商业与机器学习
背景
关于机器学习（Machine Learning，ML）技术方面的文章和书籍已经非常多了。但是关于企业、商业和ML结合的一些思路方法却非常少。最近看了Coursera上How Google Does ML的课程，刚好可以总结一下这方面的内容。
ML Surprise
所谓的surprise是这样的：如果我们把企业使用ML技术帮助自己的业务，最后获得成功所要进行的步骤分为如下几项：
■ 定义KPI（Define KPIs）
■ 收集数据（Collecting Data）
■ 构建平台（Build Infrastructure）
■ 优化ML算法（Optimize ML Algorithm）
■ 和公司现有的系统进行集成（Integration）
大家认为每一项需要多久呢？很多人都认为是如下的时间分配：
也就是会花很多时间在最“cool”的东西上边：读最新的paper，然后调超参，调卷积层层数等等。而事实上是这样的：
所以其实绝大部分人，都会under estimate 收集数据所花的时间。同时也很容易under estimate为了迭代的训练算法以及规模化部署而构建平台所花的时间。另外，由于一旦ML建好了，我们就能测算很多数据了。因此这种情况下就不需要花很多时间来定义KPI，比方说进行大量的市场调研啊，或者从ppt里边搞出来一个什么KPI之类的。
那问题来了，既然ML not so important，我们还搞毛ML啊？其实主要是在通向ML的路上的每一步，本身就会产生很大的商业价值。
ML的10大陷阱
下面说一下有关ML的10大陷阱。这十大陷阱是会影响最终ML项目的成功的。
- 搞ML算法相关和搞相关的代码花的时间差不多。 并不是这样的。要做好ML，周边的数据集收集整理，相应的训练代码、部署代码等等都会花很多很多时间。
- 要做ML，但是还没有数据。 哈哈，full stop，先收集数据吧。没有数据，谈ML没任何用。
- 假设数据已经可以用啦。 如果还没收集数据，或者说没有权限拿到数据，又或者说公司里有不少数据，但是这些数据还没有很好的使用起来（做个分析啥的）的话，那就先把数据收集、整理一下吧。
- 忘记将人加到整个ML业务流程中来。 当ML部署好之后，假如真的把人工都丢掉，那就是真的将公司重大的业务至于巨大的风险之下。事实上，即使有了ML之后，也应该安排一部分人来处理ML未能很好处理的一些特殊情况。
- 你的产品为了ML而ML。 原话是“Product Launch Focus on ML Algorithm”。错了，你的产品一定是为了给用户提供价值的。用户才不管新你是不是ML。
- ML的优化目标错了。 比方说，Google的搜索结果优化目标不是提供相关的文章，而是优化点击率啥的，最后肯定用户都不用了。
- 你的ML是否真的给真实世界带来价值了。 很多ML功能其实真的没给世界带来啥有意义的价值，一般这个时候老板就说，有那个时间金钱还不如干点别的。
- 使用pre-trained模型vs自己训练。 这个就是如果pre-trained模型能够满足需求了，不要自己训练，毕竟很多pre-trained模型使用了大量的数据，而自己收集数据会很耗时。
- ML模型训练一次就好了。 如果光在自己电脑上训练了一次，就说我基本上完成任务啦。这个就大错特错了。事实上，这也就完成了10%。如果ML模型是和公司核心业务相关的，你需要retrain模型很多很多次，收集反馈，不断改进。
- 自己搞新模型。 这个其实是比较confused。事实上这一点想表达的是，自己搞模型是非常expensive的，很多算法模型都是highly tuned，而且算法创新都是花了数年甚至数十年。 所以尽可能的从现有的模型，或者有定义的模型，或者稍作改动然后用吧。
既然ML有这么多问题，这么多陷阱，这么多坏消息，那……有没有什么好消息呢？好消息就是，当团队一路走向ML的过程中，每一步都会带来很大的价值。当把每一步都做好了，ML其实就已经在等着了。而且如果ML对自己团队很难，那么其实对其他团队也很难。ML一旦做成，那么就会给用户带来很大的体验提升。这一点是竞争对手很难copy的。因为他们一样需要收集非常多的数据，然后不断地改进模型训练模型分析模型，这个过程没那么容易。
