他說：“更困難的是從已創(chuàng)建的用例中提取價值，但可以做到。”他舉例說，最近在內(nèi)德班克正在開展的項目。

在一個反欺詐項目中，僅六個月就防止了價值1.37億蘭特的欺詐交易。另一個是試點計劃，過去四個月的收入超過2.5億蘭特。

如果該算法不支持業(yè)務(wù)流程，那無非是一種智力上的練習(xí)。

泰勒堅持認(rèn)為，確保從ML / AI項目交付價值的唯一方法是“自下而上”方法的結(jié)果，該方法要求數(shù)據(jù)科學(xué)團(tuán)隊與業(yè)務(wù)部門密切合作，而不是“自下而上”。自上而下的方法。

“您要通過AI項目實現(xiàn)的所有工作都必須與業(yè)務(wù)保持一致-業(yè)務(wù)實際上是在地上，而不是在最高管理層中。該策略可能來自高層，但痛苦是根深蒂固的，這就是您可以找到實際用例的地方，”他說。

對于數(shù)據(jù)科學(xué)家來說，重要的是要認(rèn)識到AI在業(yè)務(wù)范圍之外并不重要。“如果該算法不支持業(yè)務(wù)流程，那無非是一種智力活動。這是業(yè)務(wù)與技術(shù)之間真正存在差距的地方，”他補(bǔ)充說。

第一步

因為ML / AI項目旨在幫助自動執(zhí)行決策，所以必須準(zhǔn)確確定需要自動化哪些決策才能實現(xiàn)三個關(guān)鍵目標(biāo)：

賺錢

防止金錢損失;和

幫助管理風(fēng)險。

“數(shù)據(jù)科學(xué)團(tuán)隊無法知道這些問題的答案，至少在細(xì)節(jié)上與業(yè)務(wù)人員不一樣。數(shù)據(jù)科學(xué)團(tuán)隊可以幫助業(yè)務(wù)人員回答問題，但是業(yè)務(wù)人員必須負(fù)責(zé)管理自己的痛點，”泰勒說。

同樣重要的是要記住，ML / AI與軟件開發(fā)無關(guān)。

我們必須記住，機(jī)器學(xué)習(xí)所衡量的是行為，因此模型一直在變化。

“您不僅可以將模型投入生產(chǎn)并走開。我們用于機(jī)器學(xué)習(xí)的工具不同于我們一直使用的工具–我們必須以一種新的方式來構(gòu)建這些工具，更深入地研究并為系統(tǒng)創(chuàng)造更多的能力。我們必須記住，機(jī)器學(xué)習(xí)所衡量的是行為，因此，模型一直在變化。”他說。

成功的另一個關(guān)鍵因素是為項目配備合適的人員和技能。但是，這說起來容易做起來難，因為過去幾年對AI / ML技能的需求增長了650%以上(基于LinkedIn職位)。

此外，許多申請這些工作的人都沒有必要的技能，無論其簡歷上寫有什么內(nèi)容。

因此，泰勒開始根據(jù)才智來招募團(tuán)隊成員，尤其是好奇心以及對學(xué)習(xí)和探索數(shù)據(jù)的渴望。一旦招募，這些聰明的年輕人便受到高級數(shù)據(jù)科學(xué)家，BI和數(shù)據(jù)分析師的密切管理和指導(dǎo)。

“重要的是要記住，AI / ML與模型無關(guān)，而是與人有關(guān)。最大的成功來自于AI使地面人員的生活更加輕松，因此他們不會妨礙變更管理流程，并且該項目能夠交付其旨在實現(xiàn)的價值，”他總結(jié)道。