选自The Next Platform

机器之心编译

参与：李亚洲、杜夏德

如今机器学习的应用虽然越来越普遍，但如同其他新兴应用领域一样，直播，一定会有一些障碍。对于企业来说，官僚化的批准流程、隐私保护、部门壁垒、价值周期长是其在部署机器学习时的主要障碍。

即使在分析工作复杂的组织中，机器学习也存在「专业孤立性」问题。例如，银行中的反金融犯罪部门可能使用先进的技术进行反洗钱；而信用风险团队使用完全不同的、不兼容的工具来预测贷款违约，并基于风险设定价位；而财政部门却又使用另一工具预测现金流。同时，消费服务和分行运作根本就不用机器学习，因为缺乏专业知识和软件。这些部门经常不彼此合作，使得难以为成员、流程和技术建立标准。这种软件的拼接集合提高了全公司应用机器学习的总体拥有成本（TCO）。从外，团队的孤立也使得高层难以开始机器学习。

为了支持数字化转型，机器学习必须要做三件事：

彻底的转换企业商业流程：市场、销售、财务、人力资源、供应链等等；

在全企业支持数据、用户和负载；

融合企业技术堆栈；

Carolina Healthcare System、Cisco 和 PayPal 的例子说明了机器学习转换业务流程的潜力。在许多企业中，这种转换仍处于早期阶段。从平台架构的角度来看，机器学习需要与支撑业务流程的软件平台融合，支持不同背景的众多用户，以及支持不同的项目。

扩展到企业级数据意味着许多不同的事。对支持全公司分析的数据仓库的看法迷惑着大部分公司。从实际来看，机器学习软件必须要能与不同的数据平台对接；消化不同格式的数据：有结构的、半结构的和无结构的；它必须能利用「高」（众多记录）和「宽」（许多列）的数据，并且能使用流数据。

最后，机器学习软件必须要与公司优选的技术堆栈融合。这意味着遵守安全协议；在优选的数据平台上的可操作性；符合操作系统的标准；虚拟化技术等等其他技术。

数据科学家的短缺

有一个普遍的认知就是企业缺乏数据科学家。麦肯锡的一份报告指出这种缺乏将会持续到 2018 年；Venture Beat、华尔街日报等多家媒体都曾报道过数据科学家的缺乏；哈佛商业评论表示要么不找要么降低对数据科学家的标准，因为真正的数据科学家都是独角兽。

招聘难的问题不只是简单的供应与需求的问题。麦肯锡几年前的报告预测缺乏理解大数据的管理层，只不过比数据科学家缺失的差额小而已。学位课程和 MOOC 公开课每年产出数千新鲜的数据科学家。公司可以将机器学习项目推送到中国和印度等国家，因为在其他国家中，咨询公司就掌握了大量的有先进水平的分析师团队。

缺乏专业标准和专业证书造成最大的招聘挑战。如今正在为数据科学家建立专业标准，却没有被普遍接受的标准。每个人都可以自称数据科学家。在 O'Reilly Media 发布的 2016 数据科学薪资调查报告中，29% 的调查对象自称数据科学家，但却说他们花费较少或不花费时间做机器学习项目，也不使用标准的机器学习工具。

对数据科学家合适的角色也不确定。在招聘经理找到带有机器学习技术和经验的人后，实际的工作可能完全不同。在许多公司中，带有数据科学家 title 的人的实际角色是信息检索：使用查询工具保证数据平台的数据安全，从而让用户能在 Tableau 或 Excel 上浏览（O'Reilly 的调查显示 SQL 是最流行的工具）。

这样的误解损害了团队的积极性和激励机制。Stack Overflow 最近的一项调查显示创新和「建立有极大意义的东西」是机器学习专业人士的关键动力，要比其他条例更有激励性。因为一个机器学习人员知道如何使用 SQL 就把他放到「data broker」的角色，这是一种人力资源的误用。

价值的体现需要长久时间

根据 Gartner 的调查，负责高级分析的管理层说建立一个预测模型大约花费 52 天。（Gartner 对高级分析的定义包括统计、描述、预测数据挖掘、模拟和优化。）报告时间线从几天到几月各有不同。管理层都把「开发模型的速度」作为选择高级分析平台的顶级标准，仅次于使用方便度。

管理层想知道：为什么建立且部署预测模型需要这么久的时间？其实有许多原因：

数据难以获得；

数据污染；

传统的机器学习工具不能扩展到大数据；

管理部门批准部署模型的速度太慢，充满官僚主义；

公司对模型部署缺乏明确的流程或技术标准；