這節會點出第一篇所提到的內容作呼應，也就是跨領域合作。

國內大部分的AI還在規劃討論階段，而全球較先進的地方是在進行式階段。 這代表還有突破的空間。
如何運用機器學習來協助公司及主管做策略預測，讓負責決策的主管可以了解機器學習，或導入AI可以對公司有什麼好處，可以從需求預測開始彙整。

機器學習需求預測說明

讓機器幫忙需求預測，有幾點要先釐清:

• 要讓機器辨認什麼項目
• 要讓機器學習哪些資料
• 是否資料的前因後果及關聯性都準備好，且有足夠的量供訓練
• 導入需求預測的期望目標及好處

關於需求預測，我們可以從微軟提供的資訊來當作範例:

• 出貨需求預測
  https://learn.microsoft.com/zh-tw/azure/architecture/solution-ideas/articles/demand-forecasting-for-shipping-and-distribution

• 定價需求預測
  https://learn.microsoft.com/zh-tw/azure/architecture/solution-ideas/articles/demand-forecasting-price-optimization-marketing

可從前端的供應鏈，也就是供應鏈到製成商品，再到市場銷售端-販售商品給客戶，可以先從此二種需求預測切入。

公司使用機器學習預測，在決策上需要運用哪些資料，需要透過組織之間跨單位合作，如果每個部門的領域不同，就可以是跨領域的溝通與激盪點子。

透過腦力激盪，結合不同的見解與創新點子、靈感，產生新的化學效應，而這需要改變公司的風氣。

如行銷與業務部門，結合財務與資訊部門，可以共同探討什麼樣的因子、要素，會讓市場改變風向等等，會影響的要素，就可以考慮放入機器學習的訓練。

最好的機器學習預測效果就如同軍備競賽，如果機器預測是軍備，那競爭力可謂就是軍備競賽，誰能得到最好的預測效果，誰就能戰勝競爭對手。

機器預測不是只有技術力還有資料，更需要市場面及跨部門的溝通及判斷，若只是單純憑技術人員與累積的資料，可能也無法讓機器預測到突如其來的環境或政策因素造成的衝擊，甚至可能落後競爭對手。因此，讓機器可以取得不同領域人才的見解考慮因素，並把人才所考慮的因素一併納入機器學習中，或許也是戰勝競爭對手的關鍵。

這也是第一節文章所探討的，拉進不同領域的人來參與，是非常重要的方向。

不同領域的成員，會產生出新的知識，相對也可能產生新的數據資料供機器學習，在意義上會較接近機器在學習適應環境的變動，來預測新的需求結果。

而讓機器做修正預測，這些跨領域的合作必須定期開review會議，甚至不排除轉換不同研究小組的交錯會議討論，
讓機器得以做適當的訓練修正。甚至可以安排內部競賽，來為公司取得更多的無限可能。

新的點子與數據資料 -> 訓練機器 -> 機器需求預測 -> 實際市場行動 -> 觀察市場反應 -> 修正需求預測 -> 更新市場行動 -> 反饋於機器訓練 -> 機器需求預測