雷鋒網(wǎng)按：本文為「范式大學系列課程」第 2 篇文章：機器學習老司機：如何成為 ML-ready 的公司？

機器學習已經(jīng)在商業(yè)領(lǐng)域展示了巨大潛力，那么管理者如何將其納入日常決策和長期規(guī)劃？一個公司怎樣才能 ML-ready？

當你考慮在企業(yè)中應用機器學習技術(shù)時，很多問題就會出現(xiàn)。

• 我的業(yè)務是否適合機器學習模型？

• 我可以從機器學習模型中獲得什么收益？

• 這是一個降低成本的問題，還是增加收入的問題？

• 我現(xiàn)在的數(shù)據(jù)積累足夠嗎，如果不夠的話該怎么辦？

• 我需要什么樣的人才幫助我實現(xiàn)企業(yè)人工智能的升級？ 

• 換句話說，如果你的企業(yè)想趕上機器學習的火車，現(xiàn)在應該怎么做？ 

先給你一張信息表，然后我們會從 6 個步驟詳細解析。 

步驟一：定義問題 

應用機器學習的公司一般有兩種：

• 一種是以機器學習模型作為企業(yè)核心業(yè)務的公司，例如今日頭條、News in Palm；

• 另一種是通過機器學習增強現(xiàn)有業(yè)務流程的公司，例如抱抱通過機器學習優(yōu)化主播推薦。

對于后一種公司，清楚的定義問題會是第一個挑戰(zhàn)。無論是個性化推薦、增加活躍度還是降本增收，都應該收斂到一個點，即我們可以通過獲得正確的數(shù)據(jù)把任務變成機器學習可解決的問題。 

例如，如果你想通過數(shù)據(jù)發(fā)現(xiàn)“高流失風險”的客戶，以此降低用戶的流失率，這就是機器學習可以解決的問題。你會擁有已經(jīng)流失的用戶（這就是機器學習的標簽），流失行為背后相關(guān)的數(shù)據(jù)（例如社交媒體的活動、使用頻率等），那就可以通過機器學習算法找到用戶流失和用戶行為之間的隱藏關(guān)系。 當然，這里面更重要的問題是，當你知道這個用戶將要流失時，你準備做些什么？機器學習可以告訴你使用什么樣的挽留策略能拉回他。

另一個例子是提高用戶滿意度。用戶滿意度是一個主觀的指標，不同的人、場合對用戶滿意度的衡量標準都不一樣。如果要通過機器學習來預測用戶滿意度，最終的結(jié)果可能就會不理想。 

定義機器學習的問題，最終可以落在兩個點上： 

1、從業(yè)務出發(fā)，機器學習往往致力于解決標準商業(yè)邏輯和系列規(guī)則不能解決的問題。所以在考慮是否需要機器學習的時候，不妨問問自己，當你做決策的時候，有多經(jīng)常是基于經(jīng)驗假設(shè)而非清晰的分析論據(jù)？ 

2、從技術(shù)出發(fā)，機器學習往往需要客觀的預測指標，例如流失率、點擊率、停留時長等。同時你也需要考慮數(shù)據(jù)反饋的周期，例如在信用卡反欺詐的任務中，盜刷后被用戶發(fā)現(xiàn)并提交反饋的時間往往需要 1 周甚至 1 個月，那么系統(tǒng)就要考慮到負面反饋的時間。 

通過機器學習強化業(yè)務流程是一個非常廣泛的領(lǐng)域，我們可以在內(nèi)容推薦、金融反欺詐、醫(yī)療健康等各行各業(yè)都看到它的身影。 

步驟二：強化業(yè)務流程 

當你建立了機器學習模型，下一步便是結(jié)合模型強化業(yè)務流程。一般來說會有三個層次： 

1、描述 

采集數(shù)據(jù)進行機器學習分析，通過圖表和報告描述現(xiàn)狀 

2、預測 

找到業(yè)務發(fā)展的模式，做出預測 

3、行動 

結(jié)合模型預測，給出不同的解決方案 

麥肯錫曾經(jīng)披露了一家國際銀行的故事，他們通過機器學習改進違約客戶相關(guān)的業(yè)務流程。通過機器學習模型，他們發(fā)現(xiàn)有一群平時白天使用信用卡的客戶，在晚上也在大量使用信用卡。機器學習發(fā)現(xiàn)該行為模式和違約風險緊密相關(guān)，在進一步的問詢后發(fā)現(xiàn)，這群人正在經(jīng)歷某些緊張的時刻。銀行的解決方案是向這群高風險的人提供財務建議，并為他們建立新的信用額度。 

