<\/a><\/noindex>Aga andmete teaduse eesm\u00e4rk ei ole vaid \u00fclesannete t\u00e4itmine. Pigem on eesm\u00e4rk \u00f5ppida ja arendada uusi tugevaid \u00e4riv\u00f5imalusi. Algoritmilisi tooteid ja teenuseid, nagu soovituss\u00fcsteemid, kliendisuhtlemine, stiilieelistuste klassifitseerimine, m\u00f5\u00f5dusobivuse soovitamine, r\u00f5ivaste disain, logistika optimeerimine, hooajaliste tendentside avastamine ja palju muud, ei saa eelnevalt v\u00e4lja t\u00f6\u00f6tada. Need peavad olema uuritud. Plaane nende kopeerimiseks ei ole, need on uued v\u00f5imalused oma m\u00e4\u00e4ratletud ebamugavustega. Koefitsiendid, mudelid, mudelite t\u00fc\u00fcbid, h\u00fcperparameetrid, k\u00f5ik vajalikud elemendid peavad olema uuritud eksperimentide, katsetamise ja kordamise kaudu. N\u00f6\u00f6pn\u00f5elte puhul toimub \u00f5pe ja disain eelnevalt, enne tootmise algust. Andmete teaduses \u00f5pite te protsessi k\u00e4igus, mitte enne seda.<\/p>\n
N\u00f6\u00f6pn\u00f5elte tehases, kus \u00f5pe on esikohal, ei oota ega soovi me, et t\u00f6\u00f6tajad improviseeriksid toote mis tahes omaduste osas, v\u00e4lja arvatud tootmise efektiivsuse t\u00f5stmiseks. \u00dclesannete spetsialiseerumine on m\u00f5ttekas, kuna see toob kaasa protsesside efektiivsuse ja tootmise j\u00e4rjepidevuse (ilma muutusteta l\u00f5ppproduktis).<\/p>\n
Kuid kui toode on endiselt arengufaasis ja eesm\u00e4rk on \u00f5ppimine, takistab spetsialiseerumine meie eesm\u00e4rke j\u00e4rgmistes olukordades:<\/p>\n
1. See suurendab koordineerimiskulusid. <\/b><\/p>\n
Seega r\u00e4\u00e4gime kuludest, mis kogunevad aja jooksul, mis kulub suhtlemiseks, aruteludeks, t\u00f6\u00f6 prioriteetide m\u00e4\u00e4ramiseks ja \u00f5igete \u00fclesannete m\u00e4\u00e4ramiseks. Need kulud suureneb mittejooneliselt koos osalejate arvu kasvuga. (Kuidas \u00f5petas meid J. Richard Hackman, suhete arv r kasvab vastavalt liikmete arvu n, j\u00e4rgides valemit: r = (n ^ 2 - n) \/ 2. Ja iga suhe paljastab teatud kulu suhete arvu.) Kui andmeanal\u00fc\u00fctikud on organiseeritud funktsioonide kaupa, n\u00f5uab iga etapp, iga muudatus, teenuse edastamine jne palju spetsialiste, mis t\u00f5stab koordineerimise kulusid. N\u00e4iteks statistilise modelleerimise spetsialistid, kes soovivad katsetada uusi funktsioone, peavad oma tegevust koordineerima andmet\u00f6\u00f6tluse inseneridega, kes t\u00e4iustavad andmekogumeid iga kord, kui nad soovivad midagi uut proovida. Samuti t\u00e4hendab iga uus treenitud mudel seda, et mudeli arendajal peab olema keegi, kellega oma tegevust koordineerida modelleerimise k\u00e4ivitamiseks. Koordineerimise kulud on pideva parandamise tasu, mis muudab need keerulisemaks ja kallimaks ning suurendab t\u00f5en\u00e4osust, et katsetamisest loobutakse. See v\u00f5ib takistada \u00f5ppimist.<\/p>\n
2. See raskendab ooteaega. <\/b><\/p>\n
