HIROSHI WATANABE/GETTY IMAGES
Ädams Smits grÄmatÄ The Wealth of Nations parÄda, kÄ darba dalÄ«Å”ana kļūst par galveno ražīguma palielinÄÅ”anas avotu. KÄ piemÄru var minÄt tapas rÅ«pnÄ«cas montÄžas lÄ«niju: āViens strÄdnieks stiepli velk, otrs iztaisno, treÅ”ais griež, ceturtais galu asina, piektais noslÄ«pÄ otru galu, lai tas atbilstu galvai.ā Pateicoties specializÄcijai, kas vÄrsta uz konkrÄtÄm funkcijÄm, katrs darbinieks kļūst par augsti kvalificÄtu speciÄlistu savÄ Å”aurajÄ uzdevumÄ, kas noved pie procesa efektivitÄtes paaugstinÄÅ”anas. Izlaide uz vienu darbinieku palielinÄs vairÄkas reizes, un rÅ«pnÄ«ca kļūst efektÄ«vÄka tapu ražoÅ”anÄ.
Å is darba dalÄ«jums pÄc funkcionalitÄtes ir tik ļoti iesakÅojies mÅ«su prÄtos pat Å”odien, ka Ätri atbilstoÅ”i organizÄjÄm savas komandas. Datu zinÄtne nav izÅÄmums. SarežģītÄm algoritmiskÄm biznesa iespÄjÄm ir nepiecieÅ”amas vairÄkas darba funkcijas, tÄpÄc uzÅÄmumi parasti veido speciÄlistu komandas: pÄtniekus, datu inženierus, maŔīnmÄcÄ«Å”anÄs inženierus, cÄloÅu un seku zinÄtniekus utt. SpeciÄlistu darbu ar funkciju nodoÅ”anu produktu vadÄ«tÄjs saskaÅo tÄdÄ veidÄ, kas atgÄdina piespraudes fabriku: āviens saÅem datus, cits modelÄ, treÅ”ais izpilda, ceturtais mÄraā un tÄ tÄlÄk,
DiemžÄl mums nevajadzÄtu optimizÄt savas datu zinÄtnes komandas, lai uzlabotu produktivitÄti. TomÄr jÅ«s to darÄt, kad saprotat, ko ražojat: tapas vai kaut ko citu, un vienkÄrÅ”i cenÅ”aties palielinÄt efektivitÄti. MontÄžas lÄ«niju mÄrÄ·is ir izpildÄ«t uzdevumu. MÄs precÄ«zi zinÄm, ko vÄlamies ā piespraudes (kÄ Smita piemÄrÄ), taÄu var minÄt jebkuru produktu vai pakalpojumu, kurÄ prasÄ«bas pilnÄ«bÄ apraksta visus produkta un tÄ uzvedÄ«bas aspektus. Darbinieku uzdevums ir izpildÄ«t Ŕīs prasÄ«bas pÄc iespÄjas efektÄ«vÄk.
TaÄu datu zinÄtnes mÄrÄ·is nav izpildÄ«t uzdevumus. DrÄ«zÄk mÄrÄ·is ir izpÄtÄ«t un attÄ«stÄ«t jaunas spÄcÄ«gas uzÅÄmÄjdarbÄ«bas iespÄjas. Algoritmiskos produktus un pakalpojumus, piemÄram, ieteikumu sistÄmas, klientu mijiedarbÄ«bu, stila preferenÄu klasifikÄciju, izmÄru, apÄ£Ärbu dizainu, loÄ£istikas optimizÄciju, sezonas tendenÄu noteikÅ”anu un daudz ko citu, nevar izstrÄdÄt iepriekÅ”. Tie ir jÄizpÄta. Nav nekÄdu projektu, ko atkÄrtot, tÄs ir jaunas iespÄjas ar raksturÄ«gu nenoteiktÄ«bu. Koeficienti, modeļi, modeļu veidi, hiperparametri, visi nepiecieÅ”amie elementi ir jÄapgÅ«st eksperimentÄjot, veicot izmÄÄ£inÄjumus un kļūdas, kÄ arÄ« atkÄrtojot. Ar tapÄm apmÄcÄ«ba un projektÄÅ”ana tiek veikta pirms ražoÅ”anas. Izmantojot datu zinÄtni, jÅ«s mÄcÄties tÄ, kÄ to darÄt, nevis agrÄk.
