تسريع قيمة الأعمال من خلال منصة علوم البيانات القابلة للتوسع

من كارلو ابوجلييزي
@CAppugliese

في حين أن علوم البيانات والذكاء الاصطناعى تعد جديدة نسبيا في السوق، الا أن مفهوم استخلاص القيمة من البيانات كان موجودا لبعض الوقت. لكن مع الوقت تغيرت الأشياء - وأصبح القادة يتعاملون مع مجموعة متنوعة من الأدوات (خيارات المصادر المفتوحة باستخدام Rand Python ومجموعات البرامج المتاحة، مثل SAS و SPSS)، ومهارات وتقنيات (التعلم الآلي، والتحسين، والاحصائيات وغيرها) ومجموعة متنوعة من خيارات أعباء العمل التي تتعامل مع البيانات الكبيرة (EDW، ‏Hadoop وغيرها). ولم تعد فرق علوم البيانات تجد هذا بالأمر السهل، وقد طرح العديد منهم أسئلة حول كيفية تعظيم قيمة أعمالهم اليوم. ويشارك كارلو ابوجلييزي الرؤى الثاقبة من تجارب فريقه التي تساعد مئات الشركات على تعزيز ممارساتها في مجال علوم البيانات، والتي تتدرج من كيفية تقصير الوقت الى التأثير في كيفية استخراج أفضل عمل من فريق العمل لديك.

كارلو يشارك بست خطوات لقيادة فعالة لفريق علوم البيانات:

1. أولاً والأكثر أهمية، يجب التركيز على أهداف أعمالك ومشاكلك؛ ولا تكن أسيرا للتكنولوجيا. لا تقم بتطبيق التكنولوجيا من أجل التكنولوجيا.
2. لا تبالغ في تحليل ما تحاول القيام به. تتقدم بعض من المشاريع الناجحة عن طريق القيام بذلك فقط. يجب تحديد مشكلة الأعمال لديك/حالة الاستخدام، ووضع فريق العمل معا وانطلق.
3. لا تضع حدود للبيانات المتاحة لفريق العمل لديك. علماء البيانات بحاجة الى الاستكشاف، وأحيانا سيتغير نهجهم بناء على النتائج. امنح العلماء لديك امكانية توصل لكل البيانات.
4. فكر في الطريقة التي سيتم بها تشغيل مشروعك في البداية. لا تقم بوضع كود للحل بالكامل ثم قم باعادة كتابة النموذج في تطبيق رقمي. وبناء الحل بتقنية يمكنك تشغيلها.
5. لا تخشى استخدام أحدث أطر العمل من Python. أطر العمل المفتوحة هي من تطوير المجتمع وتتفوّق على النهج التقليدية. ما عليك سوى مسح بعض الفائزين في Kaggle -Python وهو رائد بارز، لذلك يجب عدم القلق بشأن المصدر المفتوح. ؟ تعرف على الفائزين في Kaggle (الرابط يوجد خارج ibm.com)
6. يجب أن يتم تمكين فريقك، حتى يتمكن أقل العلماء من استخدام أطر العمل المفتوحة لحل مشكلات أعمالك. بعض أعضاء فريقي الأكثر انتاجية يحققون الهدف مباشرة من برامج الدراسات العليا.