Koordineerimise kuludest veelgi hirmutavam on aeg, mis kaob t\u00f6\u00f6vahetuste vahel. Kuigi koordineerimise kulud on tavaliselt m\u00f5\u00f5detavad tundides: aeg, mis kulub koosolekute, arutelude ja projektide \u00fclevaatamiseks, m\u00f5\u00f5detakse ooteaeg tavaliselt p\u00e4evades, n\u00e4dalates v\u00f5i isegi kuudes! Funktsionaalsete spetsialistide ajakavad on raske \u00fchtlustada, kuna iga spetsialist peab olema jaotatud mitmele projektile. \u00dche tunni koosoleku, et arutada muudatusi, v\u00f5ib olla vaja koordineerida n\u00e4dalaid, et t\u00f6\u00f6vooge s\u00fcnkroniseerida. Ja p\u00e4rast muudatuste kokkuleppimist peab planeerima ka tegeliku t\u00f6\u00f6 konteksti, mis h\u00f5lmab palju teisi projekte ja v\u00f5tab spetsialistide t\u00f6\u00f6aega. Koodivea parandamise v\u00f5i uurimist\u00f6\u00f6ga seotud t\u00f6\u00f6, mille valimine v\u00f5iks v\u00f5tta ainult paar tundi v\u00f5i p\u00e4eva, v\u00f5ib kesta tunduvalt kauem, enne kui ressursid muutuvad kergesti k\u00e4ttesaadavaks. Sel ajal on iteratsioon ja \u00f5ppimine peatatud.<\/p>\n
3. See kitsendab konteksti.<\/b><\/p>\n
T\u00f6\u00f6 jagamine v\u00f5ib kunstlikult piirata \u00f5ppimist, premeerides inimesi oma spetsialiseerumises p\u00fcsimise eest. N\u00e4iteks teadlane, kes peab j\u00e4\u00e4ma oma funktsionaalsuse piiridesse, suunab oma energia erinevate algoritmide, n\u00e4iteks regressiooni, n\u00e4rviv\u00f5rkude ja juhuslike metsade katsetamisele. Ilmselt v\u00f5ib hea algoritmi valiku tegemine tuua j\u00e4rkj\u00e4rgulisi parendusi, kuid \u00fcldiselt on palju enam saadud teist t\u00fc\u00fcpi tegevusest, n\u00e4iteks uute andmeallikate integratsioonist. Samuti aitab see arendada mudelit, mis kasutab igat bitki andmete selgitavast v\u00f5imest. Sellegipoolest v\u00f5ib selle tugevus olla sihtfunktsiooni muutmises v\u00f5i teatud piirangute n\u00f5rgendamises. Seda on raske n\u00e4ha v\u00f5i saavutada, kui tema t\u00f6\u00f6 on piiratud. Kuna spetsialist tegeleb algoritmide optimeerimisega, on tal palju v\u00e4hem v\u00f5imalusi millegi muuga tegeleda, isegi kui see toob suurt kasu.<\/p>\n
Nimetame m\u00e4rgid, mis ilmnevad, kui andmete teaduse meeskonnad t\u00f6\u00f6tavad nagu n\u00f6\u00f6pn\u00f5elafabrikud (nt lihtsate olekute v\u00e4rskenduste kaudu): 'andmekanali muudatuste ootamine' ja 'ML Engi ressursside ootamine', mis on tavalised takistused. Sellegipoolest usun, et ohtlikum m\u00f5ju on see, mida te ei m\u00e4rka, sest te ei saa kahetseda seda, mida te ei tea. T\u00e4iuslik n\u00f5uete t\u00e4itmine ja enesekehtestamine, mis saavutatakse protsesside efektiivsuse saavutamise t\u00f5ttu, v\u00f5ivad varjata t\u00f5de selle kohta, et organisatsioonid ei ole teadlikud \u00f5ppimise eelistest, mille nad kaotavad.<\/p>\n