Piespraudes rÅ«pnÄ«cÄ, kad apmÄcÄ«ba ir pirmajÄ vietÄ, mÄs negaidÄm un nevÄlamies, lai darbinieki improvizÄtu par kÄdu produkta funkciju, izÅemot ražoÅ”anas efektivitÄtes uzlaboÅ”anu. Uzdevumu specializÄcija ir jÄga, jo tÄ nodroÅ”ina procesa efektivitÄti un ražoÅ”anas konsekvenci (bez izmaiÅÄm galaproduktÄ).
Bet, kad produkts vÄl tikai attÄ«stÄs un mÄrÄ·is ir apmÄcÄ«ba, specializÄcija traucÄ mÅ«su mÄrÄ·iem Å”Ädos gadÄ«jumos:
1. Tas palielina koordinÄcijas izmaksas.
Tas ir, tÄs izmaksas, kas uzkrÄjas laikÄ, kas pavadÄ«ts komunikÄcijai, pÄrrunÄm, pamatoÅ”anai un veicamo darbu prioritÄÅ”u noteikÅ”anai. Å Ä«s izmaksas superlineÄri mainÄs atkarÄ«bÄ no iesaistÄ«to cilvÄku skaita. (KÄ mums mÄcÄ«ja Dž. RiÄards Hakmens, attiecÄ«bu skaits r pieaug lÄ«dzÄ«gi kÄ terminu skaita n funkcija saskaÅÄ ar Å”o vienÄdojumu: r = (n^2-n)/2. Un katra saistÄ«ba atklÄj zinÄmu daļu izmaksu attiecÄ«ba.) Ja datu zinÄtniekus organizÄ pÄc funkcijÄm, katrÄ posmÄ, ar katrÄm izmaiÅÄm, katru nodoÅ”anu utt., ir nepiecieÅ”ami daudzi speciÄlisti, kas palielina koordinÄÅ”anas izmaksas. PiemÄram, statistikas modelÄtÄjiem, kuri vÄlas eksperimentÄt ar jaunÄm funkcijÄm, bÅ«s jÄsadarbojas ar datu inženieriem, kuri papildina datu kopas katru reizi, kad vÄlas izmÄÄ£inÄt kaut ko jaunu. TÄpat katrs jauns apmÄcÄ«ts modelis nozÄ«mÄ, ka modeļa izstrÄdÄtÄjam bÅ«s nepiecieÅ”ams kÄds, ar kuru jÄsaskaÅo, lai to nodotu ražoÅ”anÄ. KoordinÄcijas izmaksas darbojas kÄ iterÄcijas cena, padarot tÄs sarežģītÄkas un dÄrgÄkas un, visticamÄk, izraisÄ«s pÄtÄ«juma pÄrtraukÅ”anu. Tas var traucÄt mÄcÄ«Å”anos.
2. Tas apgrūtina gaidīŔanas laiku.
VÄl biedÄjoÅ”Äks par koordinÄÅ”anas izmaksÄm ir laiks, kas tiek zaudÄts starp darba maiÅÄm. Lai gan koordinÄcijas izmaksas parasti mÄra stundÄs - laiks, kas nepiecieÅ”ams, lai vadÄ«tu sanÄksmes, diskusijas, dizaina pÄrskatus, gaidÄ«Å”anas laiks parasti tiek mÄrÄ«ts dienÄs, nedÄļÄs vai pat mÄneÅ”os! FunkcionÄlo speciÄlistu grafikus ir grÅ«ti sabalansÄt, jo katrs speciÄlists ir jÄsadala vairÄkos projektos. Vienu stundu ilga sanÄksme, lai apspriestu izmaiÅas, var ilgt nedÄļas, lai izlÄ«dzinÄtu darbplÅ«smu. Un pÄc saskaÅoÅ”anas par izmaiÅÄm ir jÄplÄno pats faktiskais darbs daudzu citu projektu kontekstÄ, kas aizÅem speciÄlistu darba laiku. Darbs, kas saistÄ«ts ar koda laboÅ”anu vai izpÄti, kura pabeigÅ”ana aizÅem tikai dažas stundas vai dienas, var aizÅemt daudz ilgÄku laiku, pirms resursi kļūst pieejami. LÄ«dz tam atkÄrtoÅ”anÄs un mÄcÄ«Å”anÄs ir apturÄta.
