问题1：到底产生了什么价值？
价值在于：
1.提供给公司或者雇主更多的利润
2.提供给用户更优秀更便捷的体验
3.拓宽了行业更多可能路径
场景1：如果在电商平台中入驻的商家想要卖出更多的东西就需要电商平台帮住通过push、短信甚至邮件的方式引流，提醒存在潜在购买可能的用户“来来来这家店不错”，通过这种方式的收费其实是空手套白狼，投入产出比巨高那如何寻找到合适的用户推荐给合适的商家呢？
以手机为例子，不同种的方式的效益2对比：方法转化率单均收入随机抽样1%2000简单的逻辑（浏览搜索收藏）筛选2-3%2000-3000协调推荐+交叉销售3%-5%3000监督学习9%-10%3000-5000数据处理过，但是数据相对比例真实可信。
以上一次活动，以10000人去算，商家收入由1%*10000*2000增至10%*10000*4500，商家利润按10%计算，平台抽成利润的20%，那就是没有任何物质成本（电费除外），商家额外盈利56000，平台额外盈利14000，这种事情谁不愿意。
在平台中，可行的方面多如牛毛，现在广告CTR，商家推荐，用户聚宝盆，小区潜力，用户消费能力，每一方面每一次都是钱，问这种事情，请几个机器学习的员工，我想没有人不愿意，况且这种低端的，我们这种几十块钱的货色都可以完成
价值就是，提供给公司或者雇主更多的利润，就是高到不忍直视的ROI。
场景2：
如果在X程、飞X、X牛、同X上，想优化用户的体验，最直接的方式是什么？
猜你想要，猜你想去，猜你还想去
上海飞往北京：
这里有若干张机票，如果没有任何逻辑，初始排序要么按时间，要么按价格，总之按照程序员的想法去做排序呈现就行了
这里，如果有运营同学，就会说，不行，我觉得这个老王每次都买高价格的机票，我要给他每次把高价格的机票放在上面；产品同学听了说，这哪里可以，这个老王每次都晚上走，我要把晚上的机票放在上面...
其实这样做都有道理，都有可行性。如何做出一个更好的决策，或者说如何针对不同的用户，呈现出更合适的呈现方式，就需要机器学习的帮助。
简单的说，我们可以知道每个人真实的想法和意图。
我们可以通过分析用户的属性判断他是不是因为是商旅用户才买高价机票，这样五一这种假期，我们就不用优先呈现高价机票而应该优先呈现中等价格同时9点附近的优质出行机票；我们也可以研究老王是不是每次出行时间，看看老王是不是因为周五上班晚上回家，所以才每次这样选择，下次老王周五在登陆的时候，优先推送周五回家票，还可以写点”回家平安“软文，这样的用户体验，99.9%通过人力难以完成。
提供给用户更优秀更便捷的体验，赚了钱的同时还让你的顾客愿意为此买单，这也算是价值之一吧。
场景3：
14年以前，租车都是线下的实体的，老老实实的开门店的，交着水电费，交着房租，还要额外的人力开支，用户上门取车各种不方便。
为什么要做这么累的事情？
有一部分，只是说有一部分原因是因为风控。如果用户在网上可以下单，拿着车走了，谁来保障车辆的安全？一辆车少说也要10万左右吧，这样的风险当时没有任何一家企业可以承受的起的。
说一个数据，2‰，可能并不精确，但是有一定的借鉴性，这就是传统开着门店的租车行业的车辆丢失率
按某租车公司披露的日均订单量5000单算，按70%的老用户+30%的新用户计算，每日存在5000*30%的车辆是首次出租，在按照2‰的丢车来算，每天存在的风险车辆是2辆左右，20w的潜在风险
日薪二十万，不，日薪500块，你就可以招一个机器学习的员工，现在行业中滴滴出行也在做租车，从2016年7月至今，1辆车都没有丢失，用的就是滴滴平台大量的出行数据信息+第三方征信数据，至于怎么做，行业里有很多很成熟的方法：打分卡模型，FICO、AHP等等，任何一种，都可以让原本很捉襟见肘的问题得到一定程度上的解决，而公司所付出的就是一些HC。
这些事情在没有机器学习之前，可能是不敢，也可能是没有能力，而现在成为可能。
