HIROSHI WATANABE/GETTY ပုံများ
The Wealth of Nations တွင်၊ Adam Smith သည် အလုပ်သမား ခွဲဝေမှု တိုးမြင့်လာမှု၏ အဓိက အရင်းအမြစ် ဖြစ်လာပုံကို ပြသသည်။ ဥပမာတစ်ခုသည် ပင်တွယ်စက်ရုံတစ်ခု၏ စည်းဝေးလိုင်းဖြစ်သည်- "အလုပ်သမားတစ်ယောက်က ဝိုင်ယာကြိုးဆွဲ၊ နောက်တစ်ယောက်က ဖြောင့်လိုက်၊ တတိယတစ်ယောက်က ဖြတ်တယ်၊ စတုတ္ထတစ်ယောက်က အဆုံးကို ချွန်တယ်၊ ပဉ္စမတစ်ယောက်က ခေါင်းနဲ့အံဝင်အောင် တစ်ဖက်ကို ကြိတ်တယ်။" တိကျသောလုပ်ငန်းဆောင်တာများအပေါ် အာရုံစိုက်သော အထူးပြုမှုကျေးဇူးကြောင့် ဝန်ထမ်းတစ်ဦးစီသည် ၎င်း၏ကျဉ်းမြောင်းသောအလုပ်တွင် အရည်အချင်းပြည့်မီသော ပါရဂူတစ်ဦးဖြစ်လာပြီး လုပ်ငန်းစဉ်ထိရောက်မှုကို တိုးမြှင့်စေသည်။ လုပ်သားတစ်ဦးစီ၏ အထွက်နှုန်းသည် အဆများစွာ တိုးလာပြီး စက်ရုံသည် ပင်ပြားများ ထုတ်လုပ်ရာတွင် ပိုမိုထိရောက်လာသည်။
လုပ်ဆောင်နိုင်စွမ်းအလိုက် လုပ်အားခွဲဝေမှုမှာ ယနေ့ပင် ကျွန်ုပ်တို့၏စိတ်ထဲတွင် အမြစ်တွယ်နေသောကြောင့် ကျွန်ုပ်တို့၏အဖွဲ့များကို အမြန်ဖွဲ့စည်းလိုက်ပါသည်။ Data Science သည် ချွင်းချက်မရှိပါ။ ရှုပ်ထွေးသော အယ်လဂိုရီသမ်လုပ်ငန်းစွမ်းပကားများသည် အလုပ်အများအပြားကို လိုအပ်သောကြောင့် ကုမ္ပဏီများသည် ပုံမှန်အားဖြင့် သုတေသီများ၊ ဒေတာအင်ဂျင်နီယာများ၊ စက်သင်ယူမှုအင်ဂျင်နီယာများ၊ အကြောင်းရင်းခံနှင့် အကျိုးသက်ရောက်မှု သိပ္ပံပညာရှင်များ အစရှိသည့် ကျွမ်းကျင်သူအဖွဲ့များကို ဖန်တီးကြသည်။ ကျွမ်းကျင်ပညာရှင်များ၏အလုပ်အား ပင်နံပါတ်စက်ရုံနှင့်ဆင်တူသည့် လုပ်ငန်းဆောင်တာများလွှဲပြောင်းခြင်းဖြင့် ကုန်ပစ္စည်းမန်နေဂျာမှ ညှိနှိုင်းဆောင်ရွက်ပေးသည်- "လူတစ်ဦးသည် ဒေတာကိုလက်ခံရရှိသည်၊ အခြားမော်ဒယ်များ၊ တတိယတစ်ဦးသည် ၎င်းကိုလုပ်ဆောင်သည်၊ စတုတ္ထတိုင်းတာမှုများ" စသည်ဖြင့်၊