Selle probleemi lahendus peitub loomulikult tehaseklambrite meetodist vabanemises. \u00d5ppimise ja iteratsiooni stimuleerimiseks peaksid andmeadlase rollid olema \u00fcldised, kuid ulatuslike kohustustega, mis ei s\u00f5ltu tehnilisest funktsioonist; see t\u00e4hendab, et organiseerige andme spetsialistid nii, et nad oleksid optimeeritud \u00f5ppimiseks. See h\u00f5lmab \"t\u00e4iskomplekti spetsialistide\" palkamist \u2014 laiaulatuslikke spetsialiste, kes saavad t\u00e4ita erinevaid \u00fclesandeid: kontseptsioonist modelleerimiseni, rakendamisest m\u00f5\u00f5tmiseni. Oluline on m\u00e4rkida, et ma ei eelda, et t\u00e4iskomplekti spetsialistide palkamine v\u00e4hendaks t\u00f6\u00f6tajate arvu. T\u00f5en\u00e4oliselt eeldan ma lihtsalt, et kui neid korraldatakse teistmoodi, on nende stiimulid paremini koosk\u00f5las \u00f5ppimise ja t\u00f5hususe eelistega. N\u00e4iteks teil on meeskond, kuhu kuulub kolm inimest, kellel on kolm \u00e4rikvaliteeti. Nuppude tootmisettev\u00f5ttes p\u00fchendab iga spetsialist kolmandiku oma ajast igale ametikohale, kuna keegi teine ei saa samasugust t\u00f6\u00f6d teha. T\u00e4iskomplekti l\u00e4henemises p\u00fchendub iga universaalne t\u00f6\u00f6taja t\u00e4ielikult kogu \u00e4ri protsessile, t\u00f6\u00f6 mahu suurendamisele ja \u00f5ppimisele.<\/p>\n
Kui tootmisprotsessi toetavate inimeste arv v\u00e4heneb, v\u00e4heneb ka koordineerimine. Universaal liigub sujuvalt erinevate funktsioonide vahel, laiendades andmevoogu, et lisada rohkem andmeid, katsetades mudeleid uusi funktsioone, juurutades uusi versioone tootmises p\u00f5hjuslike m\u00f5\u00f5tmiste jaoks ning kordab samme nii kiiresti, kui uusi ideid tuleb. Loomulikult t\u00e4idab universaal erinevaid funktsioone j\u00e4rjestikku, mitte paralleelselt. L\u00f5ppkokkuv\u00f5ttes on see vaid \u00fcks inimene. Siiski v\u00f5tab \u00fclesande t\u00e4itmine tavaliselt vaid v\u00e4ikese osa ajast, mis on vajalik teise spetsialiseeritud ressursi kaasamiseks. Seega v\u00e4heneb iteratsiooniaeg.<\/p>\n
Meie universaal ei pruugi olla nii osav kui spetsialist teatud ametifunktsioonis, kuid me ei p\u00fcrgi funktsionaalse t\u00e4iuslikkuse v\u00f5i v\u00e4ikeste j\u00e4rkj\u00e4rguliste paranduste poole. Pigem p\u00fc\u00fcame \u00f5ppida ja avastada uusi ametikohustusi j\u00e4rkj\u00e4rgulise m\u00f5juga. Tootlikus, mis annab t\u00e4ieliku konteksti lahendusele, n\u00e4eb ta v\u00f5imalusi, mida kitsas spetsialist ignoreerib. Tal on rohkem ideid ja rohkem v\u00f5imalusi. Ta eba\u00f5nnestub samuti, kuid eba\u00f5nnestumise hind on madal ning \u00f5ppimise eelised on suured. See as\u00fcmmeetria soodustab kiiret iteratsiooni ja premeerib \u00f5ppimist.<\/p>\n
Oluline on m\u00e4rkida, et see autonoomia ja oskuste mitmekesisuse ulatus, mida t\u00e4iskomplekti spetsialist idealiseeritud viisil, s\u00f5ltub suures osas andmeplatvormi usaldusv\u00e4\u00e4rsusest, millega toimetada. H\u00e4sti konstrueeritud andmeplatvorm abstraheerib andmeprotsessorid keerukusest nagu konteineriseerimine, hajutatud t\u00f6\u00f6tlemine, automaatne \u00fcleminek uuele ressursile ja muud tipptasemel arvutuskontseptsioonid. Lisaks abstraktsioonile v\u00f5ib usaldusv\u00e4\u00e4rne andmeplatvorm pakkuda sujuvat \u00fchendust eksperimentaalse infrastruktuuriga, automatiseerida j\u00e4lgimise ja h\u00e4ire s\u00fcsteemi, pakkuda automaatset skaleerimist ning visualiseerida algoritmilisi tulemusi ja t\u00f5rkeotsingut. Need komponendid on kujundatud ja loodud andmeplatvormi inseneride poolt, mitte andmeadlase \u00fclesanne pole neid edastada andmeplatvormi arendajate meeskonnale. Just andmeadlase vastutus on kogu kood, mida rakendatakse platvormi k\u00e4itamiseks.<\/p>\n
