追求模型完美的问题在于，需要大量的组织和 你最终会遇到两种 基础设施工作才能获得最后一英里的性能。你需要超级干净的数据——而在现实世界中，几乎没有数据是干净的。你对训练集应用的每项数据清理任务都需要一个反射系统任务来使你针对模型运行的数据干净。 ——表现最好的模型无法在生产中发挥作用，因为你输入的信息不像训练集那么干净，或者基础设施存在相当 你最终会遇到两种 大的采用障碍。这两种情况都会阻碍进展。
贪多嚼不烂
另一个阻碍企业 AI 计划的问题是，他们试图 WhatsApp 数据 将模 型应用于大型复杂流程。典型的思维过程是，“让我们基于所有业务数据构建 AI 模型，以预测我们的关键绩效指标。”当领导层自上而下推动采用时，最常出现 新闻通讯的特点是什么？ 范围过大的情况。问题是，KPI 通常是数百或数千个子业务流程的汇总。
以销售和营销漏斗为例
您的第一个实例可能是预测明年的收入。因此，您根 在 甘肃手机号码一览表 新 据去年的收入训练模型，并用它来预测明年的结果。结果与您预测天气的预期差不多——您在短期内表现不错，但预测时间越长，您出错的可能性就越大。