大数据时代人工干预仍有必要
机器学习在大数据中确实占据主导作用，但真的不需要人为干预吗？例如，你已经习惯泛滥在身边网络营销，但你真的认可靠单纯的数学模型与规模数据分析的营销推荐吗？
ZestFinance是一个利用机器学习加大数据分析为 payday loan行业（发薪日贷款，类似高利贷的短期高利息借款）提供客户品质分析的平台。
与传统的分析方式不同，ZestFinance可同时运营多个模型对海量数据进行分析来判断各种可能性，再加上越来越多的数据来源和种类，然后这些信息被转化为几万个可对借贷者行为做出测量的指标，如诈骗几率、长期和短期内的信用风险和他的偿还能力。最后各模型的结果被整合成最终结果。这个平台可在几秒间为用户提供最可靠的结果。创始人Merrill 说：“我们更倾向于通过把机器学习机制和人工干预结合到一起。”
例如在医疗领域，机器学习基础上的数据分析就远远不够。“因为机器学习能推算出一定比例的概率，但无法达到精确、精准。”春雨掌上医生CTO曾柏毅向腾讯科技举例，如对于某种疾病模型的设计，是通过调取现有数据库中所有相似度90%以上提问，将问题结果分析汇总，制作疾病发生概率模型，并将每个问题医生的建议，总结出“无大碍”和“去医院“比例，为患者提供直观的数据参考。
“但这也是取一定比例的概率，是用于用户自查。可是否能精确到病人真的符合这种病症，还是需要人为分析（医生诊断），我们这些在后台的数据分析员也要去再排查、甄别数据的准确度。”上述人士谈到。