Handlingsmæssige big data: Sådan broes mellemrummet mellem dataforskere og ingeniører

Surret omkring big data har skabt en udbredt misforståelse: at dens blotte eksistens kan give et selskab handlingsmæssige indsigter og positive forretningsresultater. Virkeligheden er lidt mere kompliceret. For at få værdi af big data har du brug for et dygtigt team med datavidenskabsmænd til at sile igennem det. For det meste forstår virksomheder dette, som det fremgår af 15x - 20x væksten i dataforskerjob fra 2016 til 2019. Men selvom du har et dygtigt team af datavidenskabsmænd til rådighed, er du stadig nødt til at rydde den store hindring ved sætte disse ideer i produktion. For at realisere den sande forretningsværdi skal du sørge for, at dine ingeniører og datavidenskabere arbejder sammen med hinanden. I deres kerne er datavidenskabsfolk innovatører, der udtrækker nye ideer og tanker fra de data, som din virksomhed indtager dagligt, mens ingeniører til gengæld bygger af disse ideer og skaber bæredygtige linser, som vi kan se vores data på. Dataforskere har til opgave at dechiffrere, manipulere og merchandising data for positive forretningsresultater. For at opnå dette resultat udfører de en række opgaver, der spænder fra dataudvinding til statistisk analyse. Indsamling, organisering og fortolkning af data foregår alt sammen for at identificere betydelige tendenser og relevant information. Mens ingeniører helt sikkert arbejder sammen med dataforskere, er der nogle tydelige forskelle mellem de to roller. En af de grundlæggende forskelle er, at ingeniører sætter en bestemt højere værdi på "produktionsberedskab" for systemer. Fra modstandskraften og sikkerheden i de modeller, der genereres af dataforskere til det faktiske format og skalerbarhed, ønsker ingeniører, at deres systemer skal være hurtige og pålidelige funktionelle. Med andre ord: Datavidenskabsmænd og ingeniørhold har forskellige daglige bekymringer. Dette rejser spørgsmålet, hvordan kan du placere begge roller til succes og i sidste ende udtrække den mest meningsfulde indsigt fra dine data? Svaret ligger i at dedikere tid og ressourcer til at perfeksjonere data og tekniske forhold. Ligesom det er vigtigt at reducere rodet eller "støj" omkring datasæt, er det også vigtigt at udjævne al og enhver friktion mellem disse to hold, der spiller vigtige roller i din forretningssucces. Her er tre kritiske trin for at gøre dette til virkelighed. Det er ikke nok blot at sætte et par forskere og et par ingeniører i et rum og bede dem om at løse verdens problemer. Du skal først få dem til at forstå hinandens terminologi og begynde at tale det samme sprog. En måde at gøre dette på er at krydstogt holdene. Ved at parre forskere og ingeniører i bælge af to kan du opmuntre til delt læring og nedbryde barrierer. For datavidenskabsmænd betyder dette at lære kodningsmønstre, skrive kode på en mere organiseret måde, og måske vigtigst af alt, forstå teknologibunken og infrastrukturforvejen, der er involveret i at introducere en model i produktionen. Sendt den 7wData.be