步驟三：確保你的數(shù)據(jù)質(zhì)量足夠好 

機器學習是關(guān)于數(shù)據(jù)的科學，它從數(shù)據(jù)中獲得有價值的洞察。一般來說，使用機器學習輔助決策是避免偏見的好方法，但這比想象的更為棘手，因為它不能避免數(shù)據(jù)本身的偏見。例如 Google 最近陷入了一起爭議，在對男人和女人的廣告中，他們在男人的廣告中展示了更多高級崗位。Google 的數(shù)據(jù)科學家并沒有性別歧視，但算法背后的數(shù)據(jù)是有偏見的，因為它是從社交網(wǎng)絡(luò)的互動中收集上來的。 

確保數(shù)據(jù)質(zhì)量足夠好 

基本可以說，你所擁有的數(shù)據(jù)質(zhì)量，定義了算法的質(zhì)量。數(shù)據(jù)可能是嘈雜的、沖突的、有偏見的和缺失的，這會對問題解決有非常不良的影響。為了優(yōu)化模型開發(fā)，你需要讓數(shù)據(jù)更匹配要解決的問題，所以在早期最好有熟悉業(yè)務的數(shù)據(jù)科學家支持，逐步開發(fā)和收集解決問題所需的數(shù)據(jù)。不過這里需要注意的是，盡管業(yè)務決策者尋求的是具體建議和結(jié)果預測，但數(shù)據(jù)科學家往往只能提供相關(guān)的數(shù)據(jù)特征。只有真正把數(shù)據(jù)投入到機器學習系統(tǒng)，才能知道最終的結(jié)果會怎么樣。 

確定最小預測準確度 

我們需要定義最小的預測準確度。不同的業(yè)務會有不同的準確度要求，例如在涉及醫(yī)療的業(yè)務中，有些任務需要高達 95% 以上的預測準確度。而在一個預測飛機票價的算法中，預測準確度高于 75% 就足以支持客戶的預定任務。 

打破數(shù)據(jù)孤島，匿名化并共享數(shù)據(jù) 

數(shù)據(jù)科學家小組經(jīng)常面臨一個障礙，在項目的談判階段就需要獲取數(shù)據(jù)。對于業(yè)務人員來說，了解成本是決定是否開展機器學習業(yè)務的關(guān)鍵因素，但在看不到實際數(shù)據(jù)的情況下，幾乎不可能準確估計預測準確度水平和實施價格，這往往是談判癱瘓的原因。企業(yè)高管不能將商業(yè)敏感數(shù)據(jù)交給技術(shù)公司，而技術(shù)公司在獲得數(shù)據(jù)之前幾乎無法給出明確的答案。 

我們的解決方案是提供數(shù)據(jù)子集而不是整個數(shù)據(jù)庫，并將其匿名化。對于擁有數(shù)據(jù)科學家的公司，在不同的部門之間共享數(shù)據(jù)也是共同的管理挑戰(zhàn)。過度管制的數(shù)據(jù)策略，或者僅僅在各部門囤積數(shù)據(jù)，會大大減緩數(shù)據(jù)分析的進程。這就是為什么要在更高層面給數(shù)據(jù)科學家和技術(shù)公司權(quán)限的原因。 

好消息：即便數(shù)據(jù)不夠好，它可以修復 

即便你的數(shù)據(jù)集是凌亂的而非結(jié)構(gòu)化，也有辦法獲得好的結(jié)果。今天，數(shù)據(jù)科學家已經(jīng)準備好在起步階段應用一些方法，重組、清洗數(shù)據(jù)集，并進一步優(yōu)化得到更好的建模效果。 

但壞消息是，數(shù)據(jù)科學家可能需要相當長的時間完成數(shù)據(jù)清洗并進行到建模階段。如果你沒有專業(yè)知識，是否應該提前自己處理？一般來說是否定的，因為即便自己做了，最后的數(shù)據(jù)集也可能需要重新處理。 

