“平台化”算法组是在舍近求远，而且并不可行

这一篇文章其实由来已久，但是一直不知道如何下笔写起，就一直耽搁到现在，直到看到同事的这篇文章：

先说观点：算法组应该平台化。在商业公司里算法工程师应该怎么定位，怎么创造价值，怎么成长，我一直挺困惑的，我想肯定有很多同学也有类似的烦恼。经常被贴上“高冷而无用”、“黑盒子”等标签，自己心里也很着急，价值无法衡量，需求稳定目标比较切合的应用（比如FM）可遇不可求，结果可能长期处于一个尴尬的地位，即便有新的想法也无法轻易落地，长此以往很容易和行业的最高水平拉开差距。

最近的感触来自于当前的工作，我目前并不是一个all-in算法的工作状态，需要做一些开发的工作，我很怀念豆瓣整套开发->测试->部署一条龙的基础设施，code实现Github Flow，CI联动，dae无痛部署，数据库、cache、消息队列等基础设施服务化，这种强有力的支持让开发团队两三个迭代就能抡出一个新产品，有意思的是，我被这样的效率提升所震撼，却是在离开豆瓣以后发生的。用初中政治课的口径，这应该叫“解放生产力”了吧。我想这就是一个团队价值的体现。

算法工作是否也能做到平台化呢？我个人觉得是有希望的，事实上，拿豆瓣举例，DPark和doubanm已经为算法工程师的工作提供了很大的便利，但我觉得还远远不够，如果能围绕现有的工具建立一整套解决方案，分析、建模、计算、离线/在线评测、调优形成闭环，那算法工作也将迎来生产力的解放，那时ML/DM/Recsys as a Service也将不再触不可及。便利的实验环境，对算法工程师自身的成长，也提供了强有力的支持。一直以来，除去自身定位的问题，算法团队背景大都偏重学术，我想，缺少教授这样的顶级架构师，也是这幅愿景难以实现的重要原因。

在文章中，很直接地指出了太多公司算法组的问题，并且提出解决方案：算法组“平台化”。在阐述具体观点前，我也先表示：算法组“平台化”是在舍近求远，而且并不可行。

最近由于工作缘故，频繁跑于不同的公司间，也与十几人的小公司，大公司的数据部门做了很多交流，在交流中，大家的问题无外乎如此，“我想利用数据做点事儿，不知道怎么做”， “我们招来大数据的人不知道怎么用” “我们数据部门很边缘化”。我一般都会默默地听他们说完，然后抛出一句，你们数据部为公司多赚了多少钱？ 这句话秒杀了所有的人，没有几乎。

最近在帮一个独立创业的朋友提供个纯义务的咨询服务。我先问了朋友最终的产品目标和发展方向，然后问他最近一个月/半个月的计划，他说“我要把我的代码框架重新写一下”，我把身体向前倾，更靠近些他，问为什么。他说代码结构太难看了。我说，你不像是个老板，像是个技术。他说，那你反对我重写代码么？ 我说，不是，我是要你想清楚你重写代码的目的是什么？比如能为我现在重写能为接下来三个月剩下15个人天，那么就相当于省下了多少钱。

同理，我是反对算法“平台化”么？不是，我是想问，算法平台化究竟可以省下多少钱？还是花费多少钱？然后呢？然后可以为公司产生什么业务价值？还是仍然只是一个技术Hacker的玩物？

几个月前，我因为工作环境的不适萌生了换工作的想法，一朋友问我为什么，我说公司最重视的是销售，我们互联网部门不受重视。他似乎像看个小学生一样看着我说，任何成熟的公司都这样吧。 几个月后，我换了部门，从更高层地角度去审视公司的发展。我更愿意修改一下这句话，任何成熟的公司都会重视离最终的“盈利”目标更近的部门。

太多同事都在抨击OKR，但是在我看来，OKR反而是最能解决太多公司数据部门窘境的唯一法宝。看看大多数的公司数据部门都做了什么吧？“用xxx模型把新闻的点击率提高了0.05%”， “用xxx模型提高了用户体验” “用xxx模型新增了xxx功能” ，这些在老板看来真的会在意么？只会觉得，哦，这个部门的人做了事情，只此而已。那么，老大，你不妨想想，如果你是老板，我凭什么给你加人手啊？你们就是一纯粹花钱的部门好不好！

那就看看我想看到的邮件是什么吧？

每个资源的开发的价值，由原来的 xx （元）， 增加到 xx（元）， 每个增加 xx （元），增幅 xxx%

30天内发出委托的资源总开发价值增加XX万，总增加业绩预计为XX万。

那这位同事做出这份数据模型的工作是什么呢？RBM？不是。LDA？不是。那好歹也是个逻辑回归吧？也不是。其实就是用Excel做了点统计而已。可是我觉得这足够了。

那解决大多数算法组窘境的到底是什么？我觉得最直接的方法就是放下技术身板，先把那些需要“平台化”的技术抛掉，脚踏实地地找到公司业务的痛点，挖掘公司的收益盲区，用最简单的模型去为公司创造业务价值。

最后我想说，对于国内95%的数据部门来说，还远远没有到拼平台，拼模型的地步，国内的数据团队还处在数据的最初级阶段：不知道数据到底能怎么用。在前东家，我往往愿意把Data Scientist这个title作为笑谈，但是现在回想起来，也许太多公司需要的其实就是这样的职位，深入业务，用SQL提取数据，用SPSS甚至Excel这样的软件挖掘数据的业务价值，找到业务的增长点。这远远比那些高大上的模型好用得多。

那有人问我，那我学那些统计模型就没有意义了么？我觉得，任何技术都是为了业务价值服务的，那些复杂模型有意义，只是你首先该做的是，让你们的业务发展到需要用复杂模型的地步，这才是你最大价值的体现。顺路带一句，前几天有人还有人问我，我想做一个技术Hacker，但是我学了xxx语言我学了xxx框架，但是用不上，问我怎么办。 我说，那就先用你觉得的很low的技术把你们的业务发展到这些技术已经撑不住的地步，这才是真正的Hacker。

作者：飞林沙