很多時(shí)間做實(shí)時(shí)預(yù)測(cè)的功能，為了達(dá)到毫秒級(jí)的延遲花費(fèi)了大量心血。
……
實(shí)際上，要完成一個(gè)機(jī)器學(xué)習(xí)的模型要做很多事情。團(tuán)隊(duì)人數(shù)本來(lái)就少，事情又多，他的興趣只能集中在模型本身上了。
至于這些模型對(duì)應(yīng)的業(yè)務(wù)問(wèn)題，例如怎么定義問(wèn)題，確定哪個(gè)指標(biāo)？雖然也重要，但他覺(jué)得這些主要是業(yè)務(wù)人員去解決的。
（估計(jì)業(yè)務(wù)人員也覺(jué)得，這是屬于機(jī)器學(xué)習(xí)專家解決的事情）

Part 3

實(shí)際上，這個(gè)問(wèn)題不是個(gè)例，大部分公司在引入機(jī)器學(xué)習(xí)專家后，都會(huì)面臨這樣的疑問(wèn)。
來(lái)自 MIT 的機(jī)器學(xué)習(xí)研究員 Kalyan Veeramachaneni 曾經(jīng)做過(guò)一次調(diào)查，在一個(gè) 150 個(gè)機(jī)器學(xué)習(xí)愛(ài)好者的小組中，他詢問(wèn)說(shuō)：“你們有多少人建立過(guò)機(jī)器學(xué)習(xí)的模型？”大約有 1/3 的人舉手。而當(dāng)他進(jìn)一步問(wèn)：“有多少人使用這個(gè)模型產(chǎn)生價(jià)值并衡量它？”結(jié)果沒(méi)有一個(gè)人舉手。
換句話說(shuō)，機(jī)器學(xué)習(xí)專家們把 90% 的時(shí)間都放在了數(shù)據(jù)準(zhǔn)備、處理、特征工程、建模、調(diào)參上，而背后的業(yè)務(wù)問(wèn)題和商業(yè)問(wèn)題， 很多時(shí)候沒(méi)有納入嚴(yán)格的考慮。
但是要讓數(shù)據(jù)產(chǎn)生真正的價(jià)值，就要把數(shù)據(jù)和商業(yè)價(jià)值聯(lián)系起來(lái)，這至少要花費(fèi) 50% 以上的精力。

Part 4

相比之下，更為理想的局面是建立機(jī)器學(xué)習(xí)工程和商業(yè)價(jià)值之間的平衡。一般來(lái)說(shuō)有 5 個(gè)原則：
1.從最簡(jiǎn)單的模型開(kāi)始
邏輯回歸或者那些基于隨機(jī)森林、決策樹(shù)的模型，就足以解決大部分的問(wèn)題。所以你的重點(diǎn)，應(yīng)該放在縮短數(shù)據(jù)采集和模型建立的時(shí)間。
2.探索更多問(wèn)題
相比于通過(guò)一個(gè)難以置信的模型探索一個(gè)業(yè)務(wù)問(wèn)題，你應(yīng)該探索數(shù)十個(gè)問(wèn)題，然后為每個(gè)問(wèn)題都創(chuàng)造一個(gè)相對(duì)簡(jiǎn)單的預(yù)測(cè)模型，并評(píng)估模型背后的商業(yè)價(jià)值。
3.用全部的數(shù)據(jù)和特征訓(xùn)練模型
過(guò)去機(jī)器學(xué)習(xí)的能力不夠，很多時(shí)候是依靠人力篩選出樣本數(shù)據(jù)和特征進(jìn)行模型訓(xùn)練。但隨著計(jì)算資源越來(lái)越便宜，人力成本越來(lái)越高，你應(yīng)該用全部的數(shù)據(jù)和特征訓(xùn)練模型，以得到更好的效果。
4.業(yè)務(wù)驅(qū)動(dòng)模型
讓機(jī)器學(xué)習(xí)專家和業(yè)務(wù)人員有更多的配合。實(shí)際上，很多想法都來(lái)自于業(yè)務(wù)部門的設(shè)想，機(jī)器學(xué)習(xí)專家和他們一起探索出對(duì)公司有價(jià)值的解決方案。
5.專注于自動(dòng)化
為了更快地獲得第一個(gè)模型，縮短探索問(wèn)題的速度，公司要自動(dòng)執(zhí)行通常由手動(dòng)完成的任務(wù)。我們發(fā)現(xiàn)在不同的數(shù)據(jù)問(wèn)題中，背后都應(yīng)用了類似的數(shù)據(jù)處理技術(shù)，無(wú)論是在數(shù)據(jù)清洗、準(zhǔn)備階段，還是在數(shù)據(jù)建模階段，亦或是在模型上線階段。

Part 5

這 5 個(gè)原則說(shuō)的是，如果說(shuō)機(jī)器學(xué)習(xí)是一場(chǎng)戰(zhàn)役，過(guò)去強(qiáng)調(diào)的是戰(zhàn)士的能力和經(jīng)驗(yàn)，現(xiàn)在則更為強(qiáng)調(diào)軍火的選擇。
就像在伊拉克戰(zhàn)爭(zhēng)中，美國(guó)部隊(duì)強(qiáng)調(diào)的是每平方公里的彈藥投放量，最終投放了 60 億顆彈藥。雖然是一個(gè)不太恰當(dāng)?shù)谋扔?，但是機(jī)器學(xué)習(xí)未來(lái)的趨勢(shì)就是大規(guī)模機(jī)器學(xué)習(xí)平臺(tái)的出現(xiàn)，通過(guò)大規(guī)模計(jì)算解決具體的業(yè)務(wù)問(wèn)題。大規(guī)模機(jī)器學(xué)習(xí)平臺(tái)，就是企業(yè)未來(lái)最重要的軍火。
所以對(duì)于機(jī)器學(xué)習(xí)專家來(lái)說(shuō)，他也許不能一個(gè)人就把事情做完，但是給他工具就可以了。

Part 6

在我的介紹下，那位機(jī)器學(xué)習(xí)專家又回到了那家公司，1 個(gè)人，1 個(gè)月，完成了過(guò)去 1 年都沒(méi)完成的工作。

參考資料：
Why You’re Not Getting Value from Your Data Science
Data has no value if it lacks a purpose
The Missing Link in Why You're Not Getting Value From Your Data Science

「范式大學(xué)」由第四范式發(fā)起，致力于成為“數(shù)據(jù)科學(xué)家”的黃埔軍校?！阜妒酱髮W(xué)系列課程」會(huì)和大家推薦戴文淵、楊強(qiáng)、陳雨強(qiáng)等機(jī)器學(xué)習(xí)領(lǐng)域頂尖從業(yè)人士的最新分享，以及由第四范式產(chǎn)品團(tuán)隊(duì)推薦和整理的機(jī)器學(xué)習(xí)材料。

雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。