我不知道您所说的“衡量和提高他们的技术工作成本”是什么意思 - 但我会回答“您如何知道您的见解为业务带来多少价值”的问题：

要构建一个成功的项目，了解您与之竞争的基线很重要。例如：假设我有一个时间序列预测问题，我正在预测某个公司账户中将有多少现金。一个基线可能是：“让我们假设明天的净现金流量将与昨天的相同”。现在您已经有了这个基准，您可以评估您的解决方案相对于此的性能。

这可以让您深入了解：“我的解决方案优于基准一些 %，并将对未来透支费用的检测提高 90%”。将这 90% 的改进转换为系统检测到的相对于基线的新透支费用总数。这可以转化为每年的一些美元金额 - 你可以说“我的解决方案每年节省业务 $###,###”

了解您要更换的系统可以让您进行比较并跟踪结果。这也是向管理层传达成功的有效策略（这在大型企业中至关重要）。

除了weareglenn 的回答之外，如果数据科学项目正在按照自动化方式进行操作，您还可以查看节省的工时数。这个 XX 小时（每天等）的估计来自在您的项目/解决方案之前手动执行该过程的人员。

如果你想在数字上努力：

1. A/B 测试：这在电子商务公司中非常流行。数据科学团队部署他们的新方法并与旧方法的影响进行比较

由于各种原因，可能无法进行 A/B 测试。然而，还有更多的选择。

2. 综合控制方法：部署数据科学产品之后。从数据中提取“假”对照组以了解影响。这是最著名的应用程序之一（https://economics.mit.edu/files/11859）

3. 反事实估计。这些不一定会创建新的控件。但是基于各种偏差的模型，您可以估计几个“假设”情景的影响。为此存在许多软件包。Google 的 CausalImpact ( https://google.github.io/CausalImpact/)，Ubser causal ml ( https://github.com/uber/causalml )。如果您想了解有关此主题的更多信息（https://eng.uber.com/causal-inference-at-uber/）

通过这些技术中的任何一种，您都可以测量您希望的任何 KPI。增加收入，客户保留等......