1.如何成為一個(gè)IDO?

要成為一個(gè)IDO(insight-driven organization)，前提是要有數(shù)據(jù)以及操作和分析數(shù)據(jù)的工具;然后還要有一定經(jīng)驗(yàn)的數(shù)據(jù)分析師或數(shù)據(jù)科學(xué)家;最后需要找到一種技術(shù)或者方法，在公司實(shí)施洞察力驅(qū)動(dòng)的決策過程。

機(jī)器學(xué)習(xí)是能極大限度發(fā)揮數(shù)據(jù)優(yōu)勢的技術(shù)。機(jī)器學(xué)習(xí)流程是先運(yùn)用數(shù)據(jù)訓(xùn)練預(yù)測模型，訓(xùn)練成功之后再處理與數(shù)據(jù)相關(guān)的問題。其中，人工神經(jīng)網(wǎng)絡(luò)是很有效的技術(shù)，它的設(shè)計(jì)構(gòu)思來自現(xiàn)階段我們對(duì)人腦工作方式的理解?？紤]到我們現(xiàn)階段擁有的巨大計(jì)算資源，它能通過大量數(shù)據(jù)訓(xùn)練產(chǎn)生讓人難以置信的模型。

企業(yè)能用各種自助化軟件和腳本完成不同的任務(wù)，來規(guī)避人為錯(cuò)誤的情況。同樣，你也完全能基于數(shù)據(jù)進(jìn)行決策來規(guī)避當(dāng)中的人為錯(cuò)誤。

2.為什么企業(yè)在采用AI方面進(jìn)展緩慢?

運(yùn)用AI或機(jī)器學(xué)習(xí)來處理數(shù)據(jù)的企業(yè)僅是少數(shù)。美國人口普查局指出，截至2020年，只有不到10%的美國企業(yè)采用了機(jī)器學(xué)習(xí)。

采用機(jī)器學(xué)習(xí)的困難包括：

AI在取代人類之前還有大量工作沒有完成。首先是很多企業(yè)缺少且請不起專業(yè)人員。數(shù)據(jù)科學(xué)家在這一領(lǐng)域備受推崇，但他們的雇傭成本也是極高的。

缺少可用數(shù)據(jù)、數(shù)據(jù)安全性以及耗時(shí)的機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)。

企業(yè)很難創(chuàng)造一個(gè)環(huán)境，來讓數(shù)據(jù)及其優(yōu)勢得到發(fā)揮。這種環(huán)境需要相應(yīng)的工具、過程和策略。

3.機(jī)器學(xué)習(xí)的推廣只有自動(dòng)機(jī)器學(xué)習(xí)工具是不夠的

自動(dòng)機(jī)器學(xué)習(xí)平臺(tái)雖然有著很光明的未來，但其覆蓋面現(xiàn)階段還相當(dāng)有限，同時(shí)關(guān)于自動(dòng)機(jī)器學(xué)習(xí)能否很快取代數(shù)據(jù)科學(xué)家的說法也有爭論。

如果想要在公司成功部署自動(dòng)機(jī)器學(xué)習(xí)，自助機(jī)器學(xué)習(xí)工具確實(shí)是至關(guān)重要的，但過程、方法和策略也必須重視。自助機(jī)器學(xué)習(xí)平臺(tái)只是工具，大多數(shù)機(jī)器學(xué)習(xí)專家認(rèn)為這是不夠的。

4.分解機(jī)器學(xué)習(xí)過程

任何機(jī)器學(xué)習(xí)進(jìn)程都從數(shù)據(jù)開始。我們普遍認(rèn)為，數(shù)據(jù)準(zhǔn)備是機(jī)器學(xué)習(xí)過程中最重要的環(huán)節(jié)，建模部分只是整個(gè)數(shù)據(jù)管道的一部分，同時(shí)通過自助機(jī)器學(xué)習(xí)工具得到簡化。完整的工作流仍需要大量的工作來轉(zhuǎn)換數(shù)據(jù)并將其提供給模型。數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)轉(zhuǎn)換可謂工作中最耗時(shí)、最令人不愉快的部分。

