數據諮詢師經驗之談：90% 的公司並不需要機器學習

編者按：掌握一件工具之前，首先要搞清楚用它做什麼。而本質是工具的機器學習，近年來逐漸演變成一股潮流。

在美國企業數據方案諮詢師 Eric Brown 看來，當下無數公司置其數據資本和實際問題與不顧，一窩蜂上馬機器學習，實在是荒唐可笑。他特地發文表達了對該現象的批判和反思。雷鋒網編譯。

Eric Brown

Eric Brown：數據科學家要用數據說話。從數據上來看：你，和你的公司，並不需要機器學習。

我是認真的。

或許你不同意，那麼聽我解釋。我說「從數據上看」，指的是對於當今世界的絕大多數公司，機器學習（ML）既非必要也無益處。各公司想要利用 ML 來處理的絕大部分任務，都是十分直接的問題——使用某種形式的回歸即可完美解決。後者或許不是你在高中代數課上學到的線性回歸，但仍會是某個回歸函數。雷鋒網了解到，著名經濟學家 Robin Hanson 最近發表了相同觀點，他在推特上說道：

「一個優秀的計算機專家會說：大多數公司以為他們需要先進的 AI、ML 技術，其實，他們真的只需要在乾淨的數據上做線性回歸。」

這句話中，「乾淨的數據「是重點。它極度、極度重要，但相當多的公司總是在處理數據時忘記、或者忽視這一點。若沒有合格的數據質量，以及到位的數據治理、管理流程和系統，有極大的可能性你會陷入垃圾數據陷阱——「向模型輸入的是垃圾，輸出的也是垃圾」。太多數據項目如此，結果不了了之。

我並不是一個數據管理、數據質量方面的專家導師。但我對這個領域有一定的了解——足夠讓我清楚不合格、不到位的數據管理是什麼樣。況且我經常遇到這些情況。在我與公司客戶合作、幫助他們開展新數據項目的工作經歷中（到現在已經變成了主要是討論 ML 和深度學習），我問客戶的第一個問題永遠是：「告訴我你的數據管理流程」。如果對方不能合理地描述出這些流程，那麼很顯然 ML 並不合適——他們還沒有做好準備。

過去的五年里，我估計有 75% 的情況下，客戶對我的數據管理問題的回答是：

「 嗯……我們有一部分數據存在一個資料庫里，其他數據存在有合法許可權的文件共享里。」

這不是數據管理，是數據存儲。

如果你或你的公司並沒有高質量、乾淨的數據，幾乎可以斷定，你並不適合機器學習（機器學習也不適合你）。搞任何數據項目，數據管理都是第一步。

來找我的公司機構里，有一小部分安排了合格的數據管理工作。他們理解對於好的數據、好的分析而言，質量、治理和管理有多麼重要。如果你的公司也是如此——恭喜你，在這方面你已經超過了絕大部分競爭對手。

但我要給你潑點冷水。僅僅因為有乾淨、高質量的數據，不意味你應該/需要搞機器學習。當然你可以搞，但大多數情況下真沒這個必要。

過去五年向我諮詢過的所有公司里，我會說：他們原本要用機器學習解決的問題，有 90% 最後只用了普通回歸方式就完美解決。每當我推薦用簡單的回歸，來解決客戶眼中的「複雜、高深」問題（雷鋒網住：他們下定決心要研發多重 ML、DL 模型來對付），人們總是相當驚訝。我也總是不得不向他們解釋，他們可以走機器學習的路線，而且那樣做或許也有價值。但能搞清楚基礎建模、回歸能為你做什麼，ML/DL 是否在一些領域比基礎回歸函數更好，難道不是一件好事嗎？

我還能說啥？那就大膽去做！沒什麼能阻擋你一直跋涉到 ML 和 DL 的深水區。畢竟機器學習有它的用處和舞台。只是記住：在充分了解你的數據，搞明白「經典」方法能為你要解決的難題做到哪一步之前，不要一股腦兒得栽進機器學習。

via Eric Brown