HIROSHI WATANABE/GETTY IMAGES
Адам Смит "Үндэстнүүдийн баялаг" номдоо хөдөлмөрийн хуваагдал хэрхэн бүтээмжийг нэмэгдүүлэх гол эх үүсвэр болж байгааг харуулсан. “Нэг ажилчин утсыг татдаг, нөгөө нь шулуун, гурав дахь нь зүсдэг, дөрөв дэх нь үзүүрийг нь хурцалж, тав дахь нь нөгөө үзүүрийг нь толгойд нь тааруулж нунтагладаг” гэх жишээг зүү үйлдвэрийн угсралтын ажил хийж байна. Тодорхой чиг үүрэгт чиглэсэн мэргэшлийн ачаар ажилтан бүр өөрийн нарийн даалгаврын дагуу өндөр мэргэшсэн мэргэжилтэн болж, үйл явцын үр ашгийг нэмэгдүүлэхэд хүргэдэг. Нэг ажилчинд ногдох үйлдвэрлэлийн хэмжээ хэд дахин нэмэгдэж, үйлдвэр нь тээглүүр үйлдвэрлэхэд илүү үр дүнтэй болдог.
Энэхүү хөдөлмөрийн хуваагдал нь өнөөдрийг хүртэл бидний оюун санаанд маш их шингэсэн тул бид багуудаа тэр дагуу хурдан зохион байгуулдаг. Мэдээллийн шинжлэх ухаан нь үл хамаарах зүйл биш юм. Бизнесийн нарийн төвөгтэй алгоритмын чадавхи нь олон төрлийн ажлын функцийг шаарддаг тул компаниуд ихэвчлэн мэргэжилтнүүдийн багийг бүрдүүлдэг: судлаачид, мэдээллийн инженерүүд, машин сургалтын инженерүүд, шалтгаан-үр дагаврын эрдэмтэд гэх мэт. Мэргэжилтнүүдийн ажлыг бүтээгдэхүүний менежер нь зүү үйлдвэртэй төстэй байдлаар чиг үүргийг шилжүүлэх замаар зохицуулдаг: "нэг хүн өгөгдлийг хүлээн авдаг, нөгөө нь үүнийг загварчилж, гурав дахь нь гүйцэтгэдэг, дөрөв дэх нь хэмждэг" гэх мэт.
Харамсалтай нь, бид бүтээмжийг сайжруулахын тулд Data Science багаа оновчтой болгох ёсгүй. Гэсэн хэдий ч, та юу үйлдвэрлэж байгаагаа ойлгосноор үүнийг хийдэг: зүү эсвэл өөр зүйл, зүгээр л үр ашгийг нэмэгдүүлэхийг хичээдэг. Угсрах шугамын зорилго нь ажлыг дуусгах явдал юм. Бид яг юу хүсч байгаагаа мэддэг - тээглүүр (Смитийн жишээн дээрх шиг), гэхдээ ямар ч бүтээгдэхүүн, үйлчилгээг дурдаж болно, үүнд тавигдах шаардлага нь бүтээгдэхүүн, түүний зан төлөвийн бүх талыг бүрэн дүрсэлсэн байдаг. Ажилчдын үүрэг бол эдгээр шаардлагыг аль болох үр дүнтэй биелүүлэх явдал юм.
Гэхдээ Data Science-ийн зорилго нь даалгавраа дуусгах явдал биш юм. Үүний оронд бизнесийн хүчирхэг шинэ боломжуудыг судалж, хөгжүүлэх нь зорилго юм. Зөвлөмжийн систем, хэрэглэгчийн харилцан үйлчлэл, загварын сонголтын ангилал, хэмжээ, хувцасны загвар, логистикийн оновчлол, улирлын чиг хандлагыг илрүүлэх гэх мэт алгоритмын бүтээгдэхүүн, үйлчилгээг урьдчилан боловсруулж болохгүй. Тэднийг судлах ёстой. Хуулбарлах ямар ч зураг төсөл байхгүй, эдгээр нь тодорхойгүй шинэ боломжууд юм. Коэффициент, загвар, загварын төрөл, гиперпараметр, шаардлагатай бүх элементүүдийг туршилт, туршилт, алдаа, давталтаар сурч мэдсэн байх ёстой. Зүүтэй бол сургалт, дизайныг үйлдвэрлэхээс өмнө хийдэг. Data Science-ийн тусламжтайгаар та өмнөх шигээ биш харин сурдаг шигээ суралцдаг.
