雷鋒網(wǎng)按：本文為「范式大學(xué)系列課程」第 3 篇文章：年薪百萬的機器學(xué)習(xí)專家，為什么不產(chǎn)生價值？

Part 1

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

但一段時間的蜜月期后，他們發(fā)現(xiàn)機器學(xué)習(xí)專家沒有給公司帶來實際價值。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)測需求，卻很少能在短時間得到回應(yīng)。

不到一年，公司和機器學(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器學(xué)習(xí)專家是我的朋友。
當(dāng)我問他這個問題時，他說自己每天都忙得不可開交，卻得不到公司其他人的理解。他和我描述了自己的工作過程。
他花了很多時間搭建了機器學(xué)習(xí)需要的計算環(huán)境。
他花了很多時間做建模前的數(shù)據(jù)清洗和處理。
他花了很多時間做模型選擇和參數(shù)調(diào)整，以得到更好的結(jié)果。
他花了很多時間做實時預(yù)測的功能，為了達(dá)到毫秒級的延遲花費了大量心血。
……
實際上，要完成一個機器學(xué)習(xí)的模型要做很多事情。團(tuán)隊人數(shù)本來就少，事情又多，他的興趣只能集中在模型本身上了。
至于這些模型對應(yīng)的業(yè)務(wù)問題，例如怎么定義問題，確定哪個指標(biāo)？雖然也重要，但他覺得這些主要是業(yè)務(wù)人員去解決的。
（估計業(yè)務(wù)人員也覺得，這是屬于機器學(xué)習(xí)專家解決的事情）

Part 3

實際上，這個問題不是個例，大部分公司在引入機器學(xué)習(xí)專家后，都會面臨這樣的疑問。
來自 MIT 的機器學(xué)習(xí)研究員 Kalyan Veeramachaneni 曾經(jīng)做過一次調(diào)查，在一個 150 個機器學(xué)習(xí)愛好者的小組中，他詢問說：“你們有多少人建立過機器學(xué)習(xí)的模型？”大約有 1/3 的人舉手。而當(dāng)他進(jìn)一步問：“有多少人使用這個模型產(chǎn)生價值并衡量它？”結(jié)果沒有一個人舉手。
換句話說，機器學(xué)習(xí)專家們把 90% 的時間都放在了數(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)問題和商業(yè)問題， 很多時候沒有納入嚴(yán)格的考慮。
但是要讓數(shù)據(jù)產(chǎn)生真正的價值，就要把數(shù)據(jù)和商業(yè)價值聯(lián)系起來，這至少要花費 50% 以上的精力。

Part 4

相比之下，更為理想的局面是建立機器學(xué)習(xí)工程和商業(yè)價值之間的平衡。一般來說有 5 個原則：
1.從最簡單的模型開始
邏輯回歸或者那些基于隨機森林、決策樹的模型，就足以解決大部分的問題。所以你的重點，應(yīng)該放在縮短數(shù)據(jù)采集和模型建立的時間。
2.探索更多問題
相比于通過一個難以置信的模型探索一個業(yè)務(wù)問題，你應(yīng)該探索數(shù)十個問題，然后為每個問題都創(chuàng)造一個相對簡單的預(yù)測模型，并評估模型背后的商業(yè)價值。
3.用全部的數(shù)據(jù)和特征訓(xùn)練模型
過去機器學(xué)習(xí)的能力不夠，很多時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。但隨著計算資源越來越便宜，人力成本越來越高，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)動模型
讓機器學(xué)習(xí)專家和業(yè)務(wù)人員有更多的配合。實際上，很多想法都來自于業(yè)務(wù)部門的設(shè)想，機器學(xué)習(xí)專家和他們一起探索出對公司有價值的解決方案。
5.專注于自動化
為了更快地獲得第一個模型，縮短探索問題的速度，公司要自動執(zhí)行通常由手動完成的任務(wù)。我們發(fā)現(xiàn)在不同的數(shù)據(jù)問題中，背后都應(yīng)用了類似的數(shù)據(jù)處理技術(shù)，無論是在數(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 個原則說的是，如果說機器學(xué)習(xí)是一場戰(zhàn)役，過去強調(diào)的是戰(zhàn)士的能力和經(jīng)驗，現(xiàn)在則更為強調(diào)軍火的選擇。
就像在伊拉克戰(zhàn)爭中，美國部隊強調(diào)的是每平方公里的彈藥投放量，最終投放了 60 億顆彈藥。雖然是一個不太恰當(dāng)?shù)谋扔?，但是機器學(xué)習(xí)未來的趨勢就是大規(guī)模機器學(xué)習(xí)平臺的出現(xiàn)，通過大規(guī)模計算解決具體的業(yè)務(wù)問題。大規(guī)模機器學(xué)習(xí)平臺，就是企業(yè)未來最重要的軍火。
所以對于機器學(xué)習(xí)專家來說，他也許不能一個人就把事情做完，但是給他工具就可以了。

Part 6

在我的介紹下，那位機器學(xué)習(xí)專家又回到了那家公司，1 個人，1 個月，完成了過去 1 年都沒完成的工作。

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」會和大家推薦戴文淵、楊強、陳雨強等機器學(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)隊推薦和整理的機器學(xué)習(xí)材料。

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