步驟四：彌合技術(shù)和商業(yè)愿景之間的差距 

如果你問數(shù)據(jù)科學家最喜歡的算法，你可能會聽到?jīng)Q策樹、神經(jīng)網(wǎng)絡(luò)、邏輯回歸、Kernel 方法、主成分分析等。但是這些算法如何和商業(yè)愿景結(jié)合起來？你會需要一個懂得業(yè)務和基本數(shù)據(jù)分析知識的人，他能夠在業(yè)務流程中找到機器學習能夠起作用的指標，領(lǐng)導數(shù)據(jù)科學計劃，擴大機器學習應用場景的選擇，調(diào)整業(yè)務和技術(shù)的愿景。 

一般來說有四種方法： 

1、建立機器學習團隊 

機器學習科學家的價格要比普通程序員高很多。當你打算建立一個機器學習的團隊時，一定要給他足夠的支持，因為他需要創(chuàng)造性的工作才能發(fā)揮作用，而這往往會和很多組織的結(jié)構(gòu)發(fā)生沖突。 

2、公司內(nèi)專家 + 機器學習平臺 

你可以使用公司已有的業(yè)務專家，在 1-2 個數(shù)據(jù)科學家的幫助下，就可以通過機器學習平臺解決問題。這些平臺往往擁有友好的界面，公司內(nèi)部的業(yè)務專家可以通過短時間的培訓學習如何使用，這樣你就可以把數(shù)據(jù)計劃擴展到更大的專家組，解決更多的公司業(yè)務問題。利益相關(guān)，我們推薦自家的產(chǎn)品：第四范式先知平臺。 

3、機器學習解決方案公司 

現(xiàn)在市面上已經(jīng)有一些機器學習解決方案公司了，但機器學習和傳統(tǒng)的編程不同，因為它需要克服信任的門檻。機器學習解決方案的任務面臨的挑戰(zhàn)是共享數(shù)據(jù)。根據(jù)擁有的數(shù)據(jù)類型，也許你需要以某種方法匿名化，隱藏敏感信息，例如客戶聯(lián)系人和他們的位置。當然，當你匿名化的時候，你也要接受解決方案公司會難以使用外部數(shù)據(jù)來豐富數(shù)據(jù)集以得到更好的建模結(jié)果。 

4、和大學院校、研究機構(gòu)合作 

大學院校、研究機構(gòu)已經(jīng)有很多數(shù)據(jù)科學的研究生和博士，他們大多擁有建立機器學習模型的能力。不過和高校研究機構(gòu)合作的費用一般會比較貴。 

步驟五：模型過時了，需要更新 

大多數(shù)的機器學習模型是在靜態(tài)數(shù)據(jù)子集上開發(fā)的。一旦部署了模型，它們將會隨著時間的推移而變得過時，預測也會變得不準確。根據(jù)業(yè)務環(huán)境的變化，你應該在一段時間后更換模型，或者重新培訓，一般來說會有兩種基本方法： 

A/B測試：一個新的模型會被引入和舊的模型競爭。當新的模型超過了舊的模型，舊的模型就會被替代。這個過程將會一直重復。 

在線更新：模型的參數(shù)會隨著連續(xù)性的新數(shù)據(jù)流而變化。 

因此，如果你希望機器學習的分析保持在穩(wěn)定的水平，一定要及時更新機器學習的模型。 

步驟六：是否需要定制的算法 

定制的算法會有一些好處，例如它能夠更匹配你的數(shù)據(jù)集和要解決的問題，訓練的速度也會更快。但相對應的，它的開發(fā)和進一步迭代都價格不菲。所以如果你是一個大型企業(yè)，你可以考慮采用定制算法；如果你是中小型的企業(yè)，定制算法會帶來嚴重的財務和管理負擔。 

實際上，如果是常見的預測任務，那么現(xiàn)成的算法模型是可行的。通過一些成熟的算法，集成好的機器學習軟件，你可以很輕松的部署機器學習系統(tǒng)，快速解決業(yè)務流程中的問題。 

無論你最終是否決定定制算法，我們都建議你先用成熟的算法試一試。 

參考文章：

Developing Machine Learning Strategy for Business in 7 Steps,altexsoft.

How to Make Your Company Machine Learning Ready,hbr.

「范式大學」由第四范式發(fā)起，致力于成為“數(shù)據(jù)科學家”的黃埔軍校?！阜妒酱髮W系列課程」會和大家推薦戴文淵、楊強、陳雨強等機器學習領(lǐng)域頂尖從業(yè)人士的最新分享，以及由第四范式產(chǎn)品團隊推薦和整理的機器學習材料。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。