Зүүний үйлдвэрт сургалт хамгийн түрүүнд тавигдах үед бид ажилчдаас үйлдвэрлэлийн үр ашгийг дээшлүүлэхээс өөр бүтээгдэхүүний ямар нэг онцлог шинж чанарыг бий болгохыг хүсээгүй. Мэргэшсэн ажлууд нь процессын үр ашиг, үйлдвэрлэлийн тогтвортой байдалд (эцсийн бүтээгдэхүүнд өөрчлөлт оруулахгүйгээр) хүргэдэг учраас утга учиртай.
Гэхдээ бүтээгдэхүүн хөгжиж байгаа бөгөөд зорилго нь сургалт байх үед дараахь тохиолдолд мэргэшсэн байдал нь бидний зорилгод саад болдог.
1. Энэ нь зохицуулалтын зардлыг нэмэгдүүлдэг.
Энэ нь харилцах, хэлэлцэх, зөвтгөх, хийх шаардлагатай ажлыг эрэмбэлэх явцад хуримтлагдсан зардал юм. Эдгээр зардал нь оролцож буй хүмүүсийн тоогоор хэт шугаман байдлаар хэмжигддэг. (Ж. Ричард Хэкманы бидэнд заасанчлан r харилцааны тоо энэ тэгшитгэлийн дагуу n гишүүний тооны функцтэй адил өсдөг: r = (n^2-n)/2. Мөн харилцаа бүр нь зардлын хамаарал.) Өгөгдөл судлаачдыг чиг үүргийн дагуу, үе шат бүрт, өөрчлөлт, шилжүүлэг болгонд гэх мэтээр зохион байгуулахад олон мэргэжилтэн шаардлагатай байдаг нь зохицуулалтын зардлыг нэмэгдүүлдэг. Жишээлбэл, шинэ боломжуудыг туршиж үзэхийг хүсч буй статистикийн загвар зохион бүтээгчид шинэ зүйлийг туршиж үзэхийг хүсэх бүртээ өгөгдлийн багцад нэмдэг өгөгдлийн инженерүүдтэй хамтран ажиллах шаардлагатай болно. Үүний нэгэн адил бэлтгэгдсэн шинэ загвар бүр нь загвар зохион бүтээгчид үүнийг үйлдвэрлэлд нэвтрүүлэхийн тулд зохицуулах хүн хэрэгтэй болно гэсэн үг юм. Зохицуулалтын зардал нь давталтын үнэ болж, илүү хэцүү, зардал ихтэй болгодог бөгөөд судалгааг орхиход хүргэдэг. Энэ нь суралцахад саад болж болзошгүй.
2. Энэ нь хүлээх хугацааг хүндрүүлдэг.
Ажлын ээлжийн хооронд алдагдах цаг нь зохицуулалтын зардлаас ч илүү хэцүү байдаг. Зохицуулалтын зардлыг ихэвчлэн цагаар хэмждэг бол уулзалт, хэлэлцүүлэг, дизайныг хянахад шаардагдах хугацаа - хүлээх хугацааг ихэвчлэн өдөр, долоо хоног, бүр сараар хэмждэг! Мэргэжилтэн бүрийг олон төсөлд хуваарилах ёстой тул функциональ мэргэжилтнүүдийн хуваарийг тэнцвэржүүлэхэд хэцүү байдаг. Өөрчлөлтийг хэлэлцэх нэг цагийн уулзалт нь ажлын явцыг жигдрүүлэхэд долоо хоног зарцуулагдана. Өөрчлөлтүүдийг тохиролцсоны дараа мэргэжилтнүүдийн ажлын цагийг эзэлдэг бусад олон төслийн хүрээнд бодит ажлыг өөрөө төлөвлөх шаардлагатай байна. Хэдхэн цаг эсвэл хэдэн өдөр зарцуулдаг код засвар эсвэл судалгаатай холбоотой ажил нь нөөц боломжтой болохоос өмнө илүү их хугацаа шаардагдах болно. Тэр болтол давталт болон суралцах үйл явцыг түр зогсооно.