3. Tas saŔaurina kontekstu.
Darba dalÄ«Å”ana var mÄkslÄ«gi ierobežot mÄcÄ«Å”anos, atalgojot cilvÄkus par palikÅ”anu savÄ specialitÄtÄ. PiemÄram, pÄtnieks, kuram jÄpaliek savas funkcionalitÄtes ietvaros, savu enerÄ£iju koncentrÄs uz eksperimentiem ar dažÄda veida algoritmiem: regresiju, neironu tÄ«kliem, nejauÅ”iem mežiem utt. Protams, labas algoritma izvÄles var radÄ«t pakÄpeniskus uzlabojumus, taÄu parasti ir daudz vairÄk, ko var iegÅ«t no citÄm darbÄ«bÄm, piemÄram, integrÄjot jaunus datu avotus. TÄpat tas palÄ«dzÄs izstrÄdÄt modeli, kas izmanto katru datiem raksturÄ«go skaidrojoÅ”o spÄku. TomÄr tÄ stiprÄ puse var bÅ«t mÄrÄ·a funkcijas maiÅa vai noteiktu ierobežojumu atslÄbinÄÅ”ana. To ir grÅ«ti redzÄt vai izdarÄ«t, ja viÅas darbs ir ierobežots. TÄ kÄ tehniskais zinÄtnieks specializÄjas algoritmu optimizÄÅ”anÄ, viÅÅ” daudz retÄk darÄ«s kaut ko citu, pat ja tas nes ievÄrojamas priekÅ”rocÄ«bas.
Lai nosauktu pazÄ«mes, kas parÄdÄs, kad datu zinÄtnes komandas darbojas kÄ piespraudes rÅ«pnÄ«cas (piemÄram, vienkÄrÅ”os statusa atjauninÄjumos): āgaida datu konveijera izmaiÅasā un āgaida ML Eng resursusā ir izplatÄ«ti bloÄ·ÄtÄji. TomÄr es uzskatu, ka bÄ«stamÄka ietekme ir tÄ, ko jÅ«s nepamanÄt, jo jÅ«s nevarat nožÄlot to, ko jÅ«s jau nezinÄt. Nevainojama izpilde un paÅ”apmierinÄtÄ«ba, kas gÅ«ta, panÄkot procesa efektivitÄti, var slÄpt patiesÄ«bu, ka organizÄcijas neapzinÄs mÄcÄ«bu priekÅ”rocÄ«bas, ko tÄs zaudÄ.
Å Ä«s problÄmas risinÄjums, protams, ir atbrÄ«voties no rÅ«pnÄ«cas tapas metodes. Lai veicinÄtu mÄcÄ«Å”anos un iterÄciju, datu zinÄtnieku lomÄm jÄbÅ«t vispÄrÄ«gÄm, bet ar plaÅ”iem pienÄkumiem neatkarÄ«gi no tehniskÄs funkcijas, t.i., datu zinÄtniekus jÄorganizÄ tÄ, lai tie bÅ«tu optimizÄti mÄcÄ«bÄm. Tas nozÄ«mÄ, ka ir jÄpieÅem darbÄ āpilna komplekta speciÄlistiā ā vispÄrÄ«gi speciÄlisti, kuri var veikt dažÄdas funkcijas, sÄkot no koncepcijas lÄ«dz modelÄÅ”anai, ievieÅ”anai lÄ«dz mÄrÄ«jumiem. Ir svarÄ«gi atzÄ«mÄt, ka es neapgalvoju, ka visu talantu algoÅ”anai vajadzÄtu samazinÄt darbinieku skaitu. DrÄ«zÄk es vienkÄrÅ”i pieÅemu, ka tad, kad tie tiek organizÄti atŔķirÄ«gi, viÅu stimuli ir labÄk saskaÅoti ar mÄcÄ«Å”anÄs un darbÄ«bas priekÅ”rocÄ«bÄm. PiemÄram, pieÅemsim, ka jums ir trÄ«s cilvÄku komanda ar trim biznesa prasmÄm. SpraudÄ«Å”u rÅ«pnÄ«cÄ katrs tehniÄ·is katram darba uzdevumam veltÄ«s treÅ”daļu sava laika, jo neviens cits nevar veikt viÅa darbu. PilnÄ kaudzÄ katrs vispÄrÄ«gais speciÄlists ir pilnÄ«bÄ veltÄ«ts visam biznesa procesam, mÄroga palielinÄÅ”anai un apmÄcÄ«bai.
