Python数据处理

自动化和规模化

｜

299

这其中的每一个问题都有无数的解决方案，但是有一件事是确定的：它们是非常适合自动

化的任务。它们的输出和步骤非常清晰。它们有一个有限但特定的听众群体。它们有确定

的时间或事件来触发行动。此外，在特定的环境下它们都是可以用脚本和程序解决的事情。

当任务清晰、定义完整，并且输出非常容易确定的时候，自动化是最容易的。不管怎样，

即使输出并不总是很容易测试或预测，自动化也可以帮助完成任务的一部分，把剩余的留

给你（或其他人）更细致地研究和分析。你可以想象这里的自动化类似于你在生活中自动

化其他的事情。你可能有一个最喜欢的已保存的比萨订单，或者一个邮件的自动回复。如

果一个任务输出明确并定期发生，那么这是一个很适合自动化的任务。

但是什么时候不应该自动化呢？以下条件预示着该任务不是一个好的自动化选择。

•

任务很少发生，并且非常复杂，自己做更好（例如，填写报税单）。

•

任务的成功输出很难确定（例如，小组讨论、社会研究或调查）。

•

任务需要与人交互来确定合适的完成方式（例如，交通导航、诗歌翻译）。

•

任务成功是当务之急。

其中的一些例子，尤其是需要人工输入的例子，适合一定程度的自动化。有些任务可以通

过让机器寻找建议来做部分自动化，之后再确定这些建议是对还是错（使用人工反馈的机

器学习）。其他的任务，比如少见又复杂的任务，或者是非常重要的商业任务，随着对任

务的熟悉，可能最后会实现自动化或部分自动化。但是你可以看到整体的逻辑来确定什么

时候自动化更好，什么时候这不是一个好的想法。

如果你不确定自动化是否适合你 ...