3. Энэ нь контекстийг нарийсгадаг.
Хөдөлмөрийн хуваагдал нь мэргэжлээрээ үлдсэн хүмүүсийг урамшуулах замаар суралцахыг зохиомлоор хязгаарлаж чадна. Жишээлбэл, өөрийн үйл ажиллагааны хүрээнд байх ёстой судлаач эрдэмтэн регресс, мэдрэлийн сүлжээ, санамсаргүй ой гэх мэт янз бүрийн төрлийн алгоритмуудыг туршихад эрчим хүчээ төвлөрүүлнэ. Мэдээжийн хэрэг, сайн алгоритмын сонголт нь ахисан сайжруулалтад хүргэж болох ч шинэ мэдээллийн эх сурвалжийг нэгтгэх гэх мэт бусад үйл ажиллагаанаас илүү их зүйлийг олж авах боломжтой. Үүний нэгэн адил, энэ нь өгөгдөлд агуулагдах тайлбарлах хүчийг ашигладаг загвар боловсруулахад туслах болно. Гэсэн хэдий ч түүний хүч чадал нь зорилгын функцийг өөрчлөх эсвэл зарим хязгаарлалтыг тайвшруулахад оршдог. Түүний ажил хязгаарлагдмал үед үүнийг харахад эсвэл хийхэд хэцүү байдаг. Техникийн эрдэмтэн алгоритмыг оновчтой болгох чиглэлээр мэргэшсэн тул ихээхэн ашиг авчирсан ч гэсэн өөр юу ч хийх магадлал бага байдаг.
Өгөгдлийн шинжлэх ухааны багууд пин үйлдвэр болж ажиллах үед гарч ирэх тэмдгүүдийг нэрлэхийн тулд (жишээлбэл, энгийн статусын шинэчлэлтүүд): "өгөгдлийн дамжуулах хоолойн өөрчлөлтийг хүлээх" болон "ML Eng нөөцийг хүлээх" нь нийтлэг хориглогч юм. Гэсэн хэдий ч, та мэдэхгүй зүйлдээ харамсаж болохгүй, учир нь таны анзаардаггүй зүйл бол хамгийн аюултай нөлөөлөл гэдэгт би итгэдэг. Алдаа дутагдалтай гүйцэтгэл, үйл явцын үр ашгийг олж авснаар олж авсан сэтгэл ханамж нь байгууллагууд алдаж буй сургалтын үр ашгийг мэддэггүй гэсэн үнэнийг нууж болно.
Энэ асуудлыг шийдэх гарц нь мэдээж үйлдвэрийн тээглүүр аргаас салах явдал юм. Суралцах, давталт хийхийг дэмжихийн тулд өгөгдөл судлаачийн үүрэг ерөнхий байх ёстой, гэхдээ техникийн функцээс хамааралгүй өргөн үүрэг хариуцлагатай байх ёстой, өөрөөр хэлбэл өгөгдөл судлаачдыг суралцахад оновчтой болгохын тулд зохион байгуулах. Энэ нь үзэл баримтлалаас эхлээд загварчлал, хэрэгжилтээс хэмжилт хүртэл төрөл бүрийн чиг үүргийг гүйцэтгэж чадах "бүрэн хэмжээний мэргэжилтнүүд"-ийг ажилд авна гэсэн үг юм. Би бүрэн хэмжээний авъяастай хүмүүсийг ажилд авах нь ажилчдын тоог цөөрүүлэх ёстой гэж хэлэхгүй гэдгийг анхаарах нь чухал. Харин тэднийг өөрөөр зохион байгуулснаар тэдний урамшуулал нь суралцах болон гүйцэтгэлийн үр өгөөжтэй илүү нийцдэг гэж би зүгээр л төсөөлөх болно. Жишээлбэл, та гурван ажил хэргийн ур чадвартай гурван хүний бүрэлдэхүүнтэй баг байна гэж бодъё. Зүүний үйлдвэрт өөр хэн ч түүний ажлыг хийж чадахгүй тул техникч бүр ажлын цаг бүрийн гуравны нэгийг зориулдаг. Ерөнхий мэргэжилтэн бүр бизнесийн үйл явц, цар хүрээг нэмэгдүүлэх, сургалтанд бүрэн зориулагдсан байдаг.
