業(yè)內(nèi)較為常見的人工智能規(guī)劃流程是CRISP-DM，這個流程確定了一個數(shù)據(jù)挖掘項(xiàng)目的生命周期。

移動互聯(lián)網(wǎng)的產(chǎn)品設(shè)計(jì)流程，通常要經(jīng)歷需求調(diào)研、需求分析、功能設(shè)計(jì)、視覺設(shè)計(jì)、編碼測試幾個階段。圍繞的重心是智能手機(jī)設(shè)備，對于產(chǎn)品的功能流程設(shè)計(jì)是否合理，用戶交互是否順暢，界面設(shè)計(jì)是否美觀有著較高的要求。

如下圖所示：

移動互聯(lián)網(wǎng)產(chǎn)品規(guī)劃流程

但是，在人工智能產(chǎn)品設(shè)計(jì)中，核心的重點(diǎn)不再是手機(jī)界面，而是對于業(yè)務(wù)的理解。

對數(shù)據(jù)的理解和對算法的理解，這就要求我們在進(jìn)行產(chǎn)品規(guī)劃的時候，將設(shè)計(jì)的重點(diǎn)從手機(jī)界面轉(zhuǎn)變?yōu)橐試@業(yè)務(wù)目標(biāo)的數(shù)據(jù)為核心。

目前，業(yè)內(nèi)較為常見的設(shè)計(jì)流程是CRISP-DM（Cross-Industry Standard Process for Data Mining，跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程）。

CRISP-DM跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程

在1996年的時候，SPSS，戴姆勒-克萊斯勒和NCR公司發(fā)起共同成立了一個興趣小組，目的是為了建立數(shù)據(jù)挖掘方法和過程的標(biāo)準(zhǔn)。并在1999年正式提煉出了CRISP-DM流程。

這個流程確定了一個數(shù)據(jù)挖掘項(xiàng)目的生命周期，包括以下六個階段：

1. 商業(yè)理解：了解進(jìn)行數(shù)據(jù)挖掘的業(yè)務(wù)原因和數(shù)據(jù)挖掘目標(biāo)。
2. 數(shù)據(jù)理解：深入了解可用于挖掘的數(shù)據(jù)。
3. 數(shù)據(jù)準(zhǔn)備：對待挖掘數(shù)據(jù)進(jìn)行合并，匯總，排序，樣本選取等操作。
4. 建立模型：根據(jù)前期準(zhǔn)備的數(shù)據(jù)選取合適的模型。
5. 模型評估：使用在商業(yè)理解階段設(shè)立的業(yè)務(wù)成功標(biāo)準(zhǔn)對模型進(jìn)行評估。
6. 結(jié)果部署：使用挖掘后的結(jié)果提升業(yè)務(wù)的過程。

這套流程沒有特定工具的限制，不論是使用SPSS這類圖形化的數(shù)據(jù)挖掘工具，還是python這類可用于數(shù)據(jù)挖掘的編程語言都可以。

也沒有特定領(lǐng)域和行業(yè)的局限，是適用于所有行業(yè)的標(biāo)準(zhǔn)方法論，相對于其他的數(shù)據(jù)挖掘方法路，CRISP-DM具有靈活和適用范圍光的優(yōu)點(diǎn)。

需要特別注意的是：雖然這套數(shù)據(jù)挖掘流程的完整生命周期包含六個階段，每一個階段都依賴于上一個階段的產(chǎn)出物，但是這六個階段的順序卻并不是固定的。尤其是商業(yè)理解和數(shù)據(jù)理解，數(shù)據(jù)準(zhǔn)備和建模階段可能經(jīng)常出現(xiàn)反復(fù)循環(huán)的過程。

是否可以繼續(xù)進(jìn)行下一個階段取決于是否有達(dá)到最初的業(yè)務(wù)目標(biāo)，如果業(yè)務(wù)目標(biāo)沒有達(dá)到，那么就要考慮是否是數(shù)據(jù)不夠充分或算法需要調(diào)整，一切都以業(yè)務(wù)目標(biāo)為導(dǎo)向。

