了解组织想要什么是基础
战略目标是优秀的开发节奏(MLOps节奏)的基础。它有助于确定您的开发方向,资源的重点以及如何高效执行项目。它为MLOps节奏的所有其他方面奠定了基础。
MLOps节奏是组织计划、开发和部署机器学习模型的速度。这个节奏越快,组织就能更迅速地利用机器学习获得优势,并获得显著的竞争优势。
MLOps:什么是操作节奏?
快速周转不仅仅是工具。
towardsdatascience.com
影响ML Ops节奏的因素在很大程度上由组织塑造。决策者对MLOps节奏的充分理解对于决策者至关重要,因为它直接影响可以从ML或AI应用程序中获得的价值。这些目标指导数据产品的操作和产品模型,以及它们推动的决策。
一家公司可以拥有出色的领导者和愿景。他们也可以拥有知识渊博且经验丰富的商业团队。但是,如果没有明确的战略目标来指导他们的运营,ML模型的规划、开发和部署将会减缓。
这是MLOps节奏的基础,真正影响了我们如何考虑其他因素的效率。
战略目标如何影响MLOps节奏?
制定良好的战略目标基本上是关于有效决策,辅助高效流程。那些能够最快适应并具有高效流程的人,是能够从他们的努力中获得最大价值的人。
战略目标还影响操作模型。物流和运营有助于掌握竞争环境-它将信息上传给决策者,并将决策传递给执行团队。战略目标有助于关注MLOps节奏。
这种节奏影响组织必须快速交付高质量、强大和可靠的模型。组织如何加速或使节奏高效和有效,决定了他们的流程和运营模型。
在大型语言模型的现代时代中,这非常重要,这需要良好的运营、项目和产品管理流程。
您必须首先有一个清晰的方向,才能优化您的MLOps节奏。这是基础。战略目标有助于实现这一点。
这如何影响组织
了解战略目标如何影响MLOps节奏需要从三个层面来看待:个人贡献者、经理以及中高层管理人员。
了解和传达战略目标有助于加快整个组织中的MLOps节奏:
- 个人贡献者:清晰的战略目标有助于为任务创建清晰的项目目标。清晰的任务有助于建立士气,有助于识别瓶颈,并增加工作效率和价值。它还有助于他们向上级指挥官推送的信息的质量。
- 经理:更大的战略对于项目管理至关重要,有助于资源分配、任务优先级和将团队努力与组织目标和时间表对齐。或者获得来自特定赞助商的支持。
- 中高层管理人员:定义明确的战略目标有助于提供上下文并做出明智的决策,评估新的倡议,并对扩大运营做出明智的决策。
良好的战略目标有助于整个组织,从上到下允许重要信息的上行流动和明智的决策的下行流动。这有助于加快周转时间,评估项目是否有效,当然,是否与战略目标一致。
对不同层级的MLOps节奏有良好的了解有助于每个人更好地应对ML项目的复杂性。
从为什么开始,到如何结束
战略目标必须从“为什么”开始。重要的是它对更大的业务目标的重要性。它有助于优先考虑资源,避免不必要的复杂性,为开发启用更快的决策,甚至确定是否需要ML解决方案。
这个决策从决策者传递到项目和产品经理,最后传递到构建ML或AI解决方案的数据科学团队。当每个人都理解意图时,它可以改善团队之间的沟通,这是任何行业良好经营节奏的基本关键。更少的时间花在澄清会议上,更多的时间花在实施上。
用例必须始终从最终产品的角度出发。然后通过技术方面和限制进行过滤。这是ML项目的“为什么”,绝对必要以确定项目是否与战略目标一致,需要哪些资源等。
“为什么”构成了模型构建过程开始时需要询问的其他关键问题的基础。它显著影响MLOps节奏的其他因素。
有一些特定的为什么问题需要被问到,以帮助为ML设定良好的战略目标:
我们为什么要构建这个?
并不是所有的用例都需要ML。这个问题有助于确定是否需要它,节省可以用在其他地方的资源和时间。它还有助于确定是否存在不止一个用例。这有助于范围的确定和方向的设置。
定义机器学习模型的目的是至关重要的,因为它为整个项目设定了方向。它有助于将所有的努力和资源集中到一个共同的目标上,确保时间的有效利用并增强MLOps节奏。它
我们想让它做什么?
