MLOps（机器学习运维）解决方案的全球市场——这些方案帮助数据科学家简化和优化机器学习部署流程——到2030年的年均增长率将接近45%。这一预测由研究公司Valuates Reports做出，该公司估计该细分市场的估值将从2023年的1.864亿美元跃升至36亿美元。推动这一市场升温的主要原因之一可能是预测模型开发周期的缩短。这一评估来自Carlos Relvas，他是专门从事Datak D使用的公司的负责人。”决策即服务”。
采用传统方法开发类似系统，组织通常需要两到三周的时间，具体取决于行业的复杂程度。
“另一方面，通过使用 MLOps，数据科学家可以自动化整个创建过程。首先，他通过自动机器学习完成模型的训练部分，该过程会测试各种算法以找出效果最佳者。此时，如果愿意，科学家还可以上传自己已有的代码，并保存所有文档和代码，从而确保所有数据库文档的保护。MLOps 的成功在于它消除了这些繁琐步骤，使模型创建者能够亲自负责，并掌握从项目开始到结束所需的一切资源。”他说。
2024年，Datarisk推出一款面向在信贷审批、欺诈风险、离职倾向预测、农业生产力等领域领先企业的MLOps解决方案。仅在今年上半年，该工具就处理了超过1000万次查询。用户在使用这项技术时获得的一项显著收益是时间的缩短：借助这款MLOps初创产品，平均周期从三周缩短至数小时。
Carlos Relvas 还解释说，在完成第一轮训练后，Datarisk MLOps 平台本身会进入第二步，即数据科学家可以自行自动为模型创建 API，以便在外部环境中使用。据他介绍，第三步是解决方案的管理。在此阶段，目标是确保已开发、训练并正在使用的模型随时间推移仍能保持良好的性能。“一款工具可以监控其应用程序的使用情况和 API 的运行状况，不仅确保一切按计划运行，还能测量模型的质量变化，使解决方案能够自我调整。”
Datarisk 获得的市场认可度及其展现出的前景，使公司预计到2025年底，该解决方案的使用量将增长五倍以上。
Datarisk联合创始人兼首席执行官Jhonata Emerick表示，通过在巴西率先提供MLOps概念解决方案，该初创企业正在实践其成熟和完善主要业务论点的战略。“我们更深入地了解了市场需求，现在已准备好提供能够以极其重要的方式改变该国数据科学现实的解决方案。”他说。
据埃里克森称，在预测模型开发的具体案例中，MLOps 解决方案应运而生，旨在应对那些耗时冗长的内部流程——这些流程设计于一个企业无需以当前所需敏捷性来管理数据领域的时代。
“通常采用IT排队系统，数据科学团队完成模型构建后将其移交给工程团队以创建API。随后，工程团队需要花费大量时间完成其部分工作，之后项目再移交至信贷引擎团队等，以便最终实现该API，这会导致其他截止日期。结果是，当模型被实施时，情况已经发生了变化。因此，MLOps解决方案在优化方面显得尤为有效。”