那么，接下來，我們用一個電商案例來看一下：如何在實(shí)際工作中運(yùn)用這套流程？

商業(yè)理解

海微購是一家從事跨境電商業(yè)務(wù)的創(chuàng)業(yè)公司，公司在前幾年抓住了海淘的趨勢，用戶量和交易額都還不錯。在新的財(cái)年，公司希望能在去年的基礎(chǔ)上將GMV提高10%，并以此為目標(biāo)制定新一年的工作計(jì)劃。

1.? 確定業(yè)務(wù)目標(biāo)

首先，需要先確定業(yè)務(wù)目標(biāo)。

根據(jù)電商零售額公式（零售額=流量轉(zhuǎn)化率客單價*復(fù)購率），公司認(rèn)為：在獲客成本較高的市場環(huán)境，以及本公司經(jīng)營的海淘產(chǎn)品復(fù)購周期較長的情況下，應(yīng)優(yōu)先提高轉(zhuǎn)化率和客單價兩項(xiàng)指標(biāo)。根據(jù)SMART目標(biāo)制定原則，確定下一次迭代的產(chǎn)品目標(biāo)為：猜你喜歡模塊中的商品點(diǎn)擊量需提高20%，交叉銷售額提高10%。

2. 確定數(shù)據(jù)挖掘目標(biāo)

第二步，需要將業(yè)務(wù)的問題轉(zhuǎn)化為一個數(shù)據(jù)挖掘的問題。

根據(jù)業(yè)務(wù)目標(biāo)，我們可以將其轉(zhuǎn)化為以下幾個數(shù)據(jù)挖掘問題：

1. 聚類問題：構(gòu)建大數(shù)據(jù)用戶畫像，形成用戶的商品偏好標(biāo)簽體系，用于商品精準(zhǔn)營銷和消息推送。
2. 預(yù)測問題：構(gòu)建用戶流失預(yù)警模型，預(yù)測用戶的流失可能性，對可能流失的用戶進(jìn)行挽回關(guān)懷，防止流失。
3. 分類問題：結(jié)合用戶日常消費(fèi)額度和信貸記錄，向用戶推薦符合其購買力或購買習(xí)慣的商品，提高轉(zhuǎn)化率和客單價
4. ……

在制定數(shù)據(jù)挖掘目標(biāo)時，需要明確數(shù)據(jù)挖掘的問題是一個分類問題，聚類問題還是一個預(yù)測問題，以便于后續(xù)的建模階段選擇合適的算法。另外，還需要確定的是數(shù)據(jù)挖掘的范圍，是針對所有用戶大范圍調(diào)整，還是先針對小規(guī)模的部分用戶進(jìn)行A/B Test，待驗(yàn)證成功之后再全面推行。

如果前期有相關(guān)的經(jīng)驗(yàn)或數(shù)據(jù)積累，最好在這一階段定義清楚數(shù)據(jù)挖掘成功的標(biāo)準(zhǔn)是什么，例如：推薦的準(zhǔn)確率要提高40%，或用戶的流失概率降低20%等，通過可量化的指標(biāo)評估整個工作的效果。

3. 制定項(xiàng)目計(jì)劃

第三步，明確好目標(biāo)之后，就可以根據(jù)具體的，可量化的方案組織相關(guān)的干系人來評估工作量。根據(jù)工作量倒排項(xiàng)目計(jì)劃表，將目標(biāo)拆解到更小的時間顆粒度，并指定相關(guān)責(zé)任人進(jìn)行任務(wù)跟進(jìn)，如下圖所示：

在這個階段需要明確各個環(huán)節(jié)的交付產(chǎn)物，并識別可能的項(xiàng)目風(fēng)險，提前制定風(fēng)險應(yīng)對計(jì)劃。

例如：本公司缺乏某方面的數(shù)據(jù)，需要從外部獲取，或者相關(guān)人員配置不足，需要招聘或借調(diào)人力資源的支持等等。在項(xiàng)目進(jìn)行的過程中持續(xù)監(jiān)控，以確保項(xiàng)目的正常進(jìn)行。

數(shù)據(jù)理解

明確了業(yè)務(wù)目標(biāo)之后，我們需要針對數(shù)據(jù)挖掘的問題收集相關(guān)的數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行初步的處理，目標(biāo)是熟悉數(shù)據(jù)，探索數(shù)據(jù)與數(shù)據(jù)之間的內(nèi)在聯(lián)系，并識別數(shù)據(jù)的質(zhì)量是否有問題。

