कार्रवाई योग्य बड़ा डेटा: डेटा वैज्ञानिकों और इंजीनियरों के बीच अंतर को कैसे पाटा जाए

बड़े डेटा के बारे में चर्चा ने एक व्यापक गलत धारणा बनाई है: इसका मात्र अस्तित्व एक कंपनी को कार्रवाई करने योग्य अंतर्दृष्टि और सकारात्मक व्यावसायिक परिणाम प्रदान कर सकता है। वास्तविकता थोड़ी अधिक जटिल है। बड़े डेटा से मूल्य प्राप्त करने के लिए, आपको इसके माध्यम से झारना करने के लिए डेटा वैज्ञानिकों की एक सक्षम टीम की आवश्यकता है। अधिकांश भाग के लिए, निगम इसे समझते हैं, जैसा कि 2016x से 2019 तक डेटा साइंटिस्ट नौकरियों में 15x - 20x की वृद्धि से स्पष्ट है। हालांकि, यदि आपके पास हाथ पर डेटा वैज्ञानिकों की एक सक्षम टीम है, तो भी आपको बड़ी बाधा को दूर करने की आवश्यकता है। उन विचारों को उत्पादन में लगाना। सही व्यावसायिक मूल्य का एहसास करने के लिए, आपको अपने इंजीनियरों और डेटा वैज्ञानिकों को एक दूसरे के साथ मिलकर काम करना सुनिश्चित करना होगा। उनके मूल में, डेटा वैज्ञानिक ऐसे इनोवेटर होते हैं, जो आपकी कंपनी के डेटा पर एक दैनिक आधार पर नए विचारों और विचारों को निकालते हैं, जबकि इंजीनियर बदले में उन विचारों का निर्माण करते हैं और हमारे डेटा को देखने के लिए स्थायी लेंस बनाते हैं। डेटा वैज्ञानिकों को सकारात्मक व्यावसायिक परिणामों के लिए डेटा को डिक्रिपरिंग, हेरफेर और मर्चेंडाइजिंग डेटा के साथ सौंपा गया है। इस उपलब्धि को पूरा करने के लिए, वे डेटा माइनिंग से लेकर सांख्यिकीय विश्लेषण तक कई तरह के कार्य करते हैं। महत्वपूर्ण रुझानों और प्रासंगिक जानकारी की पहचान करने के लिए डेटा एकत्र करना, व्यवस्थित करना और व्याख्या करना सभी किया जाता है। हालांकि इंजीनियर निश्चित रूप से डेटा वैज्ञानिकों के साथ मिलकर काम करते हैं, दोनों भूमिकाओं के बीच कुछ अलग अंतर हैं। मूलभूत अंतरों में से एक यह है कि इंजीनियर सिस्टम की "उत्पादक तत्परता" पर एक निश्चित रूप से उच्च मूल्य रखते हैं। डेटा वैज्ञानिकों द्वारा वास्तविक स्वरूप और स्केलेबिलिटी के लिए बनाए गए मॉडल की लचीलापन और सुरक्षा से, इंजीनियर चाहते हैं कि उनकी प्रणालियां तेज और विश्वसनीय रूप से कार्यात्मक हों। दूसरे शब्दों में: डेटा वैज्ञानिकों और इंजीनियरिंग टीमों में दिन-प्रतिदिन की चिंताएँ हैं। यह सवाल है, आप सफलता के लिए दोनों भूमिकाओं को कैसे स्थान दे सकते हैं और अंततः अपने डेटा से सबसे सार्थक अंतर्दृष्टि निकाल सकते हैं? उत्तर डेटा और इंजीनियरिंग संबंधों को पूर्ण करने के लिए समय और संसाधन समर्पित करने में निहित है। जिस तरह डेटा सेट के आसपास अव्यवस्था या "शोर" को कम करना महत्वपूर्ण है, वैसे ही इन दो टीमों के बीच किसी भी और सभी घर्षण को चिकना करना महत्वपूर्ण है जो आपकी व्यावसायिक सफलता में महत्वपूर्ण भूमिका निभाते हैं। इसे वास्तविकता बनाने के लिए तीन महत्वपूर्ण चरण हैं। यह केवल कुछ वैज्ञानिकों और कुछ इंजीनियरों को एक कमरे में रखने और उन्हें दुनिया की समस्याओं को हल करने के लिए कहने के लिए पर्याप्त नहीं है। आपको पहले उन्हें एक-दूसरे की शब्दावली को समझने और एक ही भाषा बोलने की आवश्यकता है। ऐसा करने का एक तरीका टीमों को पार करना है। वैज्ञानिकों और इंजीनियरों को दो की फली में बाँधकर, आप साझा सीखने को प्रोत्साहित कर सकते हैं और बाधाओं को तोड़ सकते हैं। डेटा वैज्ञानिकों के लिए, इसका मतलब कोडिंग पैटर्न सीखना, अधिक संगठित तरीके से कोड लिखना और, शायद सबसे महत्वपूर्ण बात यह है कि उत्पादन में एक मॉडल को पेश करने के साथ शामिल तकनीकी स्टैक और बुनियादी ढांचे के व्यापार-बंद को समझना। 7wData.be पर पोस्ट किया गया