The Single Most Important Thing You Need To Know As A Startup
 |
leiphone 作者：恒亮
按：本文原作者 Matthew Coffman，他是專注於企業雲的風投基金 High Alpha 的產品經理，具有豐富的大數據行業經驗，也參與和見證了許多數據類公司的創立和發展。
根據自己在行業裡多年的觀察和思考，Matthew Coffman 提出了以下幾條針對初創公司的數據科學實踐指南。
Matthew Coffman
首先，我們需要明確一個概念：什麼是數據科學家？
一般的定義是：能夠採用科學方法、運用數據挖掘工具，對複雜多量的資訊，進行數位化重現與認識，並能從中找出新的數據洞察的工程師或專家。
這裡，從實際工程的角度，來自知名資訊聚合平台 Slack 的首席數據工程師 Josh Wills ，對數據科學家下了這樣一個更精闢的定義：軟體工程師裡統計學最好的，統計學家裡編程能力最強的那些人，就是數據科學家。
下面進入正題，作為一個初創公司的項目主管，怎樣才能更好地應對數據科學挑戰呢，有如下幾條實踐指導。
第一步：理解數據科學的格局
首先需要明確的一點是，當前的數據科學、機器學習和 AI 作為一個獨立的行業，都已經具備了相當的體量。利用各種供應商提供的各種平台、工具和算法，我們幾乎可以解決所有應用程序的相關問題。
但這些工具和平台，與真正的數據科學家是兩回事。事實上，目前所有的大公司，都在競聘行業裡頂尖的數據科學家。因此，對於那些專注於研究下一代的智慧聊天機器人，或者大數據分析應用的創業者來說，機會已經不多了。
如果你的公司足夠幸運，已經招到了一位珍貴的數據科學家，那就一定要讓他作為你的合伙人，共同規劃和執行公司的項目。同時你需要明確的一點是，在建構和擴展應用程序的所有其他複雜功能方面，數據科學家們很多時候，並不具備其他工程師的專業知識和經驗。一定要讓數據科學家和工程師協同合作，共同參與項目的規劃，才能最大限度地確保成功。
那麼，在缺少主題專家的情況下，項目主管要怎樣為其產品，尋求有意義的數據科學驅動功能呢？這裡推薦一個非常實用的方法：就像大多數其他產品的規劃流程一樣，做到理智的取捨。在當前豐富而強大的工具和平台的幫助下，團隊可以實現幾乎任何想要的功能。因此，對項目主管來說，重點就在於確定真正核心的功能並平衡其影響。
第二步：最小化的可用數據產品（Minimum viable data products，MVDP）
創業圈流行這樣一個理念：開發產品時先做出一個簡單的原型——最小化的可用產品（Minimum Viable Product, MVP），然後通過測試，並收集用戶的回應，快速迭代，不斷修正產品，最終適應市場的需求，推出讓用戶滿意的產品。這一點放在數據產品上也同樣適用。
要做到 MVDP，有以下三點需要注意：
1. 對客戶真正有價值：增強或加深他們與產品的關係；
2. 可用和足夠的數據：即使是最好的算法，也不能沒有數據去執行；
3. 即時性的交付：團隊是否可以利用現有的資源，和現成的解決方案實現功能。
項目主管可以從產品特性討論開始，優先考慮那些對客戶最有價值的特性。並且與工程師團隊（以及潛在的數據科學專業人員）一起討論，確定待實現的特性與現有的數據、資源是否匹配。
不要擔心縮小範疇，MVDP 本身的目標，就是快速輸出一個對客戶有價值的原型產品。只要能證明這個原型有價值，後續可以再添加額外的複雜功能。這一點放在數據科學項目上尤其重要，因為數據產品在很大程度上，就是要盡量防止過多的複雜性，以減少項目落空的機會。
第三步：制訂對工程師友好的解決方案
當前，一般的工程師和產品團隊，在實現產品性能方面，都表現優異，但是他們通常都需要一些工具包，或者框架的幫助。數據科學家們提供了給定數據集的深層次的理解，提供了正確的工具/技術來幫助實現產品特性，並成功將這些工具和產品應用，到產品研發的過程中。