Mind huvitas samuti funktsioonide jagamine t\u00f6\u00f6 jagamise efektiivsuse kaudu, kuid katsetamine (paremat \u00f5ppimise meetodit pole) t\u00f5i mind avastama, et t\u00fc\u00fcpilised rollid toetavad paremini \u00f5ppimist ja innovatsiooni ning pakuvad \u00f5igeid m\u00f5\u00f5dikuid: nad avastavad ja loovad palju rohkem \u00e4riv\u00f5imalusi kui spetsialiseeritud l\u00e4henemine. (T\u00f5husam viis sellest l\u00e4henemisest \u00f5ppimiseks, kui katsetamine, mille l\u00e4bi ma l\u00e4ksin, on lugeda Amy Edmondsoni raamatut \"Meeskonnat\u00f6\u00f6 d\u00fcnaamika: kuidas organisatsioonid \u00f5pivad, loovad innovatsiooni ja konkureerivad teadmistep\u00f5hises majanduses\").<\/p>\n
On m\u00f5ned olulised eeldused, mis v\u00f5ivad muuta selle l\u00e4henemise organisatsioonile rohkem v\u00f5i v\u00e4hem usaldusv\u00e4\u00e4rseks erinevates ettev\u00f5tetes. Iteratsiooniprotsess v\u00e4hendab katsetuste ja vigade maksumust. Kui vea hind on k\u00f5rge, v\u00f5ite soovida neid v\u00e4hendada (kuid meditsiini v\u00f5i tootmise jaoks ei ole see soovitatav). Lisaks, kui tegelete petabaidiga v\u00f5i eksabaidiga andmetega, v\u00f5ib osutuda vajalikuks andmete kujundamise spetsialiseerumine. Samuti, kui \u00e4riv\u00f5imaluste veebihoidmine ja nende k\u00e4ttesaadavus on olulisemad kui nende t\u00e4iustamine, v\u00f5ib funktsionaalne tipptase \u00fcletada \u00f5ppimise. L\u00f5puks toetub t\u00e4ispakett mudel asjatundlikkusele. Need ei ole unen\u00e4od; neid v\u00f5ib leida v\u00f5i ise koolitada. Siiski on suur n\u00f5udlus ning nende ettev\u00f5ttes hoidmiseks ja meelitamiseks on vajalik konkurentsiv\u00f5imeline materiaalse h\u00fcvitise, stabiilsed ettev\u00f5tte v\u00e4\u00e4rtused ja huvitav t\u00f6\u00f6. Veenduge, et teie ettev\u00f5tte kultuur suudab selliseid tingimusi tagada.<\/p>\n
Kuid vaatamata k\u00f5ikidele \u00fctlustele usun, et t\u00e4ispakett mudel pakub parimaid l\u00e4htepositsioone. Alustage nendest ja seej\u00e4rel liikuge teadlikult funktsionaalse t\u00f6\u00f6jaotuse suunas ainult siis, kui see on t\u00f5eliselt vajalik.<\/p>\n
Funktsionaalsel spetsialiseerimisel on ka teisi puudusi. See v\u00f5ib viia vastutuse kadumiseni ja t\u00f6\u00f6tajate passiivsuseni. Isegi Smith kritiseerib t\u00f6\u00f6jaotust, v\u00e4ites, et see peletab \u00e4ra talentide, st t\u00f6\u00f6tajad muutuvad teadmatuses ja isoleerituks, kuna nende rollid on piiratud m\u00f5ne korduva \u00fclesandega. Kuigi spetsialiseerimine v\u00f5ib protsesside efektiivsust tagada, ei inspireeri see t\u00f6\u00f6tajaid sageli.<\/p>\n
