前言

今天來完成 How Google does Machine Learning 第三章節的最後部分~

這次鐵人賽的30天中，我目前所寫文章的所有課程目錄如下：

• 【Day 1】準備日 – 註冊coursera與訂閱課程
• Course – How Google does Machine Learning
  • 【Day 2】 Chapter 1 – 讓你的ML在Google雲端平台運行的五大階段
  • 【Day 3】 Chapter 2(上) – 什麼是ML? 為什麼ML最近才紅起來?
  • 【Day 4】 Chapter 2(中) – 我們要怎麼樣設計一個ML問題? 與google提供的好用工具
  • 【Day 5】 Chapter 2(下) – ML要成功的秘訣與策略
  • 【Day 6】 Chapter 3(上) – ML會失敗的最常見十大陷阱

Course – How Google does Machine Learning

第三章節的課程地圖：(紅字標記為本篇文章中會介紹到的章節)
* How Google does ML
* Introduction
* ML Surprise
* The secret sauce <- (昨天到這邊)
* ML and Business Processes
* The Path to ML
* End of phases deep dive
* Module 3 Quiz

1. ML and Business Processes

課程地圖
* How Google does ML
* ML and Business Processes

(from “No ML” to “ML”)在目前的組織中加入ML的方式，我們可以先原先的業務流程來看，
我們先觀察客戶與公司之間的活動，這裡以call center作為例子：

現在有個call center
1. call center員工接聽客戶問題，回答客戶問題
2. 詢問顧客滿意度調查
3. 依據調查結果，整理調整回答問題的方式與內容(訓練機構)
4. 將調整後的內容給員工訓練

而這樣的例子我們用一個較一般化的表示方法如下圖：

這樣就是一般的 General Feedback Loop，我們試著在其中加入ML，
這裡我們必須先提到有五點 Path to ML 的方法

1. Individual contributor
   

   一個人負責這件事情

2. Delegation
   

   開始多人負責這件事情，有組織化，或有組織平行的在運作相同任務
   (通常到這階段會開始制定一些rules)

3. Digitalization
   

   開始將一些”重複性高”的動作(rules)，透過電腦來自動化幫人處理
   一個容易理解的例子：ATM

4. Big Data and Analytics
   

   使用大量的data去更符合使用者的需求(insights)

5. Machine Learning
   

   再將前面的所有資料，去進化我們的電腦處理流程(使完全自動化處理)
   (自己的註：這邊的自動化，指的是連”符合使用者的需求“這件事也自動化了)
   例子：youtube推薦，要先讓使用者有回饋給youtube喜好，youtube才能主動推薦影片

而回到我們該如何加入進去我們的 General Feedback Loop，

1. Individual contributor
2. Delegation
3. Digitalization

前三個步驟裡面可以影響到process本身，
這三個步驟主要是再處理使用者面臨到我們產品的階段。

4. Big Data and Analytics
5. Machine Learning

Big Data and Analytics主要影響到的是我們如何找尋使用者的insights，
簡單換句話說就是知道(或更加清楚)使用者想到的是什麼，

Machine Learning，我們原本藉由調查來知道使用者需求(上一個階段)，
並依這件事情訓練員工，使顧客能享受到更好的服務，
但現在我們可以用ML處理掉這階段，使得訓練員工(員工現在已經是我們的電腦)，
自動化的讓顧客能享受到更好的服務。

2. The Path to ML

課程地圖
* How Google does ML
* The Path to ML

這個章節我們要接續講上章的Path to ML，
但我們要來更詳細分析這幾個階段，
如果需要定義的話可以往上一章節看。

而在這個章節中，我們也可以拿這五個步驟來檢視一間企業目前可能碰到的問題。

Path to ML的五大步驟如下圖：

Step1. Individual contributor

由個別的人去應對一件需求。

如果skip這步驟會怎麼樣?

1. 可能很難擴展規模。
2. 沒有一個人先嘗試過，或先提早失敗過，直接建立一個很大的團體，
   如果問題發現後，很難能夠整個組織大幅度的調整。

如果這步驟太久會怎麼樣?

1. 一個人掌握了所有的技術，當他離開時也將所有技術帶走，
   公司直接沒有了這樣的技術，嚴重可能公司因為沒有會此技術的人而停止運作。
2. 很難去擴大規模去應對使用者的需求。

Step2. Delegation

開始由個別的人擴展變多人去應對一件需求，能同時處理需求的量也提升。

如果skip這步驟會怎麼樣?

1. 不知道怎麼建立process，很多rules都是再規模化的這階段被建立起來的。
   如果沒有rules，也很難在下一個步驟交由電腦自動完成。
2. 可以再這階段累積大量不同的使用者需求，藉由不同人不同個性能得到不同的回饋經驗，
   例子：call center，每個人回覆的個性不同，也能幫助我們收集需求考慮得更全面。
   (反過來說skip就沒有)
3. 也是藉由大量客戶的反應回饋，造成human in the loop的良性循環。
   (使客戶能反覆地提供我們改進的地方。)

如果這步驟太久會怎麼樣?

1. 付出很高的成本在服務每一個客戶
   (試想一個人一直待在銀行，只為了等待客戶來