最近在思考，公司里的项目为什么会做的这么糟糕？有哪些提升点？人工智能项目最佳的流程可能是什么样的？
涉及的**可能包含如下，我先列出后续慢慢整理补充：
面向数据。目标：更多项目的签约率；工作效率；更灵活、更恰当的分工。
数据理解、梳理
数据处理
模型实验横向、纵向框架的沉淀。目标：项目落地效率越来越高；形成规模效应
框架开发
工程化敏捷开发。目标：客户、开发人员良好的体验；降低事故率。
从客户角度：准确率是核心。系统稳定性高、产品用户体验好，是基本要求。
从开发人员角度：公司文化、工作环境、团队能力、舒服高效的协调流程、有挑战性的工作内容是重要因素。
团队组成可能是这样的，
- 数据团队
- 特种工程团队
- 算法实验团队
提升算法的各项指标。关注准确率、学术&行业前沿。 - 工程实践团队
按照软件工程的思想将整个推荐系统涉及到的各个环节、各个组件、各个模块构建成模块化、可复用、接口简洁易用的工程体系，方便业务的迭代、优化、问题定位与排查。关注：系统需求、系统稳定性、算法的快速落地能力。 - 基础组件团队
比如数据质量管理组件、任务调度、执行组件、监控组件、CI&CD组件、错误恢复组件、AB测试组件、在线评估组件、数据转运组件、缓存组件、数据存储组件、Web服务接口组件。关注：团队运作效率。
