於商業流程中導入機器學習的5階段(下)

今天的文章內容，將延續昨天談到的於商業過程中的回饋迴圈，其建立過程到底會歷經哪5個階段，才能成功地使用機器學習為商業運作帶來轉型? (見圖1)

圖1
Source: Coursera - How Google does Machine Learning

這五個階段可搭配上一篇文章中所提到的回饋迴圈流程示意圖來進行對應，前三階段可對應到回饋迴圈當中Process的環節，而Big Data and Analytics則是對應到Insight Generation的部分，最後，Analytics Machine Learning對應到Tuning環節。以下，我們將簡介此五階段到底是什麼。

首先是第一個階段Individual contributor，其指的是由一個人提供人力來完成某個商業過程，比如課程中就以公司接待處的工作人員為例，該員工須負責接待處的大小事務，難以進行平行與規模化。

接著是Delegation，指的是當前一階段的工作量隨著時間推進，變得愈加重要時，組織便會規劃更多人力進行該工作，在此情況下，該項工作在多人同時運作的情況下，便可以有效地進行分配，因此能夠規模運作化下去，並且在同時會制定一些流程守則以提升效率。

第三階段是Digitization，在此階段中，組織會將一部份甚至全部過往由人力完成的工作數位化，比如說以電腦自動化某段商業流程，除了可以解放一部份的人力去執行更高價值的工作，而非一再重複的環節之外，更可以有效地紀錄商業流程中所產生的數據，在日後產生用途。

然後，於下一階段的Big Data and Analytics中，組織將基於過往收集的資料，搭配分析技術與工具，從數據中挖掘洞見。

最後，就來到我們引頸期盼的Analytics Machine Learning，我們會根據前一階段得到的多項數據中發掘之分析精華，藉由建立機器學習模型，來準確地描繪從特徵到預測結果再到可作為行動的建議之層層關係，以調整商業流程之運作，優化以往商業流程從輸入到輸出之成效。