TÄ kÄ ražoÅ”anas ciklu atbalsta mazÄk cilvÄku, koordinÄcija tiek samazinÄta. Ä¢enerÄlists nepÄrtraukti pÄrvietojas starp funkcijÄm, paplaÅ”inot datu cauruļvadu, lai pievienotu vairÄk datu, izmÄÄ£inot jaunas funkcijas modeļos, izvietojot jaunas versijas ražoÅ”anÄ cÄloÅsakarÄ«bas mÄrÄ«jumiem un atkÄrtojot darbÄ«bas, tiklÄ«dz rodas jaunas idejas. Protams, universÄls dažÄdas funkcijas pilda secÄ«gi, nevis paralÄli. Galu galÄ tÄ ir tikai viena persona. TomÄr uzdevuma pabeigÅ”ana parasti aizÅem tikai daļu no laika, kas nepiecieÅ”ams, lai piekļūtu citam specializÄtam resursam. TÄtad iterÄcijas laiks samazinÄs.
MÅ«su Ä£enerÄldirektors var nebÅ«t tik prasmÄ«gs kÄ speciÄlists noteiktÄ darba funkcijÄ, taÄu mÄs necenÅ”amies pÄc funkcionÄlÄs pilnÄ«bas vai nelieliem pakÄpeniskiem uzlabojumiem. MÄs drÄ«zÄk cenÅ”amies mÄcÄ«ties un atklÄt arvien vairÄk profesionÄlu izaicinÄjumu ar pakÄpenisku ietekmi. Ar holistisku kontekstu pilnÄ«gam risinÄjumam viÅÅ” saskata iespÄjas, kuras speciÄlists palaistu garÄm. ViÅam ir vairÄk ideju un vairÄk iespÄju. ViÅam arÄ« neizdodas. TomÄr neveiksmju izmaksas ir zemas, un mÄcÄ«Å”anÄs ieguvumi ir lieli. Å Ä« asimetrija veicina Ätru atkÄrtoÅ”anos un atalgo mÄcÄ«Å”anos.
Ir svarÄ«gi atzÄ«mÄt, ka autonomijas un prasmju daudzveidÄ«bas apjoms, kas tiek pieŔķirts visiem zinÄtniekiem, lielÄ mÄrÄ ir atkarÄ«gs no datu platformas, kurÄ viÅi strÄdÄ, noturÄ«bas. Labi izstrÄdÄta datu platforma abstrahÄ datu zinÄtniekus no sarežģītÄ«bas, kas saistÄ«ta ar konteinerizÄciju, izkliedÄto apstrÄdi, automÄtisko kļūmjpÄrlÄci un citÄm progresÄ«vÄm skaitļoÅ”anas koncepcijÄm. Papildus abstrakcijai spÄcÄ«ga datu platforma var nodroÅ”inÄt netraucÄtu savienojamÄ«bu ar eksperimentÄlo infrastruktÅ«ru, automatizÄt uzraudzÄ«bu un brÄ«dinÄjumus, iespÄjot automÄtisku mÄrogoÅ”anu un algoritmisko rezultÄtu vizualizÄciju un atkļūdoÅ”anu. Å os komponentus izstrÄdÄ un izveido datu platformas inženieri, kas nozÄ«mÄ, ka datu zinÄtnieks tos nenodod datu platformas izstrÄdes komandai. Datu zinÄtnes speciÄlists ir atbildÄ«gs par visu platformas palaiÅ”anai izmantoto kodu.