1. 收集數(shù)據(jù)

數(shù)據(jù)理解的第一步是收集數(shù)據(jù)。

根據(jù)來源的不同，數(shù)據(jù)可以分為內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)兩類，根據(jù)數(shù)據(jù)的類型又可以拆分為：用戶數(shù)據(jù)和商品數(shù)據(jù)。

海微購公司的產(chǎn)品經(jīng)理通過排查發(fā)現(xiàn)：公司目前已經(jīng)通過埋點(diǎn)收集到了用戶在web端和APP端的行為數(shù)據(jù)，且平臺售賣的商品有專門的人員負(fù)責(zé)打標(biāo)簽的工作，內(nèi)部數(shù)據(jù)較為完善。但是，還缺乏用戶對于平臺上未售賣商品的偏好數(shù)據(jù)以及用戶的人口屬性數(shù)據(jù)。

針對這一點(diǎn)，海微購公司的產(chǎn)品經(jīng)理決定組織一次用戶有獎問卷調(diào)研活動。通過問卷調(diào)研的方式，抽樣選取用戶進(jìn)行問卷填寫，成功的收集了用戶對于平臺未售賣商品的偏好數(shù)據(jù)以及人口屬性數(shù)據(jù)。

另一方面，通過網(wǎng)絡(luò)爬蟲數(shù)據(jù)，爬取了競爭對手平臺的所有商品銷售量，并根據(jù)銷售單價推算出了總的銷售額，完善了現(xiàn)有的數(shù)據(jù)體系。

2. 數(shù)據(jù)標(biāo)注

海微購公司所擁有的數(shù)據(jù)并不只有數(shù)據(jù)庫中已經(jīng)結(jié)構(gòu)化了的數(shù)據(jù)，他還擁有很多非結(jié)構(gòu)化的數(shù)據(jù)，例如：商品的圖片數(shù)據(jù)，客戶與客服的通話語音數(shù)據(jù)等等。

這些非結(jié)構(gòu)化的數(shù)據(jù)并不是直接用于建模，而是需要先進(jìn)行數(shù)據(jù)標(biāo)注，將其轉(zhuǎn)變?yōu)橛?jì)算機(jī)可以識別的數(shù)據(jù)格式。

例如：如果對商品的圖片進(jìn)行了結(jié)構(gòu)化標(biāo)注，建模階段就可以通過圖片識別技術(shù)對新上線的商品進(jìn)行自動分類和打標(biāo)簽，甚至自動生成商品的廣告海報(bào)圖片。如果對通話語音進(jìn)行了數(shù)據(jù)標(biāo)注，就可以為后續(xù)的人工智能客服提供語義數(shù)據(jù)，降低公司成本，提高服務(wù)效率。

3. 描述數(shù)據(jù)

當(dāng)數(shù)據(jù)準(zhǔn)備充分之后，需要對數(shù)據(jù)進(jìn)行描述，以供后續(xù)階段使用。主要包括對數(shù)據(jù)量的描述，數(shù)據(jù)值類型的描述以及編碼方案的描述。

不同的算法對于數(shù)據(jù)量的大小有一定的要求，雖然越大的數(shù)據(jù)集可以生成更為準(zhǔn)確的算法模型，但是同時也會增加計(jì)算的時間。所以，標(biāo)注數(shù)據(jù)量的大小可以讓算法工程師在建模之前決定是使用全部的數(shù)據(jù)集，還是從一個大的數(shù)據(jù)集中分出若干個小的子集來進(jìn)行建模。

建模的數(shù)據(jù)可能有多個來源，且收集數(shù)據(jù)的人和負(fù)責(zé)建模的人可能不是同一人，所以在建模之前務(wù)必對數(shù)據(jù)的類型進(jìn)行描述。數(shù)據(jù)的類型有多重，例如：數(shù)值型、分類型、布爾型、時間等等。標(biāo)注清楚數(shù)據(jù)類型可以加快后續(xù)建模階段的效率，防止數(shù)據(jù)類型的錯誤而導(dǎo)致出現(xiàn)問題。

