随着大数据技术的普及和发展，机器学习技术正日益成为改善用户体验、提高产品质量的核心组件。机器学习技术不仅给互联网带来了源源不断的收入（互联网广告），而且也在不断改善用户在电商购物、日常交通、旅游出行等方方面面的体验。
那如何在已有的系统或业务中落地机器学习呢？在开始使用机器学习技术之前，企业又该做好哪些准备呢？带着这些问题，InfoQ记者采访了PayPal 大数据研发架构师张彭善。
抛开AI不谈，机器学习已经在很多领域证明了它的价值，尤其是在互联网领域，无论是杀手级应用互联网广告，还是电商内容平台推荐、风控欺诈识别、共享出行等其他方向，机器学习已经成为互联网企业实现变现、提高盈利的重要手段。
张彭善表示，从这些主流应用中就可以看出，目前机器学习应用的主要方向是解决复杂的预测优化问题。对于企业来讲，任何涉及优化策略的业务都可以尝试实践机器学习，比如新产品目标用户的推广、销售策略的优化、客户流失的预警等。
那在落地机器学习之前，企业应该做好哪些准备呢？在张彭善看来，大部分企业不会像互联网企业那样拥有强大的数据科学和工程团队，当然也有很多传统企业具备数据分析和业务开发团队，这是一个很好的基础，利用这些团队可以组建或培训适应机器学习的数据科学团队。
而其他企业可以先着手尝试以最小的成本构建起端到端的机器学习管道，包括构建基础平台、搭建数据收集渠道、实施特征工程、优化模型开发及部署上线流程。有了这样的管道和平台，企业就可以持续不断的优化性能进而达到预期的业务目标，然后再慢慢尝试应用到其它业务场景。
张彭善也谈到了企业落地机器学习的最佳路径，他认为企业应该始终以业务优化为指导，无论是什么步骤，都需要考虑是否有利于达到最终的优化目标。
最佳路径是在构建整个流程管道和平台的同时，力争快速部署模型到系统中去。当模型部署上线之后，再通过反馈结果持续的迭代和改进。在这一过程中，企业没有必要追求完美的模型和完美的系统，快速响应业务和持续演进的能力是关键。
文章来源：极客时间《极客热点》