成功使用機器學習技術的3個技巧

機器學習、自然語言處理(NLP)和認知搜尋技術正以高速率被采用，這并不稀奇。随着組織努力創造價值，增強客戶體驗，遵守嚴格的規定并使自己與競争對手區分開來時，他們對知識型員工提出了非同尋常的要求。通常，他們需要的資料和知識是孤立的，分割的和斷裂的。很難在正确的時間顯示正确的資訊并發現資料中的複雜模式。

一個精心設計的NLP、機器學習和搜尋技術的結合，使這些組織能夠以前所未有的方式迎接挑戰并利用企業資料。這種技術有效地推動了一種新的資訊擷取方式，它比以往任何時候都更快、更準确、更有思想。成功通過後，企業将獲得真正的資訊驅動，進而優化每個員工和客戶體驗。這一轉變正在迅速成為新的競争優勢，因為它重新定義了專業人士、企業和行業的運作方式——但企業如何成功采用這些技術？

為了推動這些類型的技術的采用，實作必須與每個使用者的個人需求保持一緻。雖然看起來很明顯需要提取正确的資料以滿足特定的使用者需求，但資料也必須以一種直覺且及時的方式呈現，使其與使用者的目标相關聯。資料驅動的時代正在讓位于資訊驅動的經濟，在這種經濟背景下，從資料中獲得有用的洞察力至關重要。滿足使用者需求意味着收集資料，以正确的方式豐富資料，并使用不僅是行業的行話，而且使用使用者組織的術語來進行語境化，并以一種結合使用者目标的方式呈現結果資訊。

由于每個使用者的目标和需求會有所不同，是以不存在一成不變的局面。例如，在客戶服務領域，客戶服務代表（CSR）日益需要以知識為導向，以滿足甚至取悅客戶。同時，在制造業或藥物開發行業，研究人員需要成為專業人員，因為他們很容易與專家聯系。 這一切都始于資訊驅動。

對于組織來說，通過在企業資料中合并上下文來開始簡單的工作是很重要的。這使得知識工作者更容易找到并發現與目前任務相關的資訊。合并上下文意味着在分散的存儲庫中的相關資料之間建立連接配接，并承認語言可以表達的所有不同方式，包括考慮首字母縮寫詞和同義詞。

在資料中，特别是非結構化資料，通過自然語言處理(NLP)和人工推理，可以增加更多的上下文。 這些由現代技術實作的技術可以豐富資料并建立有意義的連接配接。它減少了對非結構化資料的管理，更多的是關于如何利用它，并以更有價值的方式。對于組織來說，有各種各樣的選擇來追求資訊驅動，而其中的一些選項應該會引起危險。例如，開源技術有自己動手的方法，組織隻有在裝備成為軟體開發商店時才應該考慮。

與将使用者沉浸在技術中相反，該技術應該投入到使用者的業務環境中。認知搜尋等技術必須利用絕大多數企業資料源，包括所有類型的内部和外部資料，無論是内部部署還是雲中。是以，該系統必須具有高度可擴充性。與像Salesforce這樣需要将資料加載或輸入到單個系統的軟體包相反，身臨其境的解決方案以安全且可擴充的方式利用分散存儲庫中的資料。這反過來又簡化了業務流程，使知識型員工可以将更少的時間花在日常工作上，而更多的時間專注于重要問題。

随着組織根據自己的特定需求調整資訊驅動方法，融入并簡單地開始将是成功的關鍵。通過在現有知識的基礎上學習并随着時間的推移變得更加智能，這種轉變為組織在解決未來挑戰方面帶來了驚人的優勢。

<a href="https://promotion.aliyun.com/ntms/act/ambassador/sharetouser.html?userCode=j4nkrg1c&amp;utm_source=j4nkrg1c" target="_blank">數十款阿裡雲産品限時折扣中，趕緊點選領劵開始雲上實踐吧！</a>

文章原标題《3-tips-for-successfully-adopting-machine-learning-1》

作者：Scott Parker，進階産品營銷經理

譯者：董昭男，審校：。