在數(shù)據(jù)庫中，常常使用不同的數(shù)值來表示不同的數(shù)據(jù)特征，例如：海微購公司的用戶來源可能來自地推、線上獲客、朋友推薦、自主下載等多個渠道等。

這些渠道類型在數(shù)據(jù)庫中可以用文字來進(jìn)行表示，也有可能用1234的數(shù)字來表示，在數(shù)據(jù)描述中需要特別注明這一類的數(shù)據(jù)及其對應(yīng)的含義，以便后續(xù)階段能正確的使用這些數(shù)據(jù)。

數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備是數(shù)據(jù)挖掘最重要的階段之一，通常這一階段所花費(fèi)的時間和工作量占整個項(xiàng)目的50%-70%。

如果產(chǎn)品經(jīng)理在前期對于業(yè)務(wù)理解非常準(zhǔn)確，數(shù)據(jù)理解也非常充分，那么將極大的減少數(shù)據(jù)準(zhǔn)備階段的工作量，提高工作的效率。

1. 選擇數(shù)據(jù)

在第一步選擇數(shù)據(jù)階段，需要做兩件事情：第一是在所有的數(shù)據(jù)中選擇哪些數(shù)據(jù)作為訓(xùn)練集，哪些數(shù)據(jù)作為測試集；第二是選擇參與建模的特征字段有哪些。

以海微購公司為例：公司希望提高提高推薦的準(zhǔn)確度和銷售額，那么需要通過用戶畫像，選擇典型的主要客戶——例如：最近有過購買記錄，并且在一定時間內(nèi)持續(xù)活躍的用戶。而不能選擇已經(jīng)流失的，或者是從來沒有購買記錄的無效客戶。

對于參與建模的特征，需要選擇那些與業(yè)務(wù)目標(biāo)息息相關(guān)的數(shù)據(jù)，以購買商品轉(zhuǎn)化為例：從業(yè)務(wù)經(jīng)驗(yàn)來看與之相關(guān)的數(shù)據(jù)有用戶的月均消費(fèi)額度、用戶的商品偏好、商品的曝光率、好評率等等。

當(dāng)然，也有一些基于統(tǒng)計(jì)學(xué)的方法可以幫助我們選擇數(shù)據(jù)，例如：相關(guān)系數(shù)，卡方檢驗(yàn)，T檢驗(yàn)等等，我們在特征工程的章節(jié)會詳細(xì)的講到這些方法是如何使用的。

2. 清理數(shù)據(jù)

數(shù)據(jù)準(zhǔn)備的第二步，是對數(shù)據(jù)進(jìn)行清理，在實(shí)際的工作中，收集的數(shù)據(jù)不一定是100%準(zhǔn)確無誤的，常見的數(shù)據(jù)問題有：缺失值，錯誤值，離群值，編碼不一致和無效數(shù)據(jù)。

例如：用戶的年齡信息與是否購買某些商品有非常強(qiáng)的關(guān)系，但是用戶的年齡信息對于用戶本身來講不是一個必填的信息。所以，商家不一定能獲取到而造成缺失值。另外一種可能就是用戶未填寫真實(shí)的年齡，導(dǎo)致年齡出現(xiàn)負(fù)數(shù)或大于200的數(shù)這類錯誤值。

還有一些數(shù)據(jù)，例如用戶的身高數(shù)據(jù)，如果絕大多數(shù)用戶的身高在1.5米到1.9米之間，但是并不排除有一些用戶的身高可能低于1.5米或高于1.9米。這類數(shù)據(jù)并不是錯誤數(shù)據(jù)，而是離群值，這類離群值量級較少，不是主要客戶特征，但如果不加以排除直接參與到建模階段，就有可能對建模造成一定的負(fù)面影響，比如：影響正常的平均值或極差。

編碼不一致的問題也經(jīng)常出現(xiàn)在數(shù)據(jù)中，例如：很多數(shù)據(jù)在低于1萬的時候，顯示的是具體的數(shù)值，而高于1萬之后就不再顯示具體的數(shù)值，而是顯示成x.x萬這樣的格式，造成格式編碼不一致的情況，在建模之前需要將所有數(shù)據(jù)處理為統(tǒng)一的單位和格式。

