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採用，這並不稀奇。隨著組織努力創造價值，增強客戶體驗，遵守嚴格的規定並使自己與競爭對手區分開來時，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。很難在正確的時間顯示正確的資訊並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並利用企業資料。這種技術有效地推動了一種新的資訊獲取方式，它比以往任何時候都更快、更準確、更有思想。成功通過後，企業將獲得真正的資訊驅動，從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爭優勢，因為它重新定義了專業人士、企業和行業的運作方式——但企業如何成功採用這些技術？

1.結合使用者目標

為了推動這些型別的技術的採用，實現必須與每個使用者的個人需求保持一致。雖然看起來很明顯需要提取正確的資料以滿足特定的使用者需求，但資料也必須以一種直觀且及時的方式呈現，使其與使用者的目標相關聯。資料驅動的時代正在讓位於資訊驅動的經濟，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著收集資料，以正確的方式豐富資料，並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，並以一種結合使用者目標的方式呈現結果資訊。

由於每個使用者的目標和需求會有所不同，因此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，在製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絡。 這一切都始於資訊驅動。

2.簡單地開始

對於組織來說，通過在企業資料中合併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並發現與當前任務相關的資訊。合併上下文意味著在分散的儲存庫中的相關資料之間建立連線，並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，特別是非結構化資料，通過自然語言處理(NLP)和人工推理，可以增加更多的上下文。 這些由現代技術實現的技術可以豐富資料並建立有意義的連線。它減少了對非結構化資料的管理，更多的是關於如何利用它，並以更有價值的方式。對於組織來說，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，組織只有在裝備成為軟體開發商店時才應該考慮。

3.將該技術投入到你的業務環境中

與將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來源，包括所有型別的內部和外部資料，無論是內部部署還是雲中。因此，該系統必須具有高度可擴充套件性。與像Salesforce這樣需要將資料載入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套件的方式利用分散儲存庫中的資料。這反過來又簡化了業務流程，使知識型員工可以將更少的時間花在日常工作上，而更多的時間專注於重要問題。

隨著組織根據自己的特定需求調整資訊驅動方法，融入並簡單地開始將是成功的關鍵。通過在現有知識的基礎上學習並隨著時間的推移變得更加智慧，這種轉變為組織在解決未來挑戰方面帶來了驚人的優勢。

數十款阿里雲產品限時折扣中，趕緊點選領劵開始雲上實踐吧！

本文由阿里云云棲社群組織翻譯。

文章原標題《3-tips-for-successfully-adopting-machine-learning-1》

作者：Scott Parker，高階產品營銷經理

譯者：董昭男，審校：。

文章為簡譯，更為詳細的內容，請檢視原文