机器学习算法的商业价值并不总是显而易见的，服务提供商经常需要为客户做出一些解释。

随着越来越多的企业掌握了基本的商业智能报告和描述性分析，分析的真正价值逐渐进入更高级的阶段，如预测和说明性的分析。特别是对于销售基于分析产品的企业，真正的问题在于如何向客户解释机器学习带来的商业价值。

BuildingIQ的数据科学家Boris Savkovic在一份电子邮件中写道：“在某些情况下，人们会理解我们所做的事情；在某些情况下，我们需要做一些解释工作。”

BuildingIQ是一家提供软件即服务的公司，帮助建筑经理监视和调整设备的供热和空调，以提高效率并降低成本。该产品是建立在先进的机器学习算法的基础上，包括历史能耗数据，天气预报，建筑物的暖通空调系统数据流和能源成本数据。机器学习算法通过MathWorks公司的MATLAB软件开发，不断优化暖通空调设置为全天的建筑，这些设置是通过java代码对建筑的暖通空调进行控制。

该公司声称它可以节省建筑运营商10%至15%的能源消耗成本，但很多运营商并不买账。Savkovic说，很多工作都需要构建管理人员理解的价值主张。

比较困难的事情是，客户一般不与机器学习算法进行交互。它们是由BuildingIQ的数据科学家开发并运行在公司自己的服务器上。从客户的角度来看，几乎整个工作都是水到渠成的。虽然对于客户而言这可能是一个优势，他们无需投资硬件或让员工自己开发算法。

Savkovic说，这就是为什么要提前做好准备工作的原因。他和他的团队将从潜在客户中挖掘数据并构建建筑模型，显示他们在使用这项机器算法服务后可以节省多少成本。可视化数据也很关键，它有助于将一个复杂的预测分析转化为商业设施管理公司员工可以理解的内容，即使他们对复杂的数据分析技术一窍不通。

最终，人们可能会改变态度，采用技术先进的机器学习算法和其他数据驱动技术。Savkovic说，建筑行业还没有传统上最具前瞻性的新技术。但他认为数据驱动产品的使用越来越普遍，建筑行业的状况有大有改观。

“建筑行业适应数据时代的脚步已经非常缓慢，”他说，“但智能城市、智能建筑方面的投资越来越多，数据驱动产品的市场成熟度将逐步增长。”