क्रियात्मक मोठा डेटाः डेटा वैज्ञानिक आणि अभियंता यांच्यामधील दरी कशी दूर करावी

मोठ्या डेटाच्या भोवतालच्या गोंधळामुळे एक व्यापक गैरसमज निर्माण झाला आहे: की त्याचे केवळ अस्तित्व एखाद्या कंपनीला कार्य करण्यायोग्य अंतर्दृष्टी आणि सकारात्मक व्यवसाय परिणाम प्रदान करेल. वास्तव थोडे अधिक क्लिष्ट आहे. मोठ्या डेटाचे मूल्य मिळविण्यासाठी आपल्याकडे डेटा वैज्ञानिकांच्या सक्षम टीमची आवश्यकता आहे. बहुतेक भागांमध्ये, कॉर्पोरेट्स हे समजतात, जसे की २०१ to ते 2019 या कालावधीत डेटा वैज्ञानिकांच्या नोकx्यांमध्ये 15x - 20x वाढ झाली आहे. तथापि, आपल्याकडे डेटा वैज्ञानिकांची सक्षम टीम असूनही, तरीही आपल्याला त्यातील मोठा अडथळा दूर करणे आवश्यक आहे. त्या कल्पनांना उत्पादन देऊन. खर्‍या व्यवसायाचे मूल्य जाणण्यासाठी, आपण आपले अभियंते आणि डेटा शास्त्रज्ञ एकमेकांशी मैफलीत काम करत असल्याचे सुनिश्चित केले पाहिजे. त्यांच्या मते, डेटा शास्त्रज्ञ हे नवीन शोधक आहेत जे आपली कंपनी दररोज घेतलेल्या डेटामधून नवीन कल्पना आणि विचार घेतात, तर अभियंते त्याऐवजी त्या कल्पनांचा आधार घेतात आणि आपला डेटा पाहण्यासाठी टिकाऊ लेन्स तयार करतात. डेटा वैज्ञानिकांना सकारात्मक व्यवसाय निकालांसाठी डीफेरिफिंग, हाताळणी आणि विक्रीचा डेटा सोपविण्यात आला आहे. हा पराक्रम साध्य करण्यासाठी, डेटा खाणपासून सांख्यिकीय विश्लेषणापर्यंतची विविध कामे ते करतात. डेटा एकत्र करणे, आयोजन करणे आणि अर्थ लावणे हे सर्व महत्त्वपूर्ण ट्रेंड आणि संबंधित माहिती ओळखण्याच्या प्रयत्नात केले जाते. अभियंते नक्कीच डेटा वैज्ञानिकांशी मैफलीत काम करतात, परंतु या दोन्ही भूमिकांमध्ये काही वेगळे फरक आहेत. मूलभूत फरकांपैकी एक म्हणजे अभियंत्यांनी सिस्टमच्या "उत्पादक तत्परतेवर" निश्चितपणे उच्च मूल्य ठेवले. डेटा वैज्ञानिकांनी तयार केलेल्या मॉडेल्सच्या लचीलापणा आणि सुरक्षिततेपासून वास्तविक स्वरुपाची आणि स्केलेबिलिटीपर्यंत अभियंत्यांनी त्यांची प्रणाली वेगवान आणि विश्वासार्हपणे कार्यशील व्हावी अशी इच्छा केली आहे. दुसर्‍या शब्दांतः डेटा शास्त्रज्ञ आणि अभियांत्रिकी कार्यसंघांकडे दिवसेंदिवस भिन्न चिंता असतात. या प्रश्नाची उत्तरे दिली जातात की यशासाठी आपण दोन्ही भूमिका कशी ठेवू शकता आणि शेवटी आपल्या डेटामधून सर्वात अर्थपूर्ण अंतर्ज्ञान कसे मिळवू शकता? उत्तर डेटा आणि अभियांत्रिकी संबंधांना परिपूर्ण करण्यासाठी वेळ आणि संसाधने समर्पित करण्यामध्ये आहे. जसे डेटा सेटच्या भोवतालची गोंधळ किंवा आवाज कमी करणे महत्वाचे आहे, त्याचप्रमाणे आपल्या व्यवसायाच्या यशामध्ये महत्वाची भूमिका बजावणा these्या या दोन संघांमधील कोणत्याही प्रकारची भांडणे गुळगुळीत करणे देखील महत्त्वाचे आहे. हे वास्तव घडविण्याच्या तीन गंभीर चरण येथे आहेत. केवळ काही शास्त्रज्ञ आणि काही अभियंते खोलीत ठेवणे आणि जगाच्या समस्या सोडविण्यास सांगणे पुरेसे नाही. आपणास प्रथम त्यांना एकमेकांची शब्दावली समजणे आवश्यक आहे आणि समान भाषा बोलणे प्रारंभ करा. हे करण्याचा एक मार्ग म्हणजे संघांना क्रॉस-ट्रेनिंग करणे. दोन शेंगामध्ये वैज्ञानिक आणि अभियंता यांची जोडी जोडून, ​​आपण सामायिक शिक्षणास प्रोत्साहित करू शकता आणि अडथळे दूर करू शकता. डेटा वैज्ञानिकांकरिता, याचा अर्थ कोडिंग पद्धती, अधिक संयोजित पद्धतीने कोड लिहिणे आणि सर्वात महत्त्वाचे म्हणजे तंत्रज्ञानाचा स्टॅक आणि उत्पादनामध्ये मॉडेल सादर करण्याच्या अंतर्गत पायाभूत सुविधांचा व्यापार-व्यवसाय समजणे. 7wData.be वर पोस्ट केले