數(shù)據(jù)的正確性會直接影響后續(xù)建模階段的模型效果，所以在數(shù)據(jù)準(zhǔn)備階段需要將這些問題數(shù)據(jù)進(jìn)行處理，最簡單的方法就是直接刪除有問題的數(shù)據(jù)。但如果數(shù)據(jù)的量本來就比較少的話，也可以通過一些統(tǒng)計(jì)學(xué)的方法對數(shù)據(jù)進(jìn)行修復(fù)或插補(bǔ)，例如：均值填補(bǔ)法處理缺失值，蓋帽法處理離群值等等。

3. 構(gòu)建新數(shù)據(jù)

在數(shù)據(jù)挖掘中，有一些數(shù)據(jù)可以通過其他的數(shù)據(jù)轉(zhuǎn)化而來，例如：如果獲取到了用戶的身份證信息，就可以根據(jù)身份證的生成規(guī)則知道用戶的籍貫地址，生日以及性別。知道了用戶的手機(jī)號，就可以通過手機(jī)號的歸屬地查到用戶所在地；知道了用戶的常用收貨地址，結(jié)合房產(chǎn)數(shù)據(jù)，可以推測出用戶大致的月收入。

除了對已有數(shù)據(jù)進(jìn)行轉(zhuǎn)化，還可以通過人工定義的方式將一些用戶的事實(shí)行為通過規(guī)則轉(zhuǎn)化為新的數(shù)據(jù)，例如：將月均平臺消費(fèi)超過1萬的定義為高消費(fèi)客戶，將月活躍天數(shù)大于15天的定義為高活躍用戶等等。

4. 數(shù)據(jù)降維

建模速度與數(shù)據(jù)的量級成正相關(guān)，數(shù)據(jù)量越大，建模的時間也就越長。我們在數(shù)據(jù)準(zhǔn)備階段，可以通過數(shù)據(jù)降維的方式減少數(shù)據(jù)特征，減少數(shù)據(jù)中的特征數(shù)量的同時，避免丟失太多信息并保持模型性能，以此達(dá)到簡化計(jì)算量的目標(biāo)。

數(shù)據(jù)降維的另一個目的是對數(shù)據(jù)進(jìn)行可視化，我們生活在一個三維的世界中，但如果數(shù)據(jù)的維度大于三維，就無法進(jìn)行可視化了。而通過降維將數(shù)據(jù)降為三維或二維的數(shù)據(jù)，并保持?jǐn)?shù)據(jù)之間的關(guān)系，就可以通過肉眼來觀察數(shù)據(jù)模型的效果了。

建立模型

到了這個階段，之前的工作終于可以有所回報(bào)了，我們可以運(yùn)用算法對前幾個階段準(zhǔn)備的數(shù)據(jù)進(jìn)行建模，看是否可以達(dá)到我們期望的結(jié)果。

建模的過程通常會執(zhí)行多次，使用多個不同的算法和參數(shù)，因?yàn)樵趯?shí)際工作中，只是用一個算法且僅執(zhí)行一次運(yùn)算就能圓滿的解決業(yè)務(wù)需求。這樣的情況幾乎是不存在的，正常的情況是我們可能需要在數(shù)據(jù)準(zhǔn)備階段與建立模型階段之間反復(fù)多次，以確保業(yè)務(wù)目標(biāo)達(dá)到最佳的效果。

1. 選擇建模算法

第一步，我們需要根據(jù)業(yè)務(wù)目標(biāo)選擇適合的算法，在前文我們提到過算法分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩種。根據(jù)業(yè)務(wù)目標(biāo)的不同，又可以分為：分類算法，聚類算法或預(yù)測算法。

算法的選擇并不一定是越復(fù)雜的算法效果就越好，最終的效果取決于訓(xùn)練的數(shù)據(jù)以及設(shè)置的算法參數(shù)，所以我們可以在建模的時候，將適合的算法都嘗試一次，根據(jù)結(jié)果來進(jìn)行選擇。

2. 訓(xùn)練集評估

第二步，在選擇好使用哪種算法之后，我們需要選擇與訓(xùn)練集對應(yīng)的測試集數(shù)據(jù)，并對算法的結(jié)果定義一個明確的評價標(biāo)準(zhǔn)。

