Работаете ли вы в стартапе, средней или крупной компании, вы, вероятно, слышали о науке о данных и о преимуществах, которые вы можете извлечь из нее. Улучшение маркетинга, CRM, продукта… так много возможностей. Вероятно, у вас есть какая-то операция с данными. Логирование, BI, немного бизнес-аналитики. А вот следующий шаг какой-то туманный. Как вы начинаете этот процесс интеграции науки о данных в вашей организации?
Наука о данных — сложная задача. Вихрь материалов, областей, практик слился в единую, как-то разрекламированную профессию, которая должна заботиться обо всех ваших данных и давать конкурентное преимущество перед вашими клиентами.
Об этом было написано много слов, но большинство из них адресовано исследователям данных: как им стать, объяснение алгоритмов, много хороших вариантов использования, похвалы и критика. Меньшая часть рецензий посвящена процессу обработки данных, настройке, эксплуатации, что на самом деле имеет решающее значение. Еще меньшая часть статей на самом деле адресована владельцам бизнеса или менеджерам, которые должны планировать, проектировать, нанимать, управлять и оценивать эту операцию.
Многие вопросы остаются без ответа: как создать команду? должна ли это быть органичная команда или разделенная по бизнес-задачам? какими знаниями они должны обладать?
А рабочий процесс? должен ли он быть гибким или более ориентированным на исследования? возможно, какая-то комбинация того и другого?
И инфраструктура: каждый специалист по данным со своим собственным Python, или каждый должен работать над большой всеобъемлющей структурой.
Мы в Shibumi AI обращались к этим вопросам десятки раз за последние 3 года, и мы чувствуем, что пришло время включить серию статей, которые обобщают наш опыт и, надеюсь, помогут другим, которые борются с некоторыми из них. эти вопросы.
В этой серии статей я собираюсь поделиться своим опытом в качестве поставщика решений, рассказать вам о нескольких вещах, которые работали лучше, и о других, которые не работали, и, возможно, дать вам некоторые идеи.
Планируемая структура серии
- Вступление (это)
- Что такое наука о данных
- Зачем нужна наука о данных
- Как начать науку о данных в вашей организации
- Как интегрировать науку о данных в вашей организации
- Как создать инфраструктуру для обработки данных
- Как использовать внешнюю помощь
- Как спланировать проект
- Как управлять проектом
- Как набирать персонал
Вывод
Планируется, что это будет серия исследований данных 101 для управления на текущий момент. Не было лучшего времени, чтобы начать науку о данных, чем сейчас, и, надеюсь, эта серия облегчит вам задачу.
Надеюсь, вам понравился этот обзор! не стесняйтесь подписаться на меня и посетить наш веб-сайт — www.shibumi-ai.com