Omakohtade rollid pakuvad k\u00f5ike, mis suurendab t\u00f6\u00f6rahulolu: autonoomia, meistrimehe oskus ja sihikindlus. Autonoomia seisneb selles, et nad ei s\u00f5ltu millestki eduka saavutamiseks. Meistri oskus v\u00e4ljendub tugevas konkurentsieelises. Ja sihikindlus seisneb v\u00f5imaluses m\u00f5jutada \u00e4rikeskkonda, mida nad loovad. Kui suudame veenda inimesi oma t\u00f6\u00f6ga tegelema ja ettev\u00f5ttele suurt m\u00f5ju avaldama, paigutub k\u00f5ik muu \u00f5igesse kohta.habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"HIROSHI WATANABE\/GETTY IMAGES \u0412 \u043a\u043d\u0438\u0433\u0435 \u00ab\u0411\u043e\u0433\u0430\u0442\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u043e\u0434\u043e\u0432\u00bb \u0410\u0434\u0430\u043c \u0421\u043c\u0438\u0442 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442, \u043a\u0430\u043a \u0440\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0442\u0440\u0443\u0434\u0430 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0433\u043b\u0430\u0432\u043d\u044b\u043c \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u043c \u043f\u043e\u0432\u044b\u0448\u0435\u043d\u0438\u044f \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u041f\u0440\u0438\u043c\u0435\u0440\u043e\u043c \u0432\u044b\u0441\u0442\u0443\u043f\u0430\u0435\u0442 \u043b\u0438\u043d\u0438\u044f \u0441\u0431\u043e\u0440\u043a\u0438 \u0437\u0430\u0432\u043e\u0434\u0430 \u043f\u043e \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0441\u0442\u0432\u0443 \u0431\u0443\u043b\u0430\u0432\u043e\u043a: \u00ab\u041e\u0434\u0438\u043d \u0440\u0430\u0431\u043e\u0447\u0438\u0439 \u0442\u044f\u043d\u0435\u0442 \u043f\u0440\u043e\u0432\u043e\u043b\u043e\u043a\u0443, \u0434\u0440\u0443\u0433\u043e\u0439 \u0432\u044b\u043f\u0440\u044f\u043c\u043b\u044f\u0435\u0442 \u0435\u0451, \u0442\u0440\u0435\u0442\u0438\u0439 \u043e\u0431\u0440\u0435\u0437\u0430\u0435\u0442, \u0447\u0435\u0442\u0432\u0435\u0440\u0442\u044b\u0439 \u0437\u0430\u043e\u0441\u0442\u0440\u044f\u0435\u0442 \u043a\u043e\u043d\u0435\u0446, \u043f\u044f\u0442\u044b\u0439 \u043e\u0431\u0442\u0430\u0447\u0438\u0432\u0430\u0435\u0442 \u0434\u0440\u0443\u0433\u043e\u0439 \u043a\u043e\u043d\u0435\u0446 \u0434\u043b\u044f \u043d\u0430\u0441\u0430\u0436\u0438\u0432\u0430\u043d\u0438\u044f \u0433\u043e\u043b\u043e\u0432\u043a\u0438\u00bb. \u0411\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u043e\u0440\u0438\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u043d\u0430 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438, \u043a\u0430\u0436\u0434\u044b\u0439 \u0440\u0430\u0431\u043e\u0442\u043d\u0438\u043a \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0432\u044b\u0441\u043e\u043a\u043e\u043a\u0432\u0430\u043b\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u043c […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":24671,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-32907","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-novosti-interneta"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t
![\"Miks](\"\/wp-content\/uploads\/2019\/05\/19d1e32e5d57abd463376af240cfa42e.jpg\")