机器学习不是万能药，产品经理应该何时对它说 “No” ？

机器学习无疑是一个时髦的话题，它在一定程度上已经改变了商业运作的方式以及我们每一个人的生活。事实上，机器学习并没有什么神秘之处，它就是一套用于识别不同数据模式的方法，随着科技的发展，它正作为一种工具供人类数据工程师使用。

为了增强企业竞争力，越来越多的人试图在其产品中加入机器学习。但是，真的有必要在所有的产品中都加入机器学习吗？如果没有必要的话，产品经理又应该在什么时候对机器学习说 “No” 呢？

包括我自己在内的产品经理，越来越多地面临这样的压力：将机器学习整合到产品中。而这种压力来自多方面：工程师和数据科学家因前沿算法而感到非常兴奋；销售和市场利益相关者希望能够更快、更便宜地解决问题；而我们自己的愿望却是能够更好地为用户服务。

作为一个领域，使用机器学习为面向用户的关键应用提供动力，这样的产品还处于早期的阶段。在研究了房地产、招聘和基因组学领域的机器学习应用之后，我发现，在考虑机器学习对面向用户产品的影响时，以下内容非常有用：

区分机器学习模型和基于规则的模型。

认识到基于规则的模型识别比机器学习模型更占优势。

在构建机器学习模型之前需回答三个关键问题：

1.  不透明的基本原理是否可以接受？
2.  数据是否真实地代表了现实世界？
3.  静默失败是可以容忍的吗？“静默失败” ，是指该模型在回测中仍然是正确的，但它在现实世界中的正确率已经降低了。模型出现静默失败有很多原因，因此，将希望寄托在良好的工程设计来防止所有这些失败的发生是不现实的。一种突出的静默失败模式是训练服务数据不匹配。