这个焦点意味着将业务用例和期望的最终产品放在首位。重要的是用例与战略目标保持一致。ML模型需要能够回答这些用例。
知道你想做什么有助于让为什么做成为可能。在开发过程中,这有助于指导技术策略和执行。在此阶段的定义减少了试错,特别是在模型构建、实验和部署阶段,加快了项目的时间表。
有哪些潜在风险?
识别潜在风险可以进行缓解。模型并不总是有效的。良好的战略目标有助于领导力量和构建团队创新和设计替代解决方案,以实现所需的最终目标。它有助于建立实现机器学习组织的战略目标的备选路径。
这种适应能力是至关重要的。计划和现实之间的摩擦是常见的。清晰、良好的沟通和理解战略目标可以防止不可预见的情况阻止或停止项目。它允许稳定的MLOps节奏和高效的周转。
我们希望什么时候完成这个项目?
战略目标不仅可以指导时间表,还可以指导资源的时机和协调,从而创建一个机器学习解决方案。并非所有资源都需要从一开始就使用。必须在正确的时间利用特定资源,例如资金、共享工具专家、赞助商等,以避免从其他项目中抽调资源。
制定时间表可以为工作设置节奏,有助于有序地计划任务。这确保了任务的优先级和完成顺序,从而优化了项目的速度,使其能够按时交付。时间管理很重要,否则在项目的某些部分上花费太多时间。
如果风险和时间表超过了价值生成,您可能需要回到“为什么”步骤。这可能看起来很繁琐,但即使进行非正式审查也可以节省大量开发成本、生产力和时间。
我们要如何构建它?
这通常留给运营和构建团队。战略层面的个人将较少参与其中。然而,回答模型的“为什么”、“什么”、“风险”和“何时”真的很重要。它为这些团队的努力奠定了基础。
太多的机器学习项目最终因为没有回答这些问题而超出预算。对于项目和产品经理来说,这是重新调整建设团队的参考。对于构建团队来说,它有助于管理人员直接指导数据科学家、数据工程师和机器学习工程师,通过给他们一个框架来对研究、开发、实验、测试和有效地建立模型进行对齐。
战略目标影响着他们建立模型的方式——不同的目标会有不同的建模。
案例研究:战略目标如何影响MLOps节奏
在我的创业日子里,一家中型零售公司找到了我们。他们正在努力实现机器学习解决方案——运营流程缓慢,机器学习项目未能产生价值。过去的项目未能产生价值或结果。他们意识到缺少了些什么。
我们首先进行了发现会议和研讨会,试图了解他们的战略目标。我们很快发现,他们已经围绕一个他们想要使用的机器学习算法构建了项目。而不是询问他们为什么需要使用它。
原因
我们所关注的第一个问题是“我们为什么要建立它”。我们发现他们之前的若干个机器学习项目是不必要的。许多用例不需要机器学习模型,可以使用更简单的方法,如条件逻辑来解决。其他用例确实需要机器学习模型,但使用的模型比所需的复杂。我们将复杂的用例分解成更小的用例,这有助于范围的界定和对MLOps团队工作流程的项目经理提供明确的指导。
数据和机器学习产品
接下来,我们关注“什么”。我们关注业务用例和期望的最终数据产品。然后帮助缩小和精化他们的战略目标。这有助于减少模型构建、模型开发和实验以及部署阶段的试错,缩短项目时间表并提高资源分配的效率。
风险缓解
模型并不总是按计划工作。因此,我们与该公司密切合作,确定潜在的机器学习项目风险,制定替代方案,并建立何时撤销的标准。清晰的战略目标使领导层和构建团队能够认识到项目正在成为成本中心,从而调整他们的努力。它还帮助建设团队创新和设计替代解决方案,确保MLOps节奏稳定,尽管面临意外挑战。这减少了与项目相关的成本,上下游的机器学习模型开发。
项目时间表
我们还帮助该公司建立现实的时间表,协调资源的使用,避免与其他正在进行的项目发生冲突。时间管理被用来确保资源被分配了一段时间。这包括简化沟通,以便建设团队快速向决策者传达关于时间表的现实评估。
如何构建解决方案。