對于有監(jiān)督算法，通常使用模型的正確率來進(jìn)行評估，而對于無監(jiān)督算法，我們通常是根據(jù)結(jié)果是否易于解釋，是否易于部署以及算法運(yùn)行的時間等標(biāo)準(zhǔn)來評估

3. 構(gòu)建模型

第三步，是真正建模的過程，在這個階段根據(jù)算法的不同，可能需要對算法的參數(shù)進(jìn)行調(diào)整，例如：KNN模型中調(diào)整K的值，或者深度神經(jīng)網(wǎng)絡(luò)算法調(diào)整隱藏層的數(shù)量等。

在每次調(diào)整算法參數(shù)并實(shí)際生成模型之后，我們需要根據(jù)在上一步定義的評價標(biāo)準(zhǔn)，記錄模型的結(jié)果數(shù)據(jù)。這些結(jié)果數(shù)據(jù)將用來與其他的算法，以及同一個算法不同參數(shù)間的比較，確定最佳算法和參數(shù)。

這聽起來是一件非?，嵥榍液臅r的事情，事實(shí)也確實(shí)如此，但是感謝技術(shù)的發(fā)展，大多數(shù)調(diào)參的過程都可以通過計(jì)算機(jī)自動完成，不需要人來值守。而且，通過集成算法的運(yùn)用，我們可以同時使用不同的算法來對數(shù)據(jù)進(jìn)行建模，我們在后面還會詳細(xì)的講到。

模型評估

至此，我們的項(xiàng)目已經(jīng)完成了絕大多數(shù)的工作，在開始最后的部署階段之前，最重要的事情是徹底的評估模型，根據(jù)在商業(yè)理解階段定義的業(yè)務(wù)目標(biāo)來評估我們努力的成果。

1. 評估結(jié)果

最終的算法模型結(jié)果有可能達(dá)成了我們最初的業(yè)務(wù)目標(biāo)，當(dāng)然也有可能沒達(dá)成。

達(dá)成了當(dāng)然是一件好事，但如果沒達(dá)成也不一定是一件壞事，就像愛迪生發(fā)明燈泡試驗(yàn)了一千種材料，失敗了一千次也并不認(rèn)為自己是失敗了。他說：“我只是證明了這一千種材料不適合做燈絲而已?！?/p>

數(shù)據(jù)挖掘沒有達(dá)成業(yè)務(wù)目標(biāo)的結(jié)果，也不一定意味著建模的失敗，有多種可能性導(dǎo)致不成功的結(jié)果。

例如：業(yè)務(wù)目標(biāo)一開始定得不夠合理，與業(yè)務(wù)目標(biāo)密切相關(guān)的數(shù)據(jù)未收集到，數(shù)據(jù)準(zhǔn)備出現(xiàn)了錯誤，訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)不具備代表性等等。這時候我們就要回到之前的步驟，來檢視到底是哪個環(huán)節(jié)出現(xiàn)了問題。

2. 審核過程

就像每個項(xiàng)目結(jié)束之后都需要進(jìn)行復(fù)盤一樣，在一次數(shù)據(jù)挖掘項(xiàng)目迭代之后，也需要對過程的成功之處和不足之處進(jìn)行總結(jié)——回顧每個階段的任務(wù)與關(guān)鍵的決定，看看每個階段所做的事情對于最終的結(jié)果是否有所貢獻(xiàn)？有沒有什么方法是可以簡化或者改善某一階段任務(wù)完成情況？有沒有什么不足之處，是可以在下一次迭代時進(jìn)行改進(jìn)的？有沒有什么導(dǎo)致失敗的問題是可以在下一次提前預(yù)測到并且避免的？

3. 確定后續(xù)步驟

無論成功或失敗，到現(xiàn)在都已經(jīng)生成了最終的結(jié)果，那么就應(yīng)該考慮一下：接下來該做些什么了？

一般會有兩個選擇：

1. 如果成功了，那么就進(jìn)入最后的結(jié)果部署階段，將數(shù)據(jù)挖掘的結(jié)果并入到產(chǎn)品的業(yè)務(wù)目標(biāo)中。
2. 如果沒有成功，那么可以返回前面的步驟重新設(shè)定業(yè)務(wù)目標(biāo)或重新收集數(shù)據(jù)進(jìn)行建模，有過一次失敗的經(jīng)歷之后，有極大的可能發(fā)現(xiàn)失敗的原因，并在下一次的建模中避免失敗。

