【評DataRobot價值】台灣企業高喊AI-Driven，到底要用什麼來借力使力？
在投資預算相同的情況下，是什麼樣的企業只專注在功能上的比較，而又是什麼樣的企業選擇快馬加鞭、正式進入第一個三年期的AI應用啟動之路？
自07/25、07/26 的DataRobot在金融業與製造業的應用分享會後(當天的FAQ請點這)，這三個多月以來，我們有機會與台灣前幾大的金融、製造業客戶，比較深入討論他們想要如何利用機器學習來提高運營效率、降低風險，又或是內部正在徵招什麼樣的專才、遇到什麼樣的模型訓練卡關等。
一、我們發現這些企業在逐步邁向AI-Driven的升級轉型之路時，都經歷了3階段挑戰：
- 找不到專才、或是既有人才也還在摸索，即戰力還不夠。
- 有人主導了，但開發模型、調教模型的流程很冗長，想壓專案時間但又有產出品質優劣疑慮的矛盾。
- 第一個由某個部門主導的機器學習應用上線了，下一個應用部門的優先順序？應該找誰做跨功能單位的主導、怎麼樣才能最大利用之前的經驗？更重要的是，由誰來確保預測議題的方向是對的？
這三階段的挑戰，有點像是必須在有限的時間、精力，要挑戰完成一份共有50題的數學考試。
如果一拿到考卷，沒看清楚、沒想清楚就一頭栽入苦幹的話，會遇到：
在第一個人才關卡，幾乎投入1/3精力、時間，結果只解了第1題 ;
在第二個流程關卡，幾乎把剩下的2/3精力全投入，才發現只解到第5題 ;
到第三個規模關卡，完全已沒有多餘的時間跟精力，剩下的45題只好空白。
最後的成績，最好的情況下，也就是5題分數全拿，但總分還是很低。也就是人找到了、第一個應用也做出來了，但影響整體企業的規模還沒看到。
為什麼明明那麼認真努力、動用了大量精力時間，還拿不到好成績？
因為只在一個單點上100分的努力，在成效上，仍比不上在一個成熟系統之內 70分的努力，
借力使力是啟動變革、邁向目標的一種策略手段。
我們在想，如果可以倒著來破關卡，是不是可以推更多台灣中大型企業加速走向AI應用的道路？而且走得堅定、走得有自信。
也就是，把思考的優先順序改為 規模 →流程 →人力
- 我今天能不能先正確識別公司可以用機器學習技術，來提高效率的機會點有哪些、決定第一階段要先從哪個功能單位開始、下一階段才開始的功能單位應該先做什麼樣的準備等，事先預見將做到怎麼樣的規模。
- 研發流程上，我能不能不要費時重新製造輪子、而是挑選好的輪胎讓我跑得更穩更遠 ; 管理與合作流程上，我要能確保我提出的問題是正確有效、合理的，提供團隊有實質意義的方向指導與見解。
- 人才培育上，我能不能改進讓團隊慢慢做中學的方式，加速養成我自己的人才。
而以上這三點，就是我們看待DataRobot對台灣企業的價值，是一個具備「提供系統性知識教育」、「扮演跨部門協作者」的外部資源，不單單只是個好用好厲害的單一產品釣竿。
二、DataRobot 不只提供釣竿，還建立知識體系、和你同進退的Data Scientist專案夥伴，目標要確保你知道「怎麼高效釣魚」
簡單來說，分三個面向來看DataRobot的價值:
1.軟體本身(Software)：
作為市場上機器學習自動化程度最高的解決方案，自動化的定義大家都明白，就是要把很常會遇到、一直重複、試誤價值很低的事情自動處理，我們都討厭在舊事情上流下新的汗水。
此外，機器學習不是一次性的系統開發，而是一個會隨著新數據的增加，歷史資料模式會改變、而需要不斷更新調整的不間斷旅程，更加不希望每次都重新打造輪子。
自動化是最基本的價值，再來就是訓練出的「模型是可解釋的」，以銀行業應用來說，這點也是美國監管機構認可的關鍵。
☞ 看應用案例來理解
☞推薦閱讀【DataRobot初登場】ML訓練師的秘密武器！AutoML到底是什麼？
2. 培訓課程(Education)：
目的是讓企業內不同角色能在共同認知下溝通，特別還針對Executives提供培訓，讓高階管理者跟專案團隊溝通時，能提出有實質意義、有挑戰性的問題或建議。
☞ 看DataRobot University、Education Director John Boersma
3. 專案服務(Service)：
已經做過POC的客戶應該都知道，DataRobot的POC和一般軟體的POC很不一樣，這是一個很重視雙方都要投入的過程，很像立即開始一個小型專案。
DataRobot在POC階段，就會指派一個面向客戶的Data Scientist(Customer-facing Data Scientist,CFDS)，像是Yeo Hwee Theng，DataRobot在全球7個辦公室共有100多位這樣的角色，主要會和客戶一起評估要做POC的議題是否真的適合、還需要哪些資料、甚至協助客戶試用等。
而在正式進入三年期的專案期，這位DataRobot的Data Scientist 除了會依照你的團隊成熟度去規劃各階段的訓練課程，確保團隊的基礎知識與共同語言外，也會帶入全球各地其他DataRobot客戶的實操經驗，注入更多思考事情的視角。
總的來說，DataRobot的Customer-facing Data Scientist(CFDS) 在公司團隊內的角色，
像是辦公室外延伸的即戰力員工、全球應用案例的資訊情報員，最終在密切合作過程中，讓既有團隊的能力也同步升級。
推薦閱讀
【DataRobot ＠金融業應用】用Auto ML 提高既有AML Program的執行效率
【DataRobot活動回顧】07/25 金融場 Top 5 常見問題總整理！
【DataRobot初登場】ML訓練師的秘密武器！AutoML到底是什麼？
【回歸基本面】人工智慧AI 和 機器學習ML 之間的關係
☞ 若您對DataRobot 也有興趣，歡迎留個言跟我們說，我們迫不及待想幫你加速！🚀
我們致力幫助大中華區的企業更活用數據資產，以企業「反應速度」建立新的競爭優勢。 Speed and Productivity Matter.
服務據點：台北 ▎新竹 ▎上海 ▎深圳
服務內容：Technical Support ▎ Class Training ▎Consulting Service
