啦啦啦~我是快乐的算法工程师~

模型初探

最近在开发一个模型，业务的使用频率是一个月一次，可以理解为：模型的结果为每月初输出一次，业务拿到输出结果后进行做功，月底可以统计模型的各项指标。

项目的预期目标是7月份做落地试点，时间不算太急，但是模型中涉及的数据又多又杂，前期花了大量精力在数据探查和认知上，所以留给我做算法设计和开发的时间，就不太多了。
匆匆忙忙地，总算赶在7月中旬，输出了模型结果。

8月初回收了模型对业务的价值和相关的性能指标。
基本结论为：在特定场景下，模型确实是有正向收益的；但是由于存在一些badcase，如果在全部场景下统计指标结果，正向收益值就会被大幅降低。
事实上，这些badcase在数据回测阶段就已经被发现了，但是限于时间太紧张，已经没有精力再去做优化。

模型优化

在7月中旬向业务输出模型结果后，我便开始思考产生badcase的可能原因，并研发了对应的解决方案。
在一波“闭关修炼”后，最终打通了任督二脉，解决了badcase，改进后的模型在历史数据上的表现，也让人满意。
到了8月初，我基于改进的模型，又输出了8月份的模型结果。

在此之后，我搭建了算法侧的指标看板，以此逐天跟踪各项算法指标和业务指标。
虽然没到8月底，看到的是过程指标而非最终指标，但是每一天看下来，指标几乎都是利好的。
在周会的讨论上，也展示了这些指标。

不过，领导提示到：还应该确认一下算法模型是否有“掐尖”的嫌疑。
此处掐尖，指的是模型并没有太多算法的内涵，只是基于一些简单人工经验而得到的模型。
如果真是这样的话，那么算法的价值就有些小了，因为人工也可以实现。

在仔细求证后发现，模型输出的数据确实有“掐尖”的部分，但是占比不高。
这是很容易理解的：一方面，那些明显好的少部分高质量数据确实被模型筛选出来了；另一方面，模型还能挖掘出一些有潜力的数据。
通过这一轮校验，反而更加证明了算法的意义和价值。

收割成果

时间来到8月底，终于等到了收获的季节。

首先是在算法侧，我基于开发好的指标看板，对模型8月份的结果进行了复盘总结，确认了模型在实际落地过程中的有效性；然后对比7月份的复盘数据，验证了模型改进的价值。

然后是在产品侧，他们向数据侧提出复盘的数据需求，在此基础上，完成了正式的模型试点报告。
基本结论和算法侧结论几乎相同，在模型指导业务的具体价值指标上甚至还要更好（我自己对数据的理解，还有问题？暂时不重要啦~）。

最后是在业务侧，我和业务方进行了深度的沟通，也得到了他们极其正面的评价：在使用了模型结果后，他们最关心的核心业务指标提升了46%；业务希望在9月份能够扩量使用模型的结果，减量使用人工经验的结果；寻求和算法侧在更多场景下的合作可能性。

心得体会

针对这个算法模型，从第一版开发到拿到被业务认可的落地效果，用时不到3个月，不过通用的流程基本都涵盖到了，这里画个图，总结一下流程

总体来说，一次迭代就拿到了比较好的业务反馈，应该算是比较顺利的了。
我自己也是很开心的，甚至跟好朋友得瑟了一波业务的正面反馈。
看着自己开发和优化的模型，一点点产生积极的价值，得到别人的认可，这就是所谓的个人价值实现吧。
虽然有一丝丝的虚荣心，但我却真实地享受这种感觉。
这也是我喜欢自己这个职业的一个重要原因，不断产出对业务有价值的新模型，不断收获快乐。

不过需要说明的是，这远不是一个模型的终点，只是达成了业务层面的一个小的里程碑事件，后续还要想办法把模型逐渐推广到全国。
在技术层面，也要建立体系化的模型迭代方案，逐步提升模型的各项指标值。
此外，还应该持续关注模型指标的理论上限和竞对的当前水平，评估已有模型的优化空间。

上两天是教师节，我回所看望了自己的导师。导师的教诲依然没变：要做创新的内容，要把精力放在最有价值的的事情上。

怎么说呢，导师的教诲，我是认可的；他的境界，我却还远远不够。

能够把一个个想法实现并成功落地到应用，就足以满足我当下的价值实现需求，也足够我快乐好多天了~~