「范式大学系列课程」第 3 篇文章：
年薪百万的机器学习专家，为什么不产生价值？
Part 1
一个朋友的企业，他们招聘了 2 名机器学习方向的数据科学家，加起来年薪百万。
但一段时间的蜜月期后，他们发现机器学习专家没有给公司带来实际价值。高管们不知道他们具体做了什么，业务人员每周都给他们提出预测需求，却很少能在短时间得到回应。
不到一年，公司和机器学习专家们就不欢而散了。
Part 2
巧合的是，从他们公司离职的机器学习专家是我的朋友。
当我问他这个问题时，他说自己每天都忙得不可开交，却得不到公司其他人的理解。他和我描述了自己的工作过程。
他花了很多时间搭建了机器学习需要的计算环境。
他花了很多时间做建模前的数据清洗和处理。
他花了很多时间做模型选择和参数调整，以得到更好的结果。
他花了很多时间做实时预测的功能，为了达到毫秒级的延迟花费了大量心血。
……
实际上，要完成一个机器学习的模型要做很多事情。团队人数本来就少，事情又多，他的兴趣只能集中在模型本身上了。
至于这些模型对应的业务问题，例如怎么定义问题，确定哪个指标？虽然也重要，但他觉得这些主要是业务人员去解决的。
（估计业务人员也觉得，这是属于机器学习专家解决的事情）
Part 3
实际上，这个问题不是个例，大部分公司在引入机器学习专家后，都会面临这样的疑问。
来自 MIT 的机器学习研究员 Kalyan Veeramachaneni 曾经做过一次调查，在一个 150 个机器学习爱好者的小组中，他询问说：“你们有多少人建立过机器学习的模型？”大约有 1/3 的人举手。而当他进一步问：“有多少人使用这个模型产生价值并衡量它？”结果没有一个人举手。
换句话说，机器学习专家们把 90% 的时间都放在了数据准备、处理、特征工程、建模、调参上，而背后的业务问题和商业问题， 很多时候没有纳入严格的考虑。
但是要让数据产生真正的价值，就要把数据和商业价值联系起来，这至少要花费 50% 以上的精力。
Part 4
相比之下，更为理想的局面是建立机器学习工程和商业价值之间的平衡。一般来说有 5 个原则：
1.从最简单的模型开始
逻辑回归或者那些基于随机森林、决策树的模型，就足以解决大部分的问题。所以你的重点，应该放在缩短数据采集和模型建立的时间。
2.探索更多问题
相比于通过一个难以置信的模型探索一个业务问题，你应该探索数十个问题，然后为每个问题都创造一个相对简单的预测模型，并评估模型背后的商业价值。
3.用全部的数据和特征训练模型
过去机器学习的能力不够，很多时候是依靠人力筛选出样本数据和特征进行模型训练。但随着计算资源越来越便宜，人力成本越来额越高，你应该用全部的数据和特征训练模型，以得到更好的效果。
4.业务驱动模型
让机器学习专家和业务人员有更多的配合。实际上，很多想法都来自于业务部门的设想，机器学习专家和他们一起探索出对公司有价值的解决方案。
5.专注于自动化
为了更快地获得第一个模型，缩短探索问题的速度，公司要自动执行通常由手动完成的任务。我们发现在不同的数据问题中，背后都应用了类似的数据处理技术，无论是在数据清洗、准备阶段，还是在数据建模阶段，亦或是在模型上线阶段。
Part 5
这 5 个原则说的是，如果说机器学习是一场战役，过去强调的是战士的能力和经验，现在则更为强调军火的选择。
就像在伊拉克战争中，美国部队强调的是每平方公里的弹药投放量，最终投放了 60 亿颗弹药。虽然是一个不太恰当的比喻，但是机器学习未来的趋势就是大规模机器学习平台的出现，通过大规模计算解决具体的业务问题。大规模机器学习平台，就是企业未来最重要的军火。
所以对于机器学习专家来说，他也许不能一个人就把事情做完，但是给他工具就可以了。
Part 6
在我的介绍下，那位机器学习专家又回到了那家公司，1 个人，1 个月，完成了过去 1 年都没完成的工作。
参考资料：
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
「范式大学」由第四范式发起，致力于成为“数据科学家”的黄埔军校。「范式大学系列课程」会和大家推荐戴文渊、杨强、陈雨强等机器学习领域顶尖从业人士的最新分享，以及由第四范式产品团队推荐和整理的机器学习材料。