另外，用于訓(xùn)練機(jī)器學(xué)習(xí)模型的業(yè)務(wù)數(shù)據(jù)也會(huì)定期更新。因此，它要求企業(yè)構(gòu)建能夠掌握復(fù)雜的工具和流程的復(fù)雜ETL管道，因此確保機(jī)器學(xué)習(xí)流程的連續(xù)和實(shí)時(shí)性也是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。

5.將機(jī)器學(xué)習(xí)與應(yīng)用程序集成

假設(shè)現(xiàn)在我們已經(jīng)構(gòu)建了機(jī)器學(xué)習(xí)模型，然后需要將其部署。經(jīng)典的部署方法將其視為應(yīng)用層組件，如下圖所示：

它的輸入是數(shù)據(jù)，輸出是我們得到的預(yù)測。通過集成這些應(yīng)用程序的API來運(yùn)用機(jī)器學(xué)習(xí)模型的輸出。僅從開發(fā)者的角度來看，這一切似乎很容易，但在考慮流程時(shí)就不是那么回事了。在一個(gè)龐大的組織中，與業(yè)務(wù)應(yīng)用程序的任何集成和維護(hù)都相當(dāng)麻煩。即使公司精通技術(shù)，任何代碼更改請求都必須通過多級(jí)部門的特定審查和測試流程。這會(huì)對(duì)靈活性產(chǎn)生負(fù)面影響，并增加整個(gè)工作流的復(fù)雜性。

如果在測試各種概念和想法方面有足夠的靈活性，那么基于機(jī)器學(xué)習(xí)的決策就會(huì)容易得多，因此我們會(huì)更喜歡具有自助服務(wù)功能的產(chǎn)品。

6.自助機(jī)器學(xué)習(xí)/智能數(shù)據(jù)庫?

正如我們上面看到的，數(shù)據(jù)是機(jī)器學(xué)習(xí)進(jìn)程的核心，現(xiàn)有的機(jī)器學(xué)習(xí)工具獲取數(shù)據(jù)并返回預(yù)測結(jié)果，而這些預(yù)測也是數(shù)據(jù)的形式。

現(xiàn)在問題來了：

為什么我們要把機(jī)器學(xué)習(xí)作為一個(gè)獨(dú)立的應(yīng)用程序，并在機(jī)器學(xué)習(xí)模型、應(yīng)用程序和數(shù)據(jù)庫之間實(shí)現(xiàn)復(fù)雜的集成呢?

為什么不讓機(jī)器學(xué)習(xí)成為數(shù)據(jù)庫的核心功能呢?

為什么不讓機(jī)器學(xué)習(xí)模型通過標(biāo)準(zhǔn)的數(shù)據(jù)庫語法(如SQL)可用呢?

讓我們分析上述問題及其面臨的挑戰(zhàn)，來找到機(jī)器學(xué)習(xí)解決方案。

挑戰(zhàn)#1：復(fù)雜的數(shù)據(jù)集成和ETL管道

維護(hù)機(jī)器學(xué)習(xí)模型和數(shù)據(jù)庫之間的復(fù)雜數(shù)據(jù)集成和ETL管道，是機(jī)器學(xué)習(xí)流程面臨的最大挑戰(zhàn)之一。

SQL是極佳的數(shù)據(jù)操作工具，所以我們能通過將機(jī)器學(xué)習(xí)模型引入數(shù)據(jù)層來解決這個(gè)問題。換句話說，機(jī)器學(xué)習(xí)模型將在數(shù)據(jù)庫中學(xué)習(xí)并返回預(yù)測。

挑戰(zhàn)#2：機(jī)器學(xué)習(xí)模型與應(yīng)用程序的集成

通過API將機(jī)器學(xué)習(xí)模型與業(yè)務(wù)應(yīng)用程序集成是面臨的另一個(gè)挑戰(zhàn)。

業(yè)務(wù)應(yīng)用程序和BI工具與數(shù)據(jù)庫緊密耦合。因此，如果自助機(jī)器學(xué)習(xí)工具成為數(shù)據(jù)庫的一部分，我們就能用標(biāo)準(zhǔn)SQL語法進(jìn)行預(yù)測。接下來，機(jī)器學(xué)習(xí)模型和業(yè)務(wù)應(yīng)用程序之間不再需要API集成，因?yàn)槟Ｐ婉v留在數(shù)據(jù)庫中。

