滴滴首席數(shù)據(jù)科學(xué)家謝梁（左）與螞蟻金服研究員王益開啟共建SQLFlow之旅

2019年7月，滴滴的數(shù)據(jù)科學(xué)（Data Science）團隊的幾名數(shù)據(jù)科學(xué)家在北京新澄海大廈見到了來自螞蟻金服的幾位工程師。在那之前兩個月，螞蟻金服從事AI基礎(chǔ)架構(gòu)研發(fā)的王益團隊開源了一款機器學(xué)習(xí)工具SQLFLow，將SQL程序翻譯成Python程序，調(diào)用數(shù)據(jù)庫和AI引擎，實現(xiàn)端到端的AI。滴滴首席數(shù)據(jù)科學(xué)家謝梁敏銳地關(guān)注到這個項目。這次拜訪雙方一拍即合，開啟了共建SQLFlow之旅。

用SQLFlow構(gòu)建AI的訓(xùn)練和預(yù)測任務(wù)（動態(tài)圖）

數(shù)據(jù)分析師的普適AI

數(shù)據(jù)驅(qū)動決策是很多公司的追求，在國內(nèi)很多業(yè)務(wù)人員都了解SQL，但是對于AI、深度學(xué)習(xí)模型的訓(xùn)練，需要長時間系統(tǒng)性的學(xué)習(xí)，有一定的門檻。SQLFLow的出現(xiàn)讓包括數(shù)據(jù)分析師在內(nèi)的業(yè)務(wù)人員通過寫簡單的SQL去調(diào)用AI模型成為了可能。

滴滴數(shù)據(jù)科學(xué)團隊長期地直面一線業(yè)務(wù)，了解業(yè)務(wù)需求，也沉淀了很多常用模型。本次合作雙方希望優(yōu)勢互補共同助力AI的落地，據(jù)悉合作分為三步，第一步滴滴為螞蟻金服貢獻更多針對于業(yè)務(wù)產(chǎn)品的理解和洞見；第二步滴滴將公司自身業(yè)務(wù)場景最有價值用的最好的模型貢獻到SQLFLow；第三步滴滴加入到建設(shè)到整個SQLFLow開源社區(qū)的建設(shè)，雙方要在模型、社區(qū)、文化等全方位共建。

SQLFlow的技術(shù)架構(gòu)

一個多月的時間，滴滴已經(jīng)為SQLFLow貢獻了基于DNN分類預(yù)測模型、可解釋模型和無監(jiān)督聚類模型三個高價值模型。這三個模型覆蓋的場景非常廣泛，對于滴滴內(nèi)部來說，包括網(wǎng)約車、單車、金融等在內(nèi)的諸多業(yè)務(wù)場景都可應(yīng)用起來，于外部而言，“因為整個模型它是一種基礎(chǔ)能力，其實它不會局限于某一個公司或某一個行業(yè)，它具有普適性?！钡蔚胃呒墧?shù)據(jù)科學(xué)家高梓堯強調(diào)。

SQLFlow和滴滴數(shù)據(jù)的整合邏輯

比如分類預(yù)測模型，適用于做產(chǎn)品增長的場景，對特定人群進行定向推薦。而無監(jiān)督聚類模型，也就是模式識別，在滴滴的產(chǎn)品的應(yīng)用非常廣，比如會根據(jù)司機出車時長分布，去整合歸納司機出車的偏好，更好地為司機提供調(diào)度建議，進而幫助緩解出行供需。

滴滴首席數(shù)據(jù)科學(xué)家謝梁認(rèn)為在共建SQLFlow過程中，充分體現(xiàn)了算法和數(shù)據(jù)科學(xué)在對數(shù)據(jù)的理解和應(yīng)用上的兩個不同，以及雙方優(yōu)勢互補形成1+1大于2的合力效果。因為對于傳統(tǒng)的算法來講主要強調(diào)對于預(yù)測一個給定事件的預(yù)測精準(zhǔn)性。但是數(shù)據(jù)科學(xué)在預(yù)測精準(zhǔn)性之上，還強調(diào)預(yù)測的可解釋性。實際上在更廣泛的商業(yè)層面上，比如運營、營銷等更需要了解為什么會這這樣發(fā)生，這對于業(yè)務(wù)戰(zhàn)略制定、營銷方案的確定，以及整個產(chǎn)品序列的設(shè)計都有非常大的幫助。

滴滴數(shù)據(jù)科學(xué)團隊在過去不到兩個月的共建工作中顯著擴大了SQLFlow的應(yīng)用場景。根據(jù)螞蟻金服SQLFlow項目的產(chǎn)品負(fù)責(zé)人劉勇峰介紹，滴滴的同事們建議并且參與研發(fā)了SQLFlow對接XGBoost的功能，從而在深度學(xué)習(xí)模型之外支持樹模型；以及對接unsupervised learning的能力，支持聚類分析。此外，SQLFlow基于SHAP支持了深度學(xué)習(xí)模型和樹模型的圖示化解釋。SQLFlow也支持了滴滴常用的Hive數(shù)據(jù)庫系統(tǒng)。

