Big data attuabili: come colmare il divario tra data scientist e ingegneri

Il ronzio attorno ai big data ha creato un malinteso diffuso: che la sua mera esistenza può fornire a un'azienda spunti fruibili e risultati commerciali positivi. La realtà è un po 'più complicata. Per ottenere valore dai big data, è necessario un team capace di data scientist per setacciarli. Per la maggior parte, le aziende lo capiscono, come evidenziato dalla crescita 15x - 20x nei lavori di data scientist dal 2016 al 2019. Tuttavia, anche se si dispone di un team competente di data scientist, è ancora necessario eliminare il principale ostacolo di mettere queste idee in produzione. Per realizzare il vero valore commerciale, devi assicurarti che i tuoi ingegneri e data scientist lavorino insieme. Fondamentalmente, i data scientist sono innovatori che estraggono nuove idee e pensieri dai dati che la tua azienda ingerisce quotidianamente, mentre gli ingegneri a loro volta costruiscono queste idee e creano obiettivi sostenibili in cui visualizzare i nostri dati. I data scientist hanno il compito di decifrare, manipolare e commercializzare i dati per risultati aziendali positivi. Per realizzare questa impresa, svolgono una serie di compiti che vanno dal data mining all'analisi statistica. La raccolta, l'organizzazione e l'interpretazione dei dati viene effettuata nel tentativo di identificare tendenze significative e informazioni pertinenti. Mentre gli ingegneri lavorano sicuramente in concerto con i data scientist, ci sono alcune differenze distinte tra i due ruoli. Una delle differenze fondamentali è che gli ingegneri attribuiscono un valore decisamente più elevato alla "prontezza produttiva" dei sistemi. Dalla resilienza e sicurezza dei modelli generati dai data scientist al formato e alla scalabilità effettivi, gli ingegneri vogliono che i loro sistemi siano veloci e affidabili. In altre parole: i data scientist e i team di ingegneri hanno diverse preoccupazioni quotidiane. Questo fa sorgere la domanda: come puoi posizionare entrambi i ruoli per il successo ed infine estrarre le informazioni più significative dai tuoi dati? La risposta sta nel dedicare tempo e risorse al perfezionamento di dati e relazioni ingegneristiche. Proprio come è importante ridurre il disordine o il "rumore" attorno ai set di dati, è anche importante attenuare qualsiasi attrito tra questi due team che svolgono ruoli vitali nel successo della tua azienda. Ecco tre passaggi fondamentali per renderlo realtà. Non basta semplicemente mettere alcuni scienziati e alcuni ingegneri in una stanza e chiedere loro di risolvere i problemi del mondo. Devi prima far loro capire la terminologia reciproca e iniziare a parlare la stessa lingua. Un modo per farlo è allenare le squadre in modo incrociato. Abbinando scienziati e ingegneri in gruppi di due, puoi incoraggiare l'apprendimento condiviso e abbattere le barriere. Per i data scientist ciò significa imparare modelli di codifica, scrivere codice in un modo più organizzato e, forse soprattutto, comprendere lo stack tecnologico e i compromessi infrastrutturali coinvolti nell'introduzione di un modello in produzione. Pubblicato su 7wData.be