解決方案：在數(shù)據(jù)庫中嵌入自助機(jī)器學(xué)習(xí)

在數(shù)據(jù)庫中嵌入自助機(jī)器學(xué)習(xí)工具會(huì)帶來很多好處，比如：

任何運(yùn)用數(shù)據(jù)并了解SQL的人(數(shù)據(jù)分析師或數(shù)據(jù)科學(xué)家)都能利用機(jī)器學(xué)習(xí)的力量。

軟件開發(fā)人員能更有效地將機(jī)器學(xué)習(xí)嵌入到業(yè)務(wù)工具和應(yīng)用程序中。

數(shù)據(jù)和模型之間以及模型和業(yè)務(wù)應(yīng)用程序之間不需要復(fù)雜的集成。

這樣一來，上述相對(duì)復(fù)雜的集成圖表變更如下：

它看起來更簡單，也使機(jī)器學(xué)習(xí)過程更流暢高效。

7.如何實(shí)現(xiàn)自助式機(jī)器學(xué)習(xí)將模型作為虛擬數(shù)據(jù)庫表

找到解決方案的下一步是來實(shí)施它。

為此，我們運(yùn)用了一個(gè)叫做AI Tables的結(jié)構(gòu)。它以虛擬表的形式將機(jī)器學(xué)習(xí)引入數(shù)據(jù)平臺(tái)。它能像其他數(shù)據(jù)庫表一樣創(chuàng)建，然后向應(yīng)用程序、BI工具和DB客戶端開放。我們通過簡單地查詢數(shù)據(jù)來進(jìn)行預(yù)測。

AI Tables最初由MindsDB開發(fā)，能作為開源或托管云服務(wù)運(yùn)用。他們集成了傳統(tǒng)的SQL和NoSQL數(shù)據(jù)庫，如Kafka和Redis。

8.運(yùn)用AI Tables

AI Tables的概念使我們能夠在數(shù)據(jù)庫中執(zhí)行機(jī)器學(xué)習(xí)過程，這樣機(jī)器學(xué)習(xí)過程的所有步驟(即數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練和預(yù)測)都能通過數(shù)據(jù)庫進(jìn)行。

訓(xùn)練AI Tables

首先，用戶要根據(jù)自己的需求創(chuàng)建一個(gè)AI Table，它類似于一個(gè)機(jī)器學(xué)習(xí)模型，包含了與源表的列等價(jià)的特征;然后通過自助機(jī)器學(xué)習(xí)引擎自助完成剩余的建模任務(wù)。后文還將舉例說明。

做預(yù)測

一旦創(chuàng)建了AI Table，它不需要任何進(jìn)一步的部署就能用了。要進(jìn)行預(yù)測，只需要在AI Table上運(yùn)行一個(gè)標(biāo)準(zhǔn)SQL查詢。

你能逐個(gè)或分批地進(jìn)行預(yù)測。AI Tables能處理很多復(fù)雜的機(jī)器學(xué)習(xí)任務(wù)，如多元時(shí)間序列、檢測異常等。

9.AI Tables工作示例

對(duì)于零售商來說，在適當(dāng)?shù)臅r(shí)間保證產(chǎn)品都有適當(dāng)?shù)膸齑媸且豁?xiàng)復(fù)雜的任務(wù)。當(dāng)需求增長時(shí)，供給隨之增加。基于這些數(shù)據(jù)和機(jī)器學(xué)習(xí)，我們能預(yù)測給定的產(chǎn)品在給定的日期應(yīng)該有多少庫存，來為零售商帶來更多收益。

首先你需要跟蹤以下信息，建立一張AI Table：

產(chǎn)品售出日期(date_of_sale)

產(chǎn)品售出店鋪(shop)

具體售出產(chǎn)品(product_code)

產(chǎn)品售出數(shù)量(amount)

如下圖所示：

（1）訓(xùn)練AI Tables

要?jiǎng)?chuàng)建和訓(xùn)練AI Tables，你首先要允許MindsDB訪問數(shù)據(jù)。詳細(xì)說明可參考MindsDB文檔( MindsDB documentation)。

