公司渴望预测分析，以促进销售、削减成本、防止欺诈和简化运营。
然而，大多数组织都未能实现其预期成果。麻省理工澳门永利(中国)官方网站斯隆管理评论和波士顿咨询集团的一项研究发现仅 10% 的公司从人工智能投资中获得了巨大的经济利益。并在一个调查Rexer Analytics 发现，只有 22% 的数据科学家表示，他们的新举措通常会在整个企业中部署和实施。
许多预测机器学习项目之所以失败，是因为它们过于关注技术本身，而不是把技术作为战略性业务项目来推进，据埃里克·西格尔，哥伦比亚大学和弗吉尼亚大学的顾问和前教授。
在他的新书中，“澳门永利(中国)官方网站 手册：掌握机器学习部署的罕见艺术，”西格尔认为，组织没有看到人工智能的价值，因为他们缺乏运行机器学习项目的有效业务范例。由于大多数机器学习项目技术性很强，它们通常属于经验丰富的数据科学专业人员的领域。其结果是准备数据、开发和运营人工智能模型的数据专家与负责运行大规模运营的业务利益相关者之间的脱节，而这些业务利益相关者将从预测中受益 见解。
“通过如此多地关注建模科学而不是其部署，就像对火箭科学比火箭的实际发射更兴奋一样，”西格尔在最近的一篇文章中说道麻省理工澳门永利(中国)官方网站斯隆管理评论网络研讨会。 “这就是我们今天的处境。”
Siegel 表示，为了取得成功，企业需要一个标准化的机器学习项目手册，可供业务专业人士使用，并帮助他们参与预测分析项目的生命周期。
否则，“双方都会指着对方说，‘运行和管理这个业务级流程不是我的工作，’”他解释道。 “它处于无人区，这是我们获得更广泛的成功和部署之前剩下的最后一个要素。”
人工智能高管澳门永利(中国)官方网站
亲自前往麻省理工澳门永利(中国)官方网站斯隆管理澳门永利(中国)官方网站
立即注册
启动机器学习项目的 6 个步骤
为了弥合分歧，西格尔倡导他所谓的“BizML”，这是一套用于运行预测机器学习项目的商业实践。
他概述了在机器学习部署的所有阶段促进业务和技术利益相关者之间协作的六个步骤：
建立部署目标。要从机器学习中获得真正的价值，企业需要一个明确的价值主张，详细说明该技术将如何影响运营。数据科学家无法在真空中做到这一点。熟悉痛点和机遇的业务利益相关者必须精通技术，能够参与现实的目标设定，这一点很重要。
建立预测目标。虽然建模和预测涉及复杂的数学，但仍需要牢记业务目标。业务用户需要对技术有半技术性的了解，以便他们可以分享他们的特定领域知识，同时定义机器学习模型旨在为每个用例预测的内容。
建立正确的指标。确定在模型训练和模型部署期间要跟踪的重要基准。此外，确定机器学习项目必须达到什么性能水平才能被视为成功。通常，大多数机器学习项目都以精确度、召回率或准确性等技术指标为基础。西格尔说，组织需要将注意力转向利润、投资回报率、节省和客户获取等业务指标。
准备数据。 定义训练数据应该是什么样子，并确保数据采用所需的格式。西格尔说，这一关键步骤是不容谈判的，因为它是体验高价值结果的关键。
训练模型。 接下来，准备好的数据用于训练和生成预测模型。数据专家在这方面起带头作用，但总有额外业务投入的空间。
部署模型。使用模型呈现预测分数，然后使用这些分数来改善业务运营。通过持续监控和定期刷新来维护模型也很重要。
虽然后三个步骤比前三个步骤更具技术性，但所有这些步骤都需要技术和业务利益相关者之间的深入协作。搭建连接两个阵营的桥梁需要投资和参与正确的变革管理实践，以确保整个企业的利益相关者对机器学习有充分的理解。
“变革管理挑战一般来说并不新鲜，但在机器学习项目中，精明管理变革的必要性常常被忽视，”Siegel 说。 “机器学习发射了一枚火箭，但负责人仍然必须指挥它的发射。”
观看网络研讨会：如何利用预测 澳门永利(中国)官方网站 取得成功
