4. 要记住，我们的目标是可预测性，而不是找原因。企业一直都盼望能够预测本季度的销售，看看通过促销他们到底能够吸引多少客户，或者是能够预测需求量的波动。机器学习主要能够提升模式识别，这同时会推动可预测性的发展。这就是为什么我知道我必须要在这一领域进行大型投资。

所有的这些经验都不应该让你灰心。毕竟，机器学习中的「为什么」对于产品团队来说很简单。机器学习能比人更快更准确地弄清楚人们觉得棘手的问题，继而自动采取行动。如果你能够创造一个用户反馈和更好的用户体验之间的良性循环，或许就可以让更多人使用你的产品。之后，你就可以利用这个数据网络效应，吸引更多的用户，这也会让你获取更多的数据，从而建立更好的模型，同样这会为了你带来更多的用户。

作为产品负责人，你的工作就是要创造出优良的产品，然后把它们推广给你的客户。从产品发展的角度来讲，机器学习是最令人兴奋的，atv，因为它能够通过分析（比如说通过异常检测）自动处理你的很多工作和顾虑。所以，如果你在认真考虑要实行机器学习，那你就应该认真想一想你需要解决的问题。

在你成立一个机器学习团队之前，你必须要明白你是否具备完成你远大抱负的基础设施。认识到你可能不具备这一点并不能够能明你没有远见卓识，只是机器学习是一种有潜在风险的前沿技术，每个人都必须要清楚地知道如何才能最好地利用它的功能，并将它的所带来的利益最大化。

「创造 vs. 购买」这是一个错误的命题

底线是这样的：计算机在记忆大量数据方面非常在行，它们可以在记忆的所有数据当中找出一定的模式和趋势，而人类在这些方面的能力都很弱。如果你想要让公司的竞争力有所改善的话，就需要通过模型获得一些见解，以此来解决一些复杂的问题。现在能做到这一点的唯一方法就是通过机器学习，另外还需要具备一个技术娴熟的团队来帮你弄清楚这些模式是什么，为什么它们是这个样子。

如果是一个小公司，那么你的工程师可以在他们的电脑上建立一些模型，在开始阶段，这些模型应该就足够了。但是如果你拥有大量数据，你从只依靠自己来解决问题当中获得的，与在机器学习当中获得的是完全不同的，并且这样做也不利于公司保持竞争力。

最重要的一点是关于权衡。建立一个机器学习模型需要很长的时间。工程师在非核心功能上花费多一分钟，你在核心产品上花的时间就少一分钟。此外，大多数的机器学习都会涉及到大规模的迭代问题，因为有大量的数据需要收集、标注，并且进行重复处理。如果你想要自己解决这个问题，这对你的工程师团队来说就成了一项额外的负担，而且还要花费上万美元。你需要决定自己做什么，不做什么。在 Mixpanel，我们致力于将机器学习和产品分析用正确的方式结合起来，而不是用一些博人眼球的奇怪方式。

Predict 和 Smart Alerts 对我们来说只是开始，即使你才刚刚开始追踪分析，我们想要帮你创造正确的产品——而不是一直在观察你的数据。

如果机器学习能够被正确使用，它的功能是非常强大的。机器学习能够创造准确的预测模型，这些模型能够做的事情也非常的令人兴奋，比如说创造高度定制的用户体验、用照片对成千上万中物体进行分类，还能在没有编程的条件下产生大量有突破性的、针对特定行业的结果。机器学习带给我们的机会让我们可以创造出全新的文明，而不是在一座空城里仅有一幢摩天大楼。

©本文由机器之心编译，机器之心系今日头条签约作者，本文首发于头条号，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]