ArÄ« mani kÄdreiz interesÄja funkcionÄlÄ darba sadale, izmantojot procesa efektivitÄti, taÄu, izmantojot izmÄÄ£inÄjumus un kļūdas (nav labÄka veida, kÄ mÄcÄ«ties), es atklÄju, ka tipiskas lomas labÄk atvieglo mÄcÄ«Å”anos un inovÄcijas un nodroÅ”ina pareizos rÄdÄ«tÄjus: atklÄÅ”anu un radot daudz vairÄk uzÅÄmÄjdarbÄ«bas iespÄju nekÄ specializÄta pieeja. (EfektÄ«vÄks veids, kÄ uzzinÄt par Å”o organizÄÅ”anas pieeju, nevis izmÄÄ£inÄjumi un kļūdas, ko es piedzÄ«voju, ir izlasÄ«t Eimijas Edmondsones grÄmatu Team Collaboration: How Organizations Learn, Innovate and Compete in the Knowledge Economy).
Ir daži svarÄ«gi pieÅÄmumi, kas dažos uzÅÄmumos var padarÄ«t Å”o pieeju organizÄÅ”anai vairÄk vai mazÄk uzticamu. IterÄcijas process samazina izmÄÄ£inÄjumu un kļūdu izmaksas. Ja kļūdu izmaksas ir augstas, iespÄjams, vÄlÄsities tÄs samazinÄt (bet tas nav ieteicams medicÄ«niskiem nolÅ«kiem vai ražoÅ”anai). TurklÄt, ja jums ir darÄ«Å”ana ar datu petabaitiem vai eksabaitiem, var bÅ«t nepiecieÅ”ama specializÄcija datu inženierijÄ. TÄpat, ja tieÅ”saistes biznesa iespÄju un to pieejamÄ«bas uzturÄÅ”ana ir svarÄ«gÄka par to uzlaboÅ”anu, funkcionÄlÄ izcilÄ«ba var pÄrspÄt mÄcÄ«Å”anos. Visbeidzot, pilnas kaudzes modelis balstÄs uz to cilvÄku viedokļiem, kuri par to zina. Tie nav vienradži; jÅ«s varat tos atrast vai sagatavot pats. TomÄr tie ir ļoti pieprasÄ«ti, un to piesaistÄ«Å”anai un noturÄÅ”anai bÅ«s nepiecieÅ”ama konkurÄtspÄjÄ«ga atalgojums, spÄcÄ«gas korporatÄ«vÄs vÄrtÄ«bas un izaicinÄjumiem pilns darbs. PÄrliecinieties, ka jÅ«su uzÅÄmuma kultÅ«ra to atbalsta.
Pat neskatoties uz to, es uzskatu, ka pilnas kaudzes modelis nodroÅ”ina vislabÄkos sÄkuma apstÄkļus. SÄciet ar tiem un pÄc tam apzinÄti virzieties uz funkcionÄlu darba dalÄ«Å”anu tikai tad, kad tas ir absolÅ«ti nepiecieÅ”ams.
FunkcionÄlajai specializÄcijai ir arÄ« citi trÅ«kumi. Tas var novest pie darbinieku atbildÄ«bas un pasivitÄtes zaudÄÅ”anas. Pats Smits kritizÄ darba dalÄ«Å”anu, liekot domÄt, ka tÄ noved pie talanta notrulinÄÅ”anas, t.i. darbinieki kļūst nezinoÅ”i un noslÄgti, jo viÅu lomas aprobežojas ar dažiem atkÄrtotiem uzdevumiem. Lai gan specializÄcija var nodroÅ”inÄt procesa efektivitÄti, ir mazÄka iespÄja, ka tÄ iedvesmos darbiniekus.
SavukÄrt daudzpusÄ«gÄs lomas nodroÅ”ina visas lietas, kas veicina gandarÄ«jumu par darbu: autonomiju, meistarÄ«bu un mÄrÄ·tiecÄ«bu. Autonomija ir tÄda, ka viÅi nav no nekÄ atkarÄ«gi, lai gÅ«tu panÄkumus. MeistarÄ«ba slÄpjas spÄcÄ«gÄs konkurences priekÅ”rocÄ«bÄs. Un mÄrÄ·a izjÅ«ta slÄpjas iespÄjÄ ietekmÄt viÅu radÄ«to biznesu. Ja mÄs spÄsim aizraut cilvÄkus par savu darbu un atstÄt lielu iespaidu uz uzÅÄmumu, tad viss pÄrÄjais nostÄsies savÄs vietÄs.
Avots: www.habr.com