乔治:当然。我认为，我的职责主要集中在两个领域。其中之一是我领导公司全球机器学习工程运营。另一方面，我提供公司在全球范围内使用的所有分析平台。所以在我的机器学习工程和运营中，我的团队所做的就是抓住所有这些模型，这些模型是我们在全球范围内工作的数据科学家社区提出的，我们抓住它们并加强它。我们在这里的主要任务是我们需要做的第一件事是我们需要确保我们应用了工程实践，使它们为生产做好了准备，它们可以规模化，它们也可以以一种具有成本效益的方式运行，从那里我们确保在我的运营中，它们在需要的时候就在那里。
很多这样的模型，因为它们成为我们日常运营的一部分，它们会带来我们需要做出的特定服务水平的承诺，所以我的团队要确保我们以正确的期望交付这些模型。另一方面，也就是分析平台，我们在分析方面做了很多描述性、预测性和规范性的工作。描述部分，也就是你所说的常规的仪表板，关于我们数据的总结部分，以及数据所在的位置，所有这些公司正在使用的分析平台也是我所关心的。有了这些，你可能会认为我在公司里有非常广泛的客户基础，无论是从我们在亚洲的一些业务，一直到北美，还是从整个组织，从市场营销到人力资源，以及两者之间的一切。
至于你的另一个问题，关于机器学习如何帮助我们的消费者在杂货店过道上，我可能会总结说，对于CPG来说，最重要的是在合适的位置，以合适的价格提供合适的产品。这意味着什么是正确的产品,他们的机器学习可以帮助我们很多的营销团队,例如,即使他们现在最新的生殖AI功能出现头脑风暴和创建新的内容研发、我们试图找出什么是最好的公式对于我们的产品,现在绝对是毫升正在进入空间,合适的价格,关于成本效益在从我们的计划,我们的配送中心,确保我们正在消除浪费。利用机器学习能力是我们在收入管理方面全面做的事情，这是人们购买我们产品的合适价格。
最后但并非最不重要的是正确的位置。所以我们需要确保当我们的消费者走进他们的商店或在网上购买我们的产品时，产品就在那里，你会立即找到你喜欢的产品，你喜欢的味道。因此，在预测我们的需求、组织我们的供应链、我们的分销、安排我们的计划方面，我们付出了巨大的努力，以确保我们生产的数量正确，并将它们送到正确的地方，这样我们的消费者就能找到我们的产品。
劳蕾尔:嗯，这当然有道理，因为数据在部署先进技术，尤其是机器学习方面发挥着至关重要的作用。那么，卡夫亨氏如何在正确的时间、正确的地点确保所有数据的可访问性、质量和安全性，以推动有效的机器学习操作(MLOps)呢?你发现了哪些具体的最佳实践吗?
乔治:嗯，我能给人们的最好建议是，数据绝对是机器学习的燃料。所以没有数据，就没有模型。还有数据，组织你的数据，包括内部和外部的数据都需要时间。确保它不仅是可访问的，而且你要以一种不需要大量技术来处理的方式来组织它，这很重要，我想说的是，对它的管理。这是一个长期的承诺。所以我强烈建议现在正在听我演讲的人要明白，你的数据之旅是一个旅程，它没有终点，也需要时间。
你越能成功地将所有需要的数据组织起来，并确保这些数据可用，你就越能成功地利用机器学习模型和其他伟大的东西来实现特定的业务成果。所以我想说的一个很好的比喻是有很多研究人员，麻省理工学院以其研究而闻名，但是没有图书管理员，研究人员什么也做不了，因为所有的人都在组织周围的知识，所以你可以去做你需要做的事情，在这个例子中就是研究。永远不要忘记数据是燃料，数据需要努力，它是一个旅程，它永远不会结束，因为这就是我所说的区分成功和不成功的努力的真正原因。
劳蕾尔:让我们回到正确的时间和地点，在过去的几年里，包装消费品，或者你之前提到的CPG行业，经历了从客户需求变化到电子商务渠道激增的重大转变。那么，人工智能和机器学习工具如何帮助影响业务成果或提高运营效率呢?