基于XGBoost的汽車價格預(yù)測模型（數(shù)據(jù)來自Kaggle）的SHAP解釋圖

（注：SHAP值表征了每個特征對模型輸出的影響，如圖中，較小的engine_hp“引擎馬力”值會降低汽車的預(yù)測價格）

“我們是希望通過SQLFlow真正能夠把數(shù)據(jù)驅(qū)動業(yè)務(wù)、科學(xué)決策的思想，能夠在中國傳播得更好更遠，也希望就是能夠通過我們自己的努力，真正讓AI模型能力大眾化和普及化，然后使得我們整個國內(nèi)的數(shù)據(jù)分析的科學(xué)性、合理性和洞察性，能夠逐步提升，甚至達到國際領(lǐng)先。”高梓堯說。

而所有參與項目的同事們對SQLFlow的未來都有更大的期待，這是對于開源社區(qū)作為一種高效率的工作模式的信任。

打造一個SQL花園生態(tài)

在強調(diào)數(shù)據(jù)驅(qū)動的滴滴其實一直積極參與到開源建設(shè)中，截至目前，滴滴和螞蟻金服分別開源了數(shù)十個項目。SQLFlow是雙方開源共建的首秀。

對于雙方僅一個多月的時間就能夠共建三個高價值的模型，謝梁認(rèn)為很重要的原因是SQLFlow已經(jīng)給滴滴搭建好了底層能力，滴滴相當(dāng)于做了一個交通領(lǐng)域的幾個核心插件，并且通過滴滴插件能力，對整個SQLFlow覆蓋面和深度方面的底層能力進行了驗證和提升，“那么再把這個基礎(chǔ)打好之后，我們就相當(dāng)于造了一個大的花園，我們把土都鋪好了，需要什么營養(yǎng)的土，要種什么類型的花，都給他做好了，之后就需要有更多的農(nóng)民伯伯一起來種田，他們要去種向日葵，我們畢竟精力有限可能就是以種小麥和種主糧為主，更多的經(jīng)濟作物就需要其他開源社區(qū)的同學(xué)一起來貢獻。”

在整個SQLFlow開源社區(qū)建設(shè)方面雙方都有更大的愿景，滴滴的分析團隊總結(jié)的很多模型在BI 領(lǐng)域具備普適性，而SQLFlow在螞蟻的場景使用模型在金融領(lǐng)域頗有普適性，未來要讓更多的人去用上普適的AI能力，在SQLFlow社區(qū)之上會形成一個開源貨架式的交易市場，更多懂業(yè)務(wù)的人把更多商業(yè)場景抽象成模型打造成模型庫，模型庫是SQLFlow 生態(tài)中的重要一環(huán)，雙方正在討論如何共建。“你就像走進一個超市，里面有10萬個SQL，每一個SQL就是一個實現(xiàn)了你商業(yè)邏輯的模型，你就拿來用就行了，這是終極的一個目標(biāo)”，謝梁興奮地談到。

當(dāng)然現(xiàn)在的SQLFlow還是一個非常年輕的開源項目，需要更多的呵護。雖然目前在開源合作方面中國相比美國還有不少差距，但正是因為越來越多的公司和個人去投身其中為之貢獻，差距正在縮小。

實際上，幾乎所有的SQLFlow項目成員都是利用業(yè)余時間參與到開源項目中。比如滴滴資深算法工程師陳祥，他平時負(fù)責(zé)數(shù)據(jù)治理和應(yīng)用方向上數(shù)據(jù)、應(yīng)用與算法的結(jié)合和落地, 在8月初聽到SQLFlow項目就決定參與進來，未來他也會號召很多的人參與到開源建設(shè)中。

“開源社區(qū)所說的構(gòu)建大生態(tài)，其實大生態(tài)還包含著另外一層，就是大家互相學(xué)習(xí)，然后行業(yè)內(nèi)的所有從業(yè)人員進行知識交流。所以當(dāng)各行各業(yè)的同學(xué)都在里面貢獻自己的經(jīng)驗、技能時，我們其實也能從其他的同學(xué)那學(xué)習(xí)到很多處理數(shù)據(jù)，或者解決實際問題的方法?！备哞鲌蛩郧∪缙浞值卦忈屃碎_源社區(qū)眾人拾柴火焰高的魅力。

Gartner預(yù)測“到2020年，AI技術(shù)將普遍出現(xiàn)在幾乎每一個新的軟件產(chǎn)品和服務(wù)中?！边@其中有螞蟻金服與滴滴DS團隊的一份力。

　　項目地址

歡迎感興趣的同學(xué)加入社區(qū)討論：

項目官網(wǎng)：https://sqlflow.org

GitHub地址：https://github.com/sql-machine-learning/sqlflow

您也可以使用docker，運行文章中的汽車價格預(yù)測模型 ：

docker run -p 8888:8888 sqlflow/sqlflow:didi

xiesc