2016年，“機器學(xué)習(xí)”還只是被Gartner 視為一個“流行詞”，到如今，它已發(fā)展成為幾乎所有 IT 人士都在思考、探索或執(zhí)行的一件事。毫無疑問，基于數(shù)據(jù)的分析和預(yù)測（機器從信息資源中學(xué)習(xí)，然后通知業(yè)務(wù)部門及其他部門并影響其行動）已經(jīng)是當(dāng)今迅速增長的最新、最熱門的技術(shù)領(lǐng)域之一。但對于那些正在進入機器學(xué)習(xí)領(lǐng)域的參與者來說，理想和現(xiàn)實之間仍無法平衡；正如每個不斷發(fā)展的新興事業(yè)一樣，基礎(chǔ)設(shè)施之水既能載舟，亦能覆舟。

Gartner已經(jīng)確定了三種主要的最佳實踐，基礎(chǔ)設(shè)施和運營領(lǐng)導(dǎo)者在幫助所在組織準備應(yīng)對機器學(xué)習(xí) (ML) 和人工智能 (AI) 帶來的挑戰(zhàn)時，可以考慮采用這三種最佳實踐：

1. 采用模塊化訪問，實現(xiàn)高效的數(shù)據(jù)管道——根據(jù) Gartner 的研究，“最終用戶表示，在典型項目中，數(shù)據(jù)準備和管理占去了將近 75% 到 85% 的機器學(xué)習(xí)管道。”建議在整個組織內(nèi)執(zhí)行更有效的數(shù)據(jù)清理、轉(zhuǎn)換和整合。

2. 制定高效的機器學(xué)習(xí)模型交付策略——該評論指出：“I&O 領(lǐng)導(dǎo)者可以通過訪問模型、功能和預(yù)測存儲庫來顯著加快其機器學(xué)習(xí)管道的速度?！边@有助于縮小實驗級和生產(chǎn)級系統(tǒng)之間的資源差距。

3. 提供可擴展的計算基礎(chǔ)設(shè)施——Gartner 指出：“機器學(xué)習(xí)管道中的第二大時間密集型部分通常是模型工程設(shè)計階段。”同樣，建議采取的措施是針對需要聚集的核心參與者，將數(shù)據(jù)科學(xué)家、業(yè)務(wù)專家和軟件工程師的最佳技能結(jié)合起來，實現(xiàn)協(xié)作并推動“跨團隊的機器學(xué)習(xí)理念”。

如果具體情形難度相當(dāng)，通常需要權(quán)衡生產(chǎn)時間和準確性以及提供組織范圍的機器學(xué)習(xí)策略，而且往往要橫跨包括公共、私有、數(shù)據(jù)庫、大數(shù)據(jù)生態(tài)系統(tǒng)、傳統(tǒng)數(shù)據(jù)存儲等在內(nèi)的多個孤立的數(shù)據(jù)源進行。