下载掌阅APP，畅读海量书库
立即打开
“独自一个人行走，今天就能出发；和另一个人同行，就得等他准备好。”
——亨利·戴维·梭罗
在探讨机器学习如何帮助你的公司提高生产率之前，我们先来看看为什么在你的公司里部署系统比在你的个人生活中应用系统更困难。以个人理财为例，你可以使用一个理财应用程序来追踪你的支出。这个应用程序会告诉你，你花了多少钱、钱都花到哪儿了，还会建议你如何增加储蓄，它甚至可以将购物款自动四舍五入到最接近的金额，并将零钱存入你的储蓄账户。而在工作中，费用管理是完全不同的体验。要查看你的团队遵循预算计划的情况，你需要向财务团队提出申请，而他们会在下周回复你。如果想深入了解预算中的特定项，那你就没那么幸运了！
我们的业务系统如此糟糕的原因有两个。首先，尽管改变我们自己的行为不容易，但改变一群人的行为更难。在你的个人生活中，如果想使用一个新的理财应用程序，直接开始使用即可。虽然有一点痛苦，因为你需要学习这个新应用程序的工作原理并设置你的个人信息，但这还是可以轻松完成的。然而，当你的公司想开始使用费用管理系统时，公司里的每个人都需要适应新的工作方式，这是一个更大的挑战。其次，管理多个业务系统很难。在个人生活中，你可能会使用几十个系统，例如银行系统、电子邮箱、日历、地图等，但你的公司会使用数百甚至数千个系统。尽管对于IT部门来说，管理所有这些系统之间的交互很难，但是他们仍然鼓励你使用 端到端企业软件系统 来完成尽可能多的任务。
SAP和Oracle之类的软件公司提供的端到端企业软件系统是为整个公司的运转而设计的。这些端到端系统处理库存、给员工发工资、管理财务部门以及处理公司其他大部分业务。端到端系统的优势在于一切都是集成的。当你从公司IT产品目录中购买某个产品时，目录系统会通过员工记录识别你的身份。这与HR用来存储你的请假申请和给你发工资的员工记录相同。端到端系统的问题在于，因为它们能够完成任何工作，所以对于它们完成的每一件事来说，都有更好的系统可用，我们称这些系统为 同类最佳系统 。
同类最佳系统可以很好地完成某一项任务。例如，你的公司可能会使用易用性能与你的个人理财应用程序相媲美的费用管理系统。问题在于，该费用管理系统与你公司使用的其他系统不完全兼容。一些功能与其他系统的现有功能重复，如图1-1所示。举例来说，费用管理系统内置了审批流程。该审批流程与你在工作的其他场景中使用的审批流程重复，例如审批员工请假申请。在实现同类最佳的费用管理系统时，公司会面临两个选择：是采用费用管理审批流程并培训员工采用两种不同的审批流程，还是将费用管理系统与端到端系统集成到一起，这样就能在端到端系统里审批费用，然后再将审批回传给费用管理系统？
图1-1 同类最佳系统的审批功能与端到端系统的审批功能重叠
为了了解使用端到端系统与同类最佳系统的利弊，假设你是一个汽车拉力赛车手，该拉力赛起于铺装路面，接着穿过沙漠，最后穿过泥沼。你必须在两种情况中做出选择：一种是在汽车上安装全地形轮胎，另一种是在从铺装路面到沙地和从沙地到泥沼的过程中更换轮胎。如果你选择更换轮胎，就能更快地通过每个路段，但是随着地形变化而停下来更换轮胎，你会浪费时间。你会如何选择呢？如果你能快速更换轮胎，并能更快地通过每个路段，就可以选择随着地形变化更换轮胎。
下面假设你不是车手，你的工作是为车手提供支持保障，在比赛中为他们提供轮胎。你就是首席轮胎官（Chief Tire Officer，CTO）！再假设你需要面对数百种地形而不仅仅有三种地形，你需要服务数千名车手而不仅仅是几名车手。作为CTO，你可以轻松地做出决定：除了特殊的地形，其余选择全地形轮胎。在特殊的地形，你将不情愿地承认需要提供特种轮胎。作为车手，CTO的决定有时会让你不满意，因为最终使用的系统没有你在个人生活中使用的好用。
我们相信，在未来十年，机器学习会解决这类问题。回到我们关于比赛的比喻，机器学习应用程序会在你通过不同地形时自动改变轮胎的特性。它可以在使用你公司的端到端解决方案的功能的同时，实现可与同类最佳系统相媲美的性能，从而达到两全其美的效果。
再举一个例子，你的公司可以不用实现同类最佳的费用管理系统，而是选择实现机器学习应用程序来完成以下工作。
回到审批功能重复的那个案例，通过将机器学习与端到端系统结合使用，你可以自动化和改善公司的流程，而无须实现同类最佳系统，如图1-2所示。
图1-2 机器学习增强了端到端系统的功能
同类最佳系统在公司中无用武之地了吗
同类最佳系统在企业中仍占有一席之地，但可能与这些系统在过去大约20年中扮演的角色不同。可以在下一节中看到，计算机时代（从1970年至今）在提高公司生产率方面一直没有取得成功，我们本该目睹使用同类最佳系统给业务性能带来的积极影响，但目前还没有。
那么同类最佳系统将何去何从？在我们看来，同类最佳系统将具有以下发展趋势：
同类最佳系统的供应商要么基于特定于问题的机器学习应用程序的用途来制定其业务场景，以使其区别于竞争对手的产品，要么基于其客户内部构建的解决方案来制定其业务场景。相反，随着更多公司自己开发机器学习应用程序，而不是去购买同类最佳解决方案，这些供应商的利润率将受到挤压。