AI Tables就像機(jī)器學(xué)習(xí)模型，需要運(yùn)用歷史數(shù)據(jù)來訓(xùn)練它們。

下面運(yùn)用一個(gè)簡單的SQL命令，訓(xùn)練一個(gè)AITable：

讓我們分析這個(gè)查詢：

運(yùn)用MindsDB中的CREATE PREDICTOR語句。

根據(jù)歷史數(shù)據(jù)定義源數(shù)據(jù)庫。

根據(jù)歷史數(shù)據(jù)表(historical_table)訓(xùn)練AI Table，所選列(column_1和column_2)是用來進(jìn)行預(yù)測的特征。

自助機(jī)器學(xué)習(xí)自動(dòng)完成剩下的建模任務(wù)。

MindsDB會(huì)識(shí)別每一列的數(shù)據(jù)類型，對(duì)其進(jìn)行歸一化和編碼，并構(gòu)建和訓(xùn)練機(jī)器學(xué)習(xí)模型。

同時(shí)，你能看到每個(gè)預(yù)測的總體準(zhǔn)確率和置信度，并估計(jì)哪些列(特征)對(duì)結(jié)果更重要。

在數(shù)據(jù)庫中，我們經(jīng)常需要處理涉及高基數(shù)的多元時(shí)間序列數(shù)據(jù)的任務(wù)。如果運(yùn)用傳統(tǒng)的方法，需要相當(dāng)大的力氣來創(chuàng)建這樣的機(jī)器學(xué)習(xí)模型。我們需要對(duì)數(shù)據(jù)進(jìn)行分組，并根據(jù)給定的時(shí)間、日期或時(shí)間戳數(shù)據(jù)字段對(duì)其進(jìn)行排序。

例如，我們預(yù)測五金店賣出的錘子數(shù)量。那么，數(shù)據(jù)按商店和產(chǎn)品分組，并對(duì)每個(gè)不同的商店和產(chǎn)品組合作出預(yù)測。這就給我們帶來了為每個(gè)組創(chuàng)建時(shí)間序列模型的問題。

這聽起來工程浩大，但MindsDB提供了運(yùn)用GROUP BY語句創(chuàng)建單個(gè)機(jī)器學(xué)習(xí)模型，來一次性訓(xùn)練多元時(shí)間序列數(shù)據(jù)的方法。讓我們看看僅運(yùn)用一個(gè)SQL命令是如何完成的：

創(chuàng)建的stock_forecaster預(yù)測器能預(yù)測某個(gè)特定商店未來將銷售多少商品。數(shù)據(jù)按銷售日期排序，并按商店分組。所以我們能為每個(gè)商店預(yù)測銷售金額。

（2）批量預(yù)測

通過運(yùn)用下面的查詢將銷售數(shù)據(jù)表與預(yù)測器連接起來，JOIN操作將預(yù)測的數(shù)量添加到記錄中，因此我們能一次性獲得很多記錄的批量預(yù)測。

如想了解更多關(guān)于在BI工具中分析和可視化預(yù)測的知識(shí)，請查看這篇文章。

（3）實(shí)際運(yùn)用

傳統(tǒng)方法將機(jī)器學(xué)習(xí)模型視為獨(dú)立的應(yīng)用程序，需要維護(hù)到數(shù)據(jù)庫的ETL管道和到業(yè)務(wù)應(yīng)用程序的API集成。自助機(jī)器學(xué)習(xí)工具盡管使建模部分變得輕松而直接，但完整的機(jī)器學(xué)習(xí)工作流也仍然需要經(jīng)驗(yàn)豐富的專家管理。其實(shí)數(shù)據(jù)庫已經(jīng)是數(shù)據(jù)準(zhǔn)備的優(yōu)選工具，因此將機(jī)器學(xué)習(xí)引入到數(shù)據(jù)庫而非將數(shù)據(jù)引入機(jī)器學(xué)習(xí)中是更有意義的。由于自助機(jī)器學(xué)習(xí)工具駐留在數(shù)據(jù)庫中，來自MindsDB的AI Tables構(gòu)造能夠?yàn)閿?shù)據(jù)從業(yè)者提供自助自助機(jī)器學(xué)習(xí)并讓機(jī)器學(xué)習(xí)工作流得以簡化。