0
雷鋒網按：本文為「范式大學系列課程」第 3 篇文章：年薪百萬的機器學習專家，為什么不產生價值？
Part 1
一個朋友的企業，他們招聘了 2 名機器學習方向的數據科學家，加起來年薪百萬。
但一段時間的蜜月期后，他們發現機器學習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，業務人員每周都給他們提出預測需求，卻很少能在短時間得到回應。
不到一年，公司和機器學習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習專家是我的朋友。
當我問他這個問題時，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習需要的計算環境。
他花了很多時間做建模前的數據清洗和處理。
他花了很多時間做模型選擇和參數調整，以得到更好的結果。
他花了很多時間做實時預測的功能，為了達到毫秒級的延遲花費了大量心血。
……
實際上，要完成一個機器學習的模型要做很多事情。團隊人數本來就少，事情又多，他的興趣只能集中在模型本身上了。
至于這些模型對應的業務問題，例如怎么定義問題，確定哪個指標？雖然也重要，但他覺得這些主要是業務人員去解決的。
（估計業務人員也覺得，這是屬于機器學習專家解決的事情）
Part 3
實際上，這個問題不是個例，大部分公司在引入機器學習專家后，都會面臨這樣的疑問。
來自 MIT 的機器學習研究員 Kalyan Veeramachaneni 曾經做過一次調查，在一個 150 個機器學習愛好者的小組中，他詢問說：“你們有多少人建立過機器學習的模型？”大約有 1/3 的人舉手。而當他進一步問：“有多少人使用這個模型產生價值并衡量它？”結果沒有一個人舉手。
換句話說，機器學習專家們把 90% 的時間都放在了數據準備、處理、特征工程、建模、調參上，而背后的業務問題和商業問題， 很多時候沒有納入嚴格的考慮。
但是要讓數據產生真正的價值，就要把數據和商業價值聯系起來，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習工程和商業價值之間的平衡。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，應該放在縮短數據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務問題，你應該探索數十個問題，然后為每個問題都創造一個相對簡單的預測模型，并評估模型背后的商業價值。
3.用全部的數據和特征訓練模型
過去機器學習的能力不夠，很多時候是依靠人力篩選出樣本數據和特征進行模型訓練。但隨著計算資源越來越便宜，人力成本越來越高，你應該用全部的數據和特征訓練模型，以得到更好的效果。
4.業務驅動模型
讓機器學習專家和業務人員有更多的配合。實際上，很多想法都來自于業務部門的設想，機器學習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，公司要自動執行通常由手動完成的任務。我們發現在不同的數據問題中，背后都應用了類似的數據處理技術，無論是在數據清洗、準備階段，還是在數據建模階段，亦或是在模型上線階段。
Part 5
這 5 個原則說的是，如果說機器學習是一場戰役，過去強調的是戰士的能力和經驗，現在則更為強調軍火的選擇。
就像在伊拉克戰爭中，美國部隊強調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的比喻，但是機器學習未來的趨勢就是大規模機器學習平臺的出現，通過大規模計算解決具體的業務問題。大規模機器學習平臺，就是企業未來最重要的軍火。
所以對于機器學習專家來說，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，那位機器學習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」由第四范式發起，致力于成為“數據科學家”的黃埔軍校。「范式大學系列課程」會和大家推薦戴文淵、楊強、陳雨強等機器學習領域頂尖從業人士的最新分享，以及由第四范式產品團隊推薦和整理的機器學習材料。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
