這次我們將可以由一位Google內部的軟體工程師來認識到Google是怎麼去使用ML的，有趣的是他的切入點將沒有數學、TensorFlow甚至是雲端，而是他第一手接觸到的核心問題。

題外話:
　　先是像同樣參與鐵人賽的朋友們致歉，我相信這場活動很正面並鼓勵大家每天努力的去學習、分享自己挑戰的內容，而今天我也努力的從線上課程上學習了不少，但突然需要照顧出了車禍的室友所以會來不及更新內文，在優先保持學習進度的前提下，之後的內容也可能需要再騰出時間才能充實，會盡快回頭補足本系列文章

好如題外話前所述，內容先從商業化過程開始。

這是一普遍的客服回應改進流程，實際上我們能將他轉化為另一張圖表並配合我們使用ML的一步步程序

1.Individual contributor
先從非重要的任務由獨立一人完成開始
2.Delegation
當任務變的越發重要則開始多人執行
3.Digitization
將部分重複性高的任務自動化運行(Ex:ATM)
4.Big Data and Analytics
由大量數據帶入人的見識去改善任務、環節
5.Machine learning
運用ML開始完全自動化的運行前述內容一步一步進步

套用前述內容則可以用以下示意圖大略了解相互的關係