當(dāng)然，我們還可以選擇其他方式來達(dá)成業(yè)務(wù)目標(biāo)，畢竟一切的技術(shù)都是為了業(yè)務(wù)目標(biāo)服務(wù)的，人工智能也并不是萬能的，根據(jù)業(yè)務(wù)專家設(shè)置的規(guī)則或從產(chǎn)品運(yùn)營角度也能提高業(yè)績。

結(jié)果部署

建模的作用是從數(shù)據(jù)中找到知識，獲得的知識需要以便于用戶使用的方式重新組織和展現(xiàn)，這就是結(jié)果部署階段的工作。根據(jù)業(yè)務(wù)目標(biāo)的不同，結(jié)果部署簡單的可能只需要提交一份數(shù)據(jù)挖掘報(bào)告即可，也有可能復(fù)雜到需要將模型集成到企業(yè)的核心運(yùn)營系統(tǒng)當(dāng)中。

1. 制定部署計(jì)劃

根據(jù)業(yè)務(wù)要求和運(yùn)算性能的的不同，部署的模型可分為：離線模型，近線模型和在線模型三種。

離線模型一般適用于重量級的算法，部署于大數(shù)據(jù)集群倉庫，運(yùn)算的時間需要以小時計(jì)，并且時效上通常是T+1的。

近線模型適用于輕量級算法，一般在內(nèi)存和Redis(一種支持Key-Value等多種數(shù)據(jù)結(jié)構(gòu)的存儲系統(tǒng)，適用于高速消息隊(duì)列)中進(jìn)行，運(yùn)算的速度以秒為單位。而在線模型則通常根據(jù)業(yè)務(wù)規(guī)則來設(shè)置，在內(nèi)存中運(yùn)行，運(yùn)行的速度以毫秒計(jì)。

另外，部署還需要考慮不同編程語言對于算法模型的調(diào)取兼容性，在這個階段算法工程師需要與原有業(yè)務(wù)的開發(fā)工程師進(jìn)行聯(lián)調(diào)協(xié)作，確保業(yè)務(wù)系統(tǒng)能夠正確的調(diào)用算法模型結(jié)果。

2. 模型監(jiān)督和維護(hù)

我們知道算法模型是基于歷史數(shù)據(jù)得來的，但是在模型部署并運(yùn)行一段時間之后，可能業(yè)務(wù)場景已經(jīng)發(fā)生了變化，原有的模型已經(jīng)無法滿足當(dāng)前的業(yè)務(wù)需要。這就需要我們在模型部署上線的同時，同步上線模型的監(jiān)督和維護(hù)系統(tǒng)，持續(xù)跟蹤模型的運(yùn)行狀況。

當(dāng)發(fā)現(xiàn)模型結(jié)果在出現(xiàn)短期異常值時，排查異常的原因，例如：運(yùn)營活動或者節(jié)假日等因素，當(dāng)發(fā)現(xiàn)模型長期表現(xiàn)不佳時，則要考慮是否是用戶和產(chǎn)品的數(shù)據(jù)構(gòu)成已經(jīng)發(fā)生了變化。如果是因?yàn)閿?shù)據(jù)構(gòu)成已經(jīng)發(fā)生變化，則需要重新通過CRISP-DM流程構(gòu)建新的模型。

3. 生成最終報(bào)告

最后，不要忘了向項(xiàng)目的相關(guān)干系人發(fā)送一份最終的項(xiàng)目總結(jié)報(bào)告。

不論是在項(xiàng)目過程中一起并肩作戰(zhàn)的同事，還是對項(xiàng)目關(guān)心的領(lǐng)導(dǎo)，都需要了解項(xiàng)目的最終成果。一個項(xiàng)目的成功，總離不開每個人的努力，常懷一顆感恩的心才能讓一個團(tuán)隊(duì)走得更遠(yuǎn)。

本文由 @黃瀚星 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議