业务中ML从无到有的5个阶段
业务中，ML从无到有一共有5个阶段（事实上上边这个图也适用于很多业务的流程，并不一定是说ML的5个阶段）：
- Individual Contributor（一个人做）
- Delegation（一个小型团队/业务代表团一起做）
- Digitization（数字化）
- Big Data and Analysis（大数据+分析）
- Machine Learning（ML）
其中1, 2，3是将input转出到output
4是用来挖掘一些业务中的insight
5则是根据insight，去指导input/output过程。
下面逐一解释：
-
Individual Contributor。 一个人做某一项业务。类似公司前台，需要接待、回答问题、收发个快递等等。这个阶段没有数字化，也没有并行化。
这个时期是一个很好的原型时期，可以尝试很多idea，失败的成本很低。如果要跳过这个阶段，那么这个业务压根就没有验证过。这样怎么可能让老板或者投资人出钱招100人，或者是构建一个大的软件呢？而且如果一上来就搞大的，很可能其中有很多点子是脑补出来，是错的。
如果在这个阶段时间过长呢？那这个操作人员就会越来越熟练，然后跳槽了。另外当需求来临的时候，也没法及时扩大规模，从而错失机会。 -
Delegation。 一个小团队做。当一个人做的那个业务越来越重要，规模越来越大了之后，公司就需要扩大相关的团队。从一个人变成几个人。比方说收银员。他们是相同的业务，以及几乎相同的动作并行做。
如果跳过这个阶段，那么就错失了将这个业务流程化的机会。而且没法真正的挖掘商业价值。毕竟这个阶段的成本并不小，商业价值的大小就在这里更好地衡量了。同时，由于是一个团队一起做，那么每个人很可能会产生轻微的差异，同时负责的业务样本更多了，这时是一个很好的理解产品的机会。另外非常重要的一点，牛x的ML系统也是需要一个团队的人来review的。Google里有专门的团队专门review搜索的结果。跳过这个阶段，那么后续也没法做。
如果待在这个阶段太久会有什么问题呢？整个团队越来越庞大，服务于单个用户的边际成本一直会比较高。同时越来越多的声音告诉你，这件事儿自动化没戏。此时公司就会被锁定在这个阶段了。 -
Digitization。 数字化。我们可以将2中的一些核心的，重复度非常高的业务单独拿出来，让计算机来做。一个例子就是ATM，自动取款机。这个会优化用户体验，降低运营成本。谁都不会去柜台排队就为了取100块钱的。
如果这个阶段跳过了，那么也会有很大的问题。因为首先ML本身也需要IT Infrastructure。ML只是处理哪些数字的问题。并不服务用户。因此既然ML和IT Infra是一起的，其中一个失败就失败了。另外，ML的成功是要求高度自动化的。如果说Digitization这块需要人工干预，那整个项目也就都不可能自动化了。因此应该多做一些software的事情，来证明这个业务的自动化本身是有价值的，而把ML作为the ice on the cake。
如果待在这个阶段时间过长，那么竞争对手就会开始分析数据，得出insight，改善他们的服务，那很多用户就很可能流失了。 -
Big Data and Analysis。 当我们数字化了一些业务之后，下一步做什么呢？我们需要收集一些数据，分析出一些运营和用户方面的insight。一个例子就是丰田的精益管理。丰田会对每一个生产点进行测量记录，然后不断地根据数据改进这个过程。这个过程是一个很好的调整内部运营和服务外部用户的过程。因为一开始的时候，各种KPI啊，用户的相关指标都是假设的。现在有了足够多的的数据，我们完全可以进行更近一步的分析和确认了。
如果跳过这个阶段呢？那么我们根本没有整理和清洗数据。如果你自己作为一个人没法画出数据的直方图，那ML也没法帮你画出来。同时，你很难定义清楚ML究竟带来了多大的价值。
如果待在这个阶段太久呢？会限制公司能够解决问题的规模和速度。Google曾经在搜索算法上停滞了4年之久。现在是都NLP了。但是之前就停滞了。 -
ML 经过了大数据分析这个步骤，我们就可以进行ML来将整个过程自动化了。一个例子就是youtube的视频推荐。这个阶段就是非常fancy的阶段了。可以让用户有更好的体验等等。