机器学习、自然语言处理(NLP)和认知搜索技术正以高速率被采用，这并不稀奇。随着组织努力创造价值，增强客户体验，遵守严格的规定并使自己与竞争对手区分开来时，他们对知识型员工提出了非同寻常的要求。通常，他们需要的数据和知识是孤立的，分割的和断裂的。很难在正确的时间显示正确的信息并发现数据中的复杂模式。

一个精心设计的NLP、机器学习和搜索技术的结合，使这些组织能够以前所未有的方式迎接挑战并利用企业数据。这种技术有效地推动了一种新的信息获取方式，它比以往任何时候都更快、更准确、更有思想。成功通过后，企业将获得真正的信息驱动，从而优化每个员工和客户体验。这一转变正在迅速成为新的竞争优势，因为它重新定义了专业人士、企业和行业的运作方式——但企业如何成功采用这些技术？

1.结合用户目标

为了推动这些类型的技术的采用，实现必须与每个用户的个人需求保持一致。虽然看起来很明显需要提取正确的数据以满足特定的用户需求，但数据也必须以一种直观且及时的方式呈现，使其与用户的目标相关联。数据驱动的时代正在让位于信息驱动的经济，在这种经济背景下，从数据中获得有用的洞察力至关重要。满足用户需求意味着收集数据，以正确的方式丰富数据，并使用不仅是行业的行话，而且使用用户组织的术语来进行语境化，并以一种结合用户目标的方式呈现结果信息。

由于每个用户的目标和需求会有所不同，因此不存在一成不变的局面。例如，在客户服务领域，客户服务代表（CSR）日益需要以知识为导向，以满足甚至取悦客户。同时，在制造业或药物开发行业，研究人员需要成为专业人员，因为他们很容易与专家联系。 这一切都始于信息驱动。

2.简单地开始

对于组织来说，通过在企业数据中合并上下文来开始简单的工作是很重要的。这使得知识工作者更容易找到并发现与当前任务相关的信息。合并上下文意味着在分散的存储库中的相关数据之间建立连接，并承认语言可以表达的所有不同方式，包括考虑首字母缩写词和同义词。

在数据中，特别是非结构化数据，通过自然语言处理(NLP)和人工推理，可以增加更多的上下文。 这些由现代技术实现的技术可以丰富数据并建立有意义的连接。它减少了对非结构化数据的管理，更多的是关于如何利用它，并以更有价值的方式。对于组织来说，有各种各样的选择来追求信息驱动，而其中的一些选项应该会引起危险。例如，开源技术有自己动手的方法，组织只有在装备成为软件开发商店时才应该考虑。

3.将该技术投入到你的业务环境中

与将用户沉浸在技术中相反，该技术应该投入到用户的业务环境中。认知搜索等技术必须利用绝大多数企业数据源，包括所有类型的内部和外部数据，无论是内部部署还是云中。因此，该系统必须具有高度可扩展性。与像Salesforce这样需要将数据加载或输入到单个系统的软件包相反，身临其境的解决方案以安全且可扩展的方式利用分散存储库中的数据。这反过来又简化了业务流程，使知识型员工可以将更少的时间花在日常工作上，而更多的时间专注于重要问题。

随着组织根据自己的特定需求调整信息驱动方法，融入并简单地开始将是成功的关键。通过在现有知识的基础上学习并随着时间的推移变得更加智能，这种转变为组织在解决未来挑战方面带来了惊人的优势。

本文由阿里云云栖社区组织翻译。

文章原标题《3-tips-for-successfully-adopting-machine-learning-1》

作者：Scott Parker，高级产品营销经理

译者：董昭男，审校：。

原文链接

干货好文，请关注扫描以下二维码：