Үйлдвэрлэлийн мөчлөгийг дэмжих хүн цөөхөн байгаа тул зохицуулалт багасдаг. Ерөнхий мэргэжилтэн функцүүдийн хооронд жигд шилжиж, илүү их өгөгдөл нэмэхийн тулд өгөгдлийн шугамыг өргөжүүлж, загварт шинэ боломжуудыг туршиж, учир шалтгааны хэмжилт хийх зорилгоор шинэ хувилбаруудыг үйлдвэрлэлд нэвтрүүлж, шинэ санаа гарч ирэх тусам алхмуудыг хурдан давтдаг. Мэдээжийн хэрэг, станцын вагон нь зэрэгцээ биш харин өөр өөр функцийг дараалан гүйцэтгэдэг. Эцсийн эцэст энэ нь зөвхөн нэг хүн юм. Гэсэн хэдий ч, даалгаврыг гүйцэтгэх нь ихэвчлэн өөр тусгай нөөцөд хандахад шаардагдах хугацааны зөвхөн багахан хэсгийг авдаг. Тиймээс давталтын хугацаа багасна.
Манай ерөнхий эмч тодорхой ажлын чиг үүргийн мэргэжилтэн шиг ур чадваргүй байж болох ч бид үйл ажиллагааг төгс төгөлдөр болгох эсвэл бага зэрэг ахисан сайжруулахыг хичээдэггүй. Үүний оронд бид аажмаар үр дүнтэйгээр илүү олон мэргэжлийн сорилтуудыг сурч, илрүүлэхийг эрмэлздэг. Бүрэн шийдэлд зориулсан цогц контекстийн тусламжтайгаар тэрээр мэргэжилтэн алдах боломжуудыг олж хардаг. Түүнд илүү олон санаа, илүү их боломж бий. Тэр бас бүтэлгүйтдэг. Гэсэн хэдий ч бүтэлгүйтлийн зардал бага, суралцахын үр ашиг өндөр байдаг. Энэхүү тэгш бус байдал нь хурдан давталтыг дэмжиж, суралцахад урамшуулдаг.
Эрдэмтэд бүрэн хэмжээний бие даасан байдал, ур чадварын олон талт байдал нь ажиллах өгөгдлийн платформын бат бөх байдлаас ихээхэн хамаардаг гэдгийг анхаарах нь чухал юм. Сайн зохион бүтээгдсэн өгөгдлийн платформ нь өгөгдөл судлаачдыг контейнержуулалт, тархсан боловсруулалт, автоматаар шилжүүлэлт болон бусад дэвшилтэт тооцооллын ухагдахууны нарийн төвөгтэй байдлаас гаргаж авдаг. Хийсвэрлэлээс гадна бат бөх өгөгдлийн платформ нь туршилтын дэд бүтцэд саадгүй холболтоор хангах, хяналт-шинжилгээ, сэрэмжлүүлгийг автоматжуулах, алгоритмын үр дүнг автоматаар масштаблах, дүрслэх, дибаг хийх боломжийг олгодог. Эдгээр бүрэлдэхүүн хэсгүүдийг өгөгдлийн платформын инженерүүд боловсруулж, бүтээдэг бөгөөд энэ нь өгөгдөл судлаачаас өгөгдлийн платформ боловсруулах багт дамжуулахгүй гэсэн үг юм. Энэ бол платформыг ажиллуулахад ашигласан бүх кодыг хариуцдаг Data Science мэргэжилтэн юм.
