具體從三個方面入手。第一，在開展機器學習的早期階段，公司內(nèi)部可能對其帶來的作用還有些疑惑，因此需要從一個投入相對小的創(chuàng)新項目開始實驗，它不會影響公司的核心業(yè)務，一旦成功可以幫助企業(yè)積累經(jīng)驗，同時贏得內(nèi)部的信任。
第二，這個項目既需要有業(yè)務價值，還要適用于機器學習，取二者的交集。第三，找到一個場景機器學習只是作為輔助去自動化加速工作的某一個環(huán)節(jié)，而不是替代人。例如，醫(yī)生對病人的診斷由非常多的環(huán)節(jié)組成，其中看心電圖、X光片的過程可以利用機器學習實現(xiàn)自動化，加速醫(yī)生的診斷過程，但機器學習不會取代醫(yī)生的工作，對治療過程本身帶來的影響比較小，更容易得到醫(yī)生的支持和配合。
在成功交付了幾個3到6個月可以完成的小型項目后，企業(yè)就會有足夠的信心和動力去獲得領(lǐng)導團隊的支持，加大機器學習項目投入，逐步應用機器學習來改造核心業(yè)務。
以嘉實財富管理有限公司為例，它是嘉實基金旗下的獨立財富管理機構(gòu)，在全國主要城市均設(shè)有財富管理服務中心，2020年為客戶創(chuàng)造回報超過31億元。作為金融企業(yè)，嘉實財富以媒體平臺作為切入點，借助亞馬遜云科技提供的標準AI能力，包括開箱即用工具以及機器學習服務平臺上定制的AI模型，形成了集媒資入庫、語音轉(zhuǎn)錄、短視頻生成、個性化推薦為一體的媒體處理平臺，讓金融企業(yè)有機會將客戶需要的金融視頻，精準的推薦給客戶，從更多的渠道觸達客戶。
三、數(shù)據(jù)科學家業(yè)務化
針對企業(yè)成功應用機器學習的第三個建議是要讓數(shù)據(jù)科學家業(yè)務化。
以亞馬遜構(gòu)建機器學習團隊為例，在亞馬遜，我們沒有將數(shù)據(jù)科學家單獨放到一個中央團隊，而是將數(shù)據(jù)科學家與產(chǎn)品、業(yè)務團隊放在一起，讓數(shù)據(jù)科學家業(yè)務化。亞馬遜致力于以客戶為中心，我們的機器學習科學家首先要以提高客戶體驗為出發(fā)點，而不是從研究機器學習算法開始。
數(shù)據(jù)科學家業(yè)務化是亞馬遜的重要經(jīng)驗。我們把這一經(jīng)驗復制到亞馬遜云科技的客戶項目中。當客戶缺乏數(shù)據(jù)科學家時，亞馬遜云科技的數(shù)據(jù)科學家和工程師會加入項目團隊，與客戶的業(yè)務開發(fā)團隊一起工作，凝聚數(shù)據(jù)科學家和領(lǐng)域?qū)＜业牧α?，為提高客戶體驗而進行創(chuàng)新發(fā)明。
傳統(tǒng)企業(yè)通常沒有既精通業(yè)務又精通機器學習技術(shù)的專家和數(shù)據(jù)科學家，因此也可以把數(shù)據(jù)科學家/機器學習技術(shù)專家與業(yè)務領(lǐng)域?qū)＜曳旁谝黄饘崿F(xiàn)技術(shù)創(chuàng)新。山東淄博市熱力集團就成功地通過亞馬遜云科技的賦能，將其業(yè)務領(lǐng)域?qū)＜液蜋C器學習技術(shù)專家擰成一股繩。淄博熱力利用亞馬遜云科技豐富的人工智能和機器學習技術(shù)和服務，雙方聯(lián)合研發(fā)一套基于機器學習的智慧供熱專家系統(tǒng)，根據(jù)氣象、SCADA工控數(shù)據(jù)、建筑物維護結(jié)構(gòu)等信息計算出最佳的供熱模式，并給出具體的操作指令，實現(xiàn)精準供熱，既讓用戶室溫始終保持人體最佳熱舒適溫度，又做到節(jié)能增效。
四、應對技能差距
當前，多數(shù)企業(yè)部署和應用機器學習最大的瓶頸之一是機器學習人才的缺口。新興公司爭搶機器學習人才，同時各類傳統(tǒng)企業(yè)也需要機器學習人才。在這種情況下，企業(yè)尋找能夠?qū)ζ涮峁椭?、為企業(yè)賦能的服務商是解決這一問題的最佳途徑。
我們在與行業(yè)客戶交流中發(fā)現(xiàn)，很多行業(yè)問題需要對算法進行大量的迭代和優(yōu)化，不斷提高精準度。一些行業(yè)難題，甚至需要研究新的算法進行破解。面對這些復雜的行業(yè)問題，不能停留在只教會客戶使用工具上。亞馬遜云科技的做法是“扶上馬、送一程”。我們集合了解決方案架構(gòu)師、人工智能實驗室、數(shù)據(jù)實驗室、快速開發(fā)團隊和專業(yè)服務團隊，根據(jù)客戶的項目需要，參與到項目的生命周期當中，與客戶共同尋找適用于機器學習的業(yè)務場景，跟業(yè)務人員、技術(shù)人員在一起開發(fā)出產(chǎn)品原型，然后快速迭代進行實施。讓客戶以盡可能小的試錯成本完成產(chǎn)品原型開發(fā)，彌補客戶的技能差距。
通過這樣的方式，我們授人以漁，賦能客戶創(chuàng)新，并且一直堅持平臺思維，讓更多的人使用亞馬遜云科技進行創(chuàng)造和發(fā)明，讓人工智能和機器學習普惠。亞馬遜創(chuàng)始人杰夫?貝佐斯說過，創(chuàng)新有多種形式和各種規(guī)模，最激進和最具變革的創(chuàng)新是幫助他人釋放創(chuàng)造力，實現(xiàn)其夢想。
亞馬遜云科技的一大核心目標，就是將機器學習能力交付至每一位開發(fā)人員手中。借助Amazon SageMaker能夠幫助客戶快速構(gòu)建、訓練以及部署機器學習模型的能力，我們得以更進一步，將機器學習能力交付至更多希望基于機器學習創(chuàng)新的用戶手中。
總之，企業(yè)客戶應用機器學習大有可為，建議企業(yè)制定好明確的數(shù)據(jù)策略，尋找適合機器學習的應用場景作為切入點，先突破創(chuàng)新業(yè)務，再改造核心業(yè)務。同時讓數(shù)據(jù)科學家深入業(yè)務，避免閉門造車。希望越來越多的企業(yè)通過機器學習實現(xiàn)不斷創(chuàng)新和發(fā)展，在激烈的競爭之中立于不敗之地。
