美国空军飞行员兼研究员约翰·博伊德曾经提出了一个被称为"观察、定向、决定、行动"的OODA回路模型。博伊德建议，在一场战斗中，两名飞行员需要不断观察对手在做什么，云服务器哪家好，根据对手的战术机动来确定自己的方向，决定自己应该做什么，以及然后采取行动来对抗对手的战术。同时，对手也会做同样的事情。作为一个"循环"，这个芭蕾舞会一直持续下去，直到一个飞行员能够进入对手的OODA循环，并且比对手的反应更快地处理足够的信息，在本质上，这就是今天机器学习的意义所在。唯一的区别是，我们使用计算机：

一旦OODA循环的一个周期执行完毕，机器需要重新观察由此产生的微商业环境，云计算大数据，重新评估我们刚刚采取的行动的结果（定向）并更新其数据和算法（决定）和（重新）行动

机器学习的OODA循环再明显不过了，在制造和生产过程中的战术性和有形性。以质量控制为例。在这个高度简化的制造质量控制视图中，首先我们检测缺陷。如何检测缺陷？这是观察到的。也许是质量技术人员在例行检查中实际识别出缺陷。或者，我们可以开发一个自动化流程，使用传感器根据产品的光学扫描或产品标准的行项目测试来识别缺陷（在这里了解更多关于物联网的信息）。下一步，淘客放单平台，定位。所有相关和重要的信息都记录在一个大容量、高速的数据库（大数据和HANA）中。然后，质量工程师分析缺陷的根本原因，并提出纠正缺陷的建议（决定）。最后，质量工程师也采取措施纠正缺陷在这个"循环"中，机器学习可以起到关键的作用：

通过使用机器学习和OODA循环，免费云服务器，我们现在能够加速决策，更有效、更迅速地对我们自己的质量问题作出反应，并且了解我们自己的质量控制环境一旦我们能够观察、定位、决定和处理我们制造和生产环境中的所有变量——比我们的竞争对手更快、信息更好，质量控制就可以成为一种战略杠杆，我们可以用来对付那些不再能够超越创新的竞争对手，买云服务器，在本系列的下一篇博客中，我们将探讨如何启动机器学习程序。我需要什么样的数据？谁来处理这些数据？我的工作人员适合做这种工作吗？我需要什么样的基础设施来构建这个框架？

这将帮助我们了解竞争对手的OODA循环

在这里或Twitter@SDenecken上与我分享您的想法。