我们将“如何”问题留给了运营和构建团队。退一步并让专家和领域专家帮助他们学习流程并提供长期价值。我们确保我们可以提供帮助,并设置会议以帮助确保他们对流程有坚实的基础。这种对齐有助于项目和产品经理有效地指导数据科学家、数据工程师和ML工程师。
按照这种战略目标设定的方法,公司能够防止预算超支,并构建与其战略目标相一致并能够实现其战略目标的ML解决方案。
公司注意到ML实施的有效性显著提高,并且开发时间更加高效,价值也比以前更高。
商业和技术战略聚焦战略目标
聚焦战略目标需要良好的商业战略和技术战略的理解。每个都有独特的优势,考虑到双方可以加快您的MLOps节奏。商业和技术战略强烈影响您为ML开发设定的战略目标。
商业战略侧重于这些战略目标如何与业务盈利相关。
而技术战略则侧重于如何利用可用的技术资源来实现这些目标。
两者都对MLOps节奏产生明显的影响。不清楚的商业战略可能会通过设定超出可用技术范围的过于宏大的结果来减缓技术战略。而不清楚的技术战略可能会为不需要的业务用例开发ML模型。
商业战略和技术战略都有几个影响战略目标的因素。
对于商业战略,有三个关键支柱:
- 商业战略和愿景:定义明确的愿景、清晰的目标路线图成为所有利益相关者的指南。将每个人的努力都对齐到这些目标上,自然会加快操作,简化决策过程并消除不必要的绕路。
- 项目和产品管理:管理项目和产品的艺术是操作节奏的核心。当项目被高效管理时,任务能够及时执行,增强整体速度并推动项目向目标前进。
- 当前的商业资源:全面了解可用资源,呈现出一个现实的画面。这样可以进行有效的规划和分配,最有前景的举措和活动获得最多的关注和价值。
在技术战略中,有四个基本要素:
- 技术资源:战略地分配技术资源是技术战略的支柱。资源可以是工具、专家、资金、赞助等。确保在正确的时间和地点拥有正确数量的资源可以更快地推动项目。
- 可用基础设施:了解现有的技术设置有助于确定业务战略目标是否可行。早期确定潜在障碍可以让您快速适应,利用资源并更改项目和数据产品规划。
- 机器学习策略:这是应用机器学习于项目的蓝图。它定义了ML模型将解决的具体问题、实验、迭代和部署。它有助于将开发团队聚焦于关键可行的事项——减少数据、技术和模型的债务。
- 开发框架:这些是指导框架,可平稳地对模型、管道和部署进行版本控制、跟踪和测试。它还可以帮助技术团队了解最佳实践,以部署和开发它们。当良好建立时,它们确保一致性和效率,最小化错误并加速项目轨迹。
在任何项目之前建立这些元素非常重要。这可以避免瓶颈,促进更顺畅的进程,并使其朝着设定的目标稳步前进。
不清楚的更大战略目标可能会导致机器学习项目失败,从而导致大量的技术、数据和模型债务。在某些情况下,这甚至可能导致数据科学部门被认为是成本中心。由于机器学习项目被视为昂贵的费用,因此不得不加以避免。
通过适当的对齐、评估和定义业务和技术战略,组织可以加快其MLOps节奏。同时使数据科学部门和团队不断提供价值。
最终想法
了解战略目标对于衡量MLOps节奏的速度非常重要。定义战略目标对于改善有关机器学习项目的战略决策并将其重新定位为更有效和高效也很重要。
总之:
- 具有清晰定义的战略目标,具有定义的用例和数据产品对齐。
- 在业务用例之前询问为什么-这将有助于评估虚荣项目和业务需求之间的差异。
- 关注战略目标与技术和业务战略的对齐-这在确保ML的业务目标有效实施方面非常重要。
谢谢阅读!
我经常写有关数据战略、MLOps和机器学习的文章。在Linkedin、YouTube和Twitter上与我联系
如果您喜欢这篇文章,您可能也会喜欢我的其他文章:
数据成熟度是什么?
为什么对于您的数据科学职业生涯很重要?
blaza-matt.com
MLOps简化版:什么是工件?
机器学习中的工件是指作为机器学习过程的一部分而产生的任何文件或对象。
blaza-matt.com
MLOps:什么是运营节奏?
快速周转不仅仅是工具。
towardsdatascience.com