87%的机器学习项目失败的十大原因( 二 ) 如今人们总是能听到有关机器

在这里，数据科学团队将主要专注于准确性，而业务团队将对诸如财务收益或业务洞察力之类的指标更感兴趣。最后，业务团队最终不接受数据科学团队的结果。
9.缺乏数据策略
根据《麻省理工学院斯隆管理评论》杂志的调查，员工人数超过10万名的大型组织将有50%可能采用数据策略。而组织在开始机器学习项目之前制定可靠的数据策略至关重要。
组织需要对以下内容有清晰的了解，这是数据策略的一部分：
?组织拥有的全部数据是多少?
?项目实际需要多少数据?
?所需的人员将如何访问这些数据，以及这些人员访问这些数据的容易程度?
?如何将来自不同来源的所有这些数据汇总在一起?
?如何清理和转换这些数据?
大多数组织一开始没有计划，或者根本没有想到自己没有数据。
10.缺乏领导支持
很多人认为，只需要投入一些资金和技术来解决问题，其结果就会自动出现。
但是他们没有看到组织领导者提供正确的支持来确保成功所需的条件，而组织领导者有时对数据科学家开发的模型没有信心。
这可能是由于组织的领导者对人工智能缺乏了解，以及数据科学家无法向他们传达模型具有业务利益的原因。
最终，组织的领导者需要了解机器学习的工作原理以及人工智能对组织的真正意义。