Umsetzbares Big Data: Wie man die Lücke zwischen Datenwissenschaftlern und Ingenieuren schließt

Die Begeisterung für Big Data hat zu einem weit verbreiteten Missverständnis geführt: Die bloße Existenz kann einem Unternehmen umsetzbare Erkenntnisse und positive Geschäftsergebnisse liefern. Die Realität ist etwas komplizierter. Um Wert aus Big Data zu ziehen, benötigen Sie ein kompetentes Team von Datenwissenschaftlern, um diese zu sichten. Unternehmen verstehen dies größtenteils, wie das 15- bis 20-fache Wachstum der Stellenangebote für Datenwissenschaftler von 2016 bis 2019 zeigt. Selbst wenn Sie über ein fähiges Team von Datenwissenschaftlern verfügen, müssen Sie die große Hürde überwinden diese Ideen in die Produktion umsetzen. Um einen echten Geschäftswert zu erzielen, müssen Sie sicherstellen, dass Ihre Ingenieure und Datenwissenschaftler zusammenarbeiten. Datenwissenschaftler sind im Kern Innovatoren, die täglich neue Ideen und Gedanken aus den Daten extrahieren, die Ihr Unternehmen aufnimmt, während Ingenieure wiederum auf diesen Ideen aufbauen und nachhaltige Linsen erstellen, in denen unsere Daten angezeigt werden können. Datenwissenschaftler haben die Aufgabe, Daten zu entschlüsseln, zu manipulieren und zu vermarkten, um positive Geschäftsergebnisse zu erzielen. Um dies zu erreichen, führen sie eine Vielzahl von Aufgaben aus, die vom Data Mining bis zur statistischen Analyse reichen. Das Sammeln, Organisieren und Interpretieren von Daten erfolgt, um wichtige Trends und relevante Informationen zu identifizieren. Während Ingenieure sicherlich mit Datenwissenschaftlern zusammenarbeiten, gibt es einige deutliche Unterschiede zwischen den beiden Rollen. Einer der grundlegenden Unterschiede besteht darin, dass Ingenieure der „Produktionsbereitschaft“ von Systemen einen deutlich höheren Stellenwert beimessen. Von der Ausfallsicherheit und Sicherheit der von Datenwissenschaftlern generierten Modelle bis hin zum tatsächlichen Format und der Skalierbarkeit möchten Ingenieure, dass ihre Systeme schnell und zuverlässig funktionieren. Mit anderen Worten: Datenwissenschaftler und Ingenieurteams haben unterschiedliche tägliche Probleme. Dies wirft die Frage auf, wie Sie beide Rollen für den Erfolg positionieren und letztendlich die aussagekräftigsten Erkenntnisse aus Ihren Daten extrahieren können. Die Antwort liegt darin, Zeit und Ressourcen für die Perfektionierung von Daten und technischen Beziehungen aufzuwenden. Ebenso wie es wichtig ist, die Unordnung oder das „Rauschen“ um Datensätze zu reduzieren, ist es auch wichtig, jegliche Reibung zwischen diesen beiden Teams zu glätten, die eine wichtige Rolle für Ihren Geschäftserfolg spielen. Hier sind drei wichtige Schritte, um dies zu verwirklichen. Es reicht nicht aus, nur ein paar Wissenschaftler und ein paar Ingenieure in einen Raum zu bringen und sie zu bitten, die Probleme der Welt zu lösen. Sie müssen sie zuerst dazu bringen, die Terminologie des anderen zu verstehen und dieselbe Sprache zu sprechen. Eine Möglichkeit, dies zu tun, besteht darin, die Teams gegenseitig zu trainieren. Indem Sie Wissenschaftler und Ingenieure zu Zweiergruppen zusammenfassen, können Sie das gemeinsame Lernen fördern und Barrieren abbauen. Für Datenwissenschaftler bedeutet dies, Codierungsmuster zu lernen, Code besser zu schreiben und, was vielleicht am wichtigsten ist, die Kompromisse zwischen Tech-Stack und Infrastruktur zu verstehen, die mit der Einführung eines Modells in die Produktion verbunden sind. Gepostet auf 7wData.be