3. 功能层面
模型管理的流程是：导入数据集 → 数据集自动检测 → 预构建（prebuild）→ 构建 → 预测 → 导出/共享。
在上文提到的交互提示下，操作起来没有任何难度。
模型构建完成后，也能方便地看到构建的细节，也能更数据科学家和算法工程师沟通，将模型构建的过程、脚本等等，都能进行共享，业务分析师职责范围内的工作难度被大大降低。
我觉得 Amazon SageMaker Canvas 这款产品拥有黑科技、定位清晰，紧盯目标，有边界感。
将复杂繁琐的特征工程、模型构建的过程进行产品化，为分析师解决了 80% 的常见问题，大大提高了效率。
剩余的、难搞的、但是也同样重要的模型调优，也可以跟数据科学家和算法工程师们进行协同。
数据分析师们将能大大地提升自工作效率，将更多的精力放到业务的驱动上。
作者：数据产品小lee；公众号：乐说乐言
本文由 @数据产品小lee 原创发布于人人都是产品经理，未经许可，禁止转载
题图来自Unsplash，基于 CC0 协议。
