隨著過去10年數(shù)碼化和大數(shù)據(jù)的興起，企業(yè)正在實施機(jī)器學(xué)習(xí)策略，并雇用更多資料科學(xué)家。然而單單作用資料科學(xué)家無法讓業(yè)務(wù)流程更有效率，而需要配套基礎(chǔ)設(shè)施和工具軟件來處理數(shù)據(jù)。

追求數(shù)碼化的企業(yè)目前很需要資料科學(xué)家擁有的知識和專業(yè)技能。但資料科學(xué)家仍面臨許多挑戰(zhàn)，資料科學(xué)家雖喜歡分析數(shù)據(jù)，但不喜歡整理雜亂數(shù)據(jù)的任務(wù)。這些任務(wù)目前消耗其日常工作的8成時間，使其沒有多少時間完成從分析數(shù)據(jù)中提取見解、對業(yè)務(wù)產(chǎn)生正面影響的實際工作。

許多企業(yè)認(rèn)為培訓(xùn)模型完全依賴于算法和編碼技能。實際上，培訓(xùn)過程是由完整的系統(tǒng)組成，該系統(tǒng)包含許多可單獨影響最終模型開發(fā)的子組件。因此，這些企業(yè)未能使用數(shù)據(jù)工具為資料科學(xué)家提供有效管理和分析數(shù)據(jù)所需的連網(wǎng)數(shù)據(jù)庫。

資料科學(xué)家擁有組織內(nèi)部最先進(jìn)的技能組合，但若無適當(dāng)?shù)幕A(chǔ)設(shè)施使其高效地工作，其知識就會被浪費在組織數(shù)據(jù)而不是理解數(shù)據(jù)上?，F(xiàn)今有太多數(shù)據(jù)，就算最出色的資料科學(xué)家也難以有效管理。加上不穩(wěn)定的基礎(chǔ)設(shè)施及缺乏工具，可能導(dǎo)致資料科學(xué)家因為工作負(fù)擔(dān)太重而經(jīng)常離職。

為避免數(shù)據(jù)變得陳舊或無法使用，企業(yè)應(yīng)盡早實施機(jī)器學(xué)習(xí)服務(wù)和工具，好以高效、及時的方式分析數(shù)據(jù)。企業(yè)應(yīng)將更穩(wěn)定、高效的機(jī)器學(xué)習(xí)策略方案視為可實施的服務(wù)，而不僅是可雇傭的更多技能。

招聘能管理這些任務(wù)的資料科學(xué)家對企業(yè)很重要。但更重要的是，企業(yè)須提供發(fā)揮其專業(yè)知識所需的工具和資源，而這些工具可從專注于機(jī)器學(xué)習(xí)的合適技術(shù)伙伴處取得。