Би ч бас нэгэн үе үйл явцын үр ашгийг ашиглан хөдөлмөрийн функциональ хуваарилалтыг сонирхож байсан ч туршилт, алдааны үр дүнд (сурах илүү сайн арга байхгүй) би ердийн дүрүүд нь суралцах, инновацийг бий болгоход илүү тустай бөгөөд зөв хэмжүүрүүдийг өгдөг болохыг олж мэдсэн. мэргэшсэн арга барилаас илүү олон бизнесийн боломжийг бий болгох. (Миний туулсан туршилт, алдаанаас илүү зохион байгуулах арга барилын талаар суралцах илүү үр дүнтэй арга бол Эми Эдмондсоны "Багийн хамтын ажиллагаа: Байгууллагууд мэдлэгийн эдийн засагт хэрхэн суралцдаг, шинийг санаачилж, өрсөлддөг вэ" номыг унших явдал юм).
Зарим компаниудад зохион байгуулахад ийм арга барилыг найдвартай болгох зарим чухал таамаглалууд байдаг. Давталтын процесс нь туршилт, алдааны зардлыг бууруулдаг. Хэрэв алдааны өртөг өндөр байвал та тэдгээрийг багасгахыг хүсч болно (гэхдээ үүнийг эмнэлгийн хэрэглээ эсвэл үйлдвэрлэлд ашиглахыг зөвлөдөггүй). Нэмж хэлэхэд, хэрэв та петабайт эсвэл экзабайт өгөгдөлтэй харьцаж байгаа бол мэдээллийн инженерчлэлийн чиглэлээр мэргэшсэн байх шаардлагатай. Үүний нэгэн адил, хэрвээ онлайн бизнесийн чадавхи, хүртээмжийг хадгалах нь тэдгээрийг сайжруулахаас илүү чухал бол функциональ чанар нь суралцахаас давж магадгүй юм. Эцэст нь, бүрэн стек загвар нь энэ талаар мэддэг хүмүүсийн санал бодолд тулгуурладаг. Тэд ганц эвэрт биш; Та тэдгээрийг олох эсвэл өөрөө бэлтгэх боломжтой. Гэсэн хэдий ч тэд маш их эрэлт хэрэгцээтэй байгаа бөгөөд тэднийг татах, хадгалахын тулд өрсөлдөхүйц нөхөн олговор, хүчтэй корпорацийн үнэ цэнэ, хүнд хэцүү ажил шаардагдана. Танай компанийн соёл үүнийг дэмжиж чадах эсэхийг шалгаарай.
Хэдийгээр бүх зүйлийг хэлсэн ч гэсэн бүрэн стек загвар нь эхлэх хамгийн сайн нөхцлийг бүрдүүлдэг гэдэгт би итгэдэг. Тэднээс эхэлж, дараа нь зайлшгүй шаардлагатай үед л хөдөлмөрийн функциональ хуваарилалт руу ухамсартайгаар шилжинэ.
Функциональ мэргэшлийн бусад сул талууд байдаг. Энэ нь ажилчдын хариуцлага, идэвхгүй байдалд хүргэж болзошгүй юм. Смит өөрөө хөдөлмөрийн хуваагдлыг шүүмжилж, энэ нь авъяас чадварыг бүдгэрүүлэхэд хүргэдэг гэж үздэг. Ажилчдын үүрэг хариуцлага нь хэд хэдэн давтагдах ажлуудаар хязгаарлагддаг тул мэдлэггүй, ухарч эхэлдэг. Мэргэшсэн байдал нь үйл явцын үр ашгийг өгч болох ч ажилчдад урам зориг өгөх магадлал бага байдаг.
Хариуд нь олон талт үүрэг нь ажлын сэтгэл ханамжийг бий болгодог бүх зүйлийг өгдөг: бие даасан байдал, эзэмших чадвар, зорилго. Бие даасан байдал гэдэг нь тэд амжилтанд хүрэхийн тулд юунаас ч хамаардаггүй явдал юм. Төгс эзэмших чадвар нь өрсөлдөөний хүчтэй давуу тал юм. Мөн зорилгын мэдрэмж нь тэдний бий болгож буй бизнест нөлөөлөх боломжид оршдог. Хэрэв бид хүмүүсийг ажилдаа урам зоригтой болгож, компанид том нөлөө үзүүлж чадвал бусад бүх зүйл байрандаа орно.
Эх сурвалж: www.habr.com