可能有些創業公司目前並沒有自己的數據科學家，但可喜的是，現在互聯網上充滿了相關教程和學習資料，還有豐富的程序Demo和API接口，可以幫助這些公司實現數據科學的相關功能。
而且，目前幾乎所有的算法和技術，都可以找到第三方實現好的現成的工具包，工程師團隊真正的研發重點，應該是數據的準備和加載，訓練和選擇合適的模型/算法/工具，並將其成功應用在產品裡。
必須明確的一點是：團隊不應該完全從零開始建構所有東西，這是一種寶貴資源的浪費。
隨著 MVDP 的實現，下面需要找到最實用的方法，來實現產品特性。當然，需要首先明確的一點是：並不存在某個單一的工具或平台適合所有產品。對此，我們給出以下幾條建議。
1. 通用的機器學習平台和預測服務：Google Prediction API，Amazon Machine Learning API，Microsoft Azure Machine Learning API 以及 BigML。通過這些開放 API 接口，用戶可以將數據輸入到，預先建構好的或者自定義的模型，實現快速測試，並合併到產品中。
這種類型的服務，非常適合於預測用戶行為，在大數據集中標記用戶和產品，以及對數據集進行優先級排序等場景。
2. 特定用途的 AI 平台：這一類的工具似乎發展勢頭強勁，初創公司可以直接接入這些平台，然後通過雲端運算，實現各種各樣的創新功能。主要的供應商包括 IBM Watson（語音辨識，圖像辨識，翻譯）和 Google Cloud（語音，文字，圖像和其他服務），並且每天都有許多這一類的新興的初創公司湧現。
3. 博客，資源和社區討論：與大多數其他領域的發展一樣，互聯網提供了一個分享互助的基礎，初創公司可以相對容易地，與其他團隊分享和交流，他們的數據科學項目經驗，並相互學習，取長補短。這裡建議 KDnuggets 和 O'Reilly 這兩個社區。
這裡還需要強調：無論借助哪種工具或者框架的幫助，項目主管都需要明確：始終聚焦於向客戶提供，有價值的最小化的可行產品，然後其他所有的各項措施，都是圍繞這一核心目標展開的。明確這一點，有助於保持數據科學的相關項目，始終在可控的範圍內成長。
第四步：根據用戶反饋迭代產品
在做任何一個特性之前，都需要首先明確，如何衡量客戶對該特性的滿意度。考慮到數據科學項目額外的複雜性，因此，在客戶回應和特性迭代之間，建立一個緊密的循環機制，就變得更加重要。
而且由於對數據和模型的巨大依賴，因此通常情況下，研發人員很難排查，為什麼最終實現的特性，沒有預想的效果好。另外，項目主管在制訂每一輪迭代的預期工作量時，都發揮著非常重要的作用，並且通常還需要針對，一些計劃外的工作價值做出判斷。在某些極端的情況下，如果一個特性看起來，需要太多的工作投入，或者結果仍然不可預測，那麼就有可能選擇完全放棄該特性。
值得注意的是：一個好的項目主管，應該在客戶和數據之間，保持一種勤奮的工作關係。當客戶實測一個，數據科學驅動的新特性時，即時準確地考察，來自這兩個來源的回應，將變得非常重要。
總結：重視數據科學
Slack的首席數據工程師 Josh Wills 表示：當前對許多公司而言，數據科學方面的投入，只是其眾多產品投入的一部分。在大多是情況下，只需要一項或者兩項的投入起作用，就能支撐起整個產品。
而且，數據科學的入門真的很難，他稱之為信仰的行為（an act of faith）。像Facebook、谷歌和亞馬遜這樣的巨頭公司，他們的發展規模，其實早已超出了建立時的初衷，數據科學幾乎變成了所有業務的核心驅動力。
現在，機器學習和數據科學，幾乎變成了所有大公司，用來創造價值的主要工具，他們通過考察用戶體驗掌握先機，然後透過自動化的方法，透過特定的產品，使客戶的生活變得越來越便捷。
從實用的觀點來說，當下的項目主管應該要開始嘗試，將數據科學的相關特性，融入到產品中去。雖然趕超大公司，可能仍然是一個不小的挑戰，但我們需要聚焦於，我們自己的目標客戶的實際需求，並盡一切可能的努力，去提升他們的使用體驗。
沒有留言:
張貼留言