機器學習（ML，Machine learning）現在在許多行業扮演著關鍵角色。企業管理層正在敦促他們的技術團隊加速機器學習在企業內部的採用，以推動創新和長期增長。
但是，這些商業領袖對大規模機器學習部署的期望，與工程師和數據科學家實際上能夠按時、大規模地構建和落地該技術的現實之間存在脫節。
（來源：AI 生成）
Forrester 近日發布了一項受 Capital One 委託的研究，大多數高管對在整個企業中部署機器學習感到興奮，但數據科學家則表示，他們還沒有掌握大規模開發機器學習解決方案所需的所有工具。
商業領袖喜歡將機器學習視為輕鬆上手的機會：「只需將數據輸入某種黑匣子，就會出現有價值的學習結果。」但那些利用公司數據構建機器學習模型的工程師們知道，事情遠比這複雜得多。數據可能是非結構化的或質量差的，並且需要做到合規、合法並滿足許多安全參數。
這種期望與現實之間的巨大差距目前無法解決，但第一步是促進團隊之間的坦誠交流。然後，領導層才能開始在整個組織（企業）中普及機器學習。
（機器學習的）民主化意味著技術和非技術團隊都可以使用強大的機器學習工具，並得到持續學習和培訓的支持。
非技術團隊可以使用用戶友好的數據可視化工具來改進他們的業務決策，而數據科學家可以訪問強大的開發平台和雲基礎設施，他們需要這些工具才能有效地構建機器學習應用程式。
在 Capital One，我們已經使用技術民主化策略在公司（超過 50,000 多名員工）中成功擴展了機器學習的應用。
當使用機器學習幫助公司取得的成功與每個人都有關係時，業務團隊和技術團隊之間的脫節就會消失。這裡有幾個最佳實踐方式，可以將機器學習的力量傳遞給組織中的每個人。
當今最優秀的工程師不僅是技術能手，也是富有創造力的思想家，還是產品專家和設計師的重要合作夥伴。為了促進更大的合作，公司應該為技術、產品和設計提供機會，讓他們有機會一起實現共同的目標。
根據 Forrester 的研究，由於機器學習的使用可能是獨立的，因此專注於協作可能是成功的關鍵之一。它還將確保從業務、人力和技術的角度構建產品。
領導者還應該詢問工程師和數據科學家，他們需要哪些工具才能成功地加速機器學習解決方案的交付。
根據 Forrester 的調查，67% 的受訪者認為，缺乏易於使用的工具正在減緩企業採用機器學習的速度。這些工具應該與支持機器學習工程的底層技術基礎設施兼容。
不要讓開發人員處於「趕工但不得不等待」的狀態下，即他們在沙盒階段急著開發機器學習模型，但之後必須等很久才能部署它，因為他們沒有將模型投入生產環境所需的算力和基礎設施。支持機器學習訓練環境的、強大的雲原生多租戶基礎設施至關重要。
將機器學習的力量交到每個員工手中，無論他們是營銷助理還是業務分析師，都可以將任何公司轉變為數據驅動型組織。
公司可以從授予員工受監管的數據訪問權限開始。然後，為團隊提供無代碼或低代碼工具來分析數據以進行業務決策。
顯然，開發這些工具應該採用以人為中心的設計理念，這樣它們才容易使用。理想情況下，業務分析師可以上傳數據集，通過可點擊的介面應用機器學習功能，並快速生成可轉化成（業務）操作的輸出。
許多員工都希望更多地了解技術。領導者應該為整個企業的團隊提供許多學習新技能的方法。
在 Capital One，我們在多個技術技能提升項目上取得了成功，包括我們的技術學院，提供與我們的業務需求相一致的七個技術學科的課程；我們的機器學習工程項目，教授在機器學習和人工智慧領域開啟職業生涯所需的技能；以及 Capital One 開發者學院，專為準備從事軟體工程職業的、但非計算機科學學位的應屆畢業生開設。
在 Forrester 的研究中，64% 的受訪者認為缺乏培訓阻礙了機器學習在其組織中的應用。值得慶幸的是，通過鼓勵經驗豐富的員工指導年輕人才，每家公司都可以提供技能提升服務。
機器學習的民主化是在整個組織中傳播數據驅動決策的強大方式。但不要忘記衡量和評估民主化舉措的成功，並不斷改進需要努力的領域。
為了量化機器學習民主化的成功，領導者可以分析通過平台做出的哪些數據驅動的決策帶來了可衡量的業務成果，如新客戶或額外收入。
例如，在 Capital One，我們通過圍繞異常和變化點檢測的機器學習創新，測量了客戶免遭信用卡欺詐的金額。
任何機器學習民主化計劃的成功，都要建立在團隊寫作和可衡量的責任制度之上。
機器學習工具的用戶可以向技術團隊提供反饋，告訴他們哪些功能可以幫助他們更好地完成工作。
技術團隊可以分享他們在構建未來產品疊代時所面臨的挑戰，並尋求培訓和工具來幫助他們取得成功。
當業務領導者和技術團隊圍繞統一的、以人為中心的機器學習願景團結起來時，最終會使客戶受益。
一家公司可以將數據驅動的學習轉化為更好的產品和服務，讓客戶滿意。
在整個企業中部署一些最佳實踐來機器學習的民主化，將大大有助於建立一個具有強大數據洞察力和創新力的組織。
支持：Ren