ကံမကောင်းစွာပဲ၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ ဒေတာသိပ္ပံအဖွဲ့များကို ကုန်ထုတ်စွမ်းအားမြှင့်တင်ရန် အကောင်းဆုံးဖြစ်အောင် မလုပ်သင့်ပါ။ မည်သို့ပင်ဆိုစေကာမူ သင်ထုတ်လုပ်နေသည့်အရာ- pins သို့မဟုတ် အခြားအရာတစ်ခုခုကို နားလည်ပြီး ထိရောက်မှုတိုးမြင့်ရန် ရိုးရှင်းစွာကြိုးစားပါ။ စည်းဝေးပွဲလိုင်းများ၏ ရည်ရွယ်ချက်မှာ အလုပ်တစ်ခုကို ပြီးမြောက်ရန်ဖြစ်သည်။ ကျွန်ုပ်တို့လိုချင်သောအရာကို အတိအကျသိပါသည် - pins ( Smith ၏ဥပမာတွင်ကဲ့သို့) ၊ သို့သော် လိုအပ်ချက်များသည် ထုတ်ကုန်နှင့် ၎င်း၏အပြုအမူအားလုံးကို အပြည့်အဝဖော်ပြနိုင်သည့် မည်သည့်ထုတ်ကုန် သို့မဟုတ် ဝန်ဆောင်မှုကိုမဆို ဖော်ပြနိုင်ပါသည်။ ဝန်ထမ်းများ၏ အခန်းကဏ္ဍသည် ဤလိုအပ်ချက်များကို တတ်နိုင်သမျှ ထိရောက်စွာ ဖြည့်ဆည်းပေးရန်ဖြစ်သည်။
ဒါပေမယ့် Data Science ရဲ့ ပန်းတိုင်က အလုပ်တွေကို ပြီးမြောက်ဖို့ မဟုတ်ပါဘူး။ ယင်းအစား၊ ရည်မှန်းချက်သည် ခိုင်မာသောစီးပွားရေးအခွင့်အလမ်းသစ်များကို ရှာဖွေဖော်ထုတ်ရန်ဖြစ်သည်။ အကြံပြုချက်စနစ်များ၊ ဖောက်သည်အပြန်အလှန်ဆက်သွယ်မှု၊ စတိုင်လ်စိတ်ကြိုက်အမျိုးအစားခွဲခြားမှု၊ အရွယ်အစား၊ အဝတ်အစားဒီဇိုင်း၊ ထောက်ပံ့ပို့ဆောင်မှုပိုမိုကောင်းမွန်အောင်၊ ရာသီအလိုက် လမ်းကြောင်းရှာဖွေခြင်းစသည့် အယ်လ်ဂိုရီသမ်မစ်ထုတ်ကုန်များနှင့် ဝန်ဆောင်မှုများ လေ့လာကြရမယ်။ ပုံတူကူးရန် အသေးစိတ်ပုံစံများမရှိပါ၊ ၎င်းတို့သည် မွေးရာပါမသေချာမရေရာမှုများနှင့်အတူ ဖြစ်နိုင်ခြေအသစ်များဖြစ်သည်။ Coefficients များ၊ မော်ဒယ်များ၊ မော်ဒယ်အမျိုးအစားများ၊ hyperparameters များ၊ လိုအပ်သောဒြပ်စင်များအားလုံးကို စမ်းသပ်ခြင်း၊ အစမ်းသုံးခြင်းနှင့် အမှားအယွင်းများနှင့် ထပ်ခါတလဲလဲလုပ်ခြင်းများမှတဆင့် လေ့လာရပါမည်။ ပင်တံများဖြင့်၊ လေ့ကျင့်ရေးနှင့် ဒီဇိုင်းကို ထုတ်လုပ်ခြင်းမပြုမီ ပြုလုပ်ပါသည်။ Data Science ဖြင့် သင်အရင်ကလိုမဟုတ်ဘဲ သင်လုပ်သလို သင်ယူပါ။
ပင်တိုင်စက်ရုံတွင် လေ့ကျင့်ရေးသည် ဦးစွာရောက်လာသောအခါ၊ ထုတ်လုပ်မှုစွမ်းဆောင်ရည်ကို မြှင့်တင်ရန် မှလွဲ၍ အခြားထုတ်ကုန်၏အင်္ဂါရပ်ကို ကြံဖန်ဖန်တီးရန် အလုပ်သမားများကို ကျွန်ုပ်တို့ မမျှော်လင့်ထားသလို၊ အလုပ်များကို အထူးပြုခြင်းသည် လုပ်ငန်းစဉ်ထိရောက်မှုနှင့် ထုတ်လုပ်မှု ညီညွတ်မှု (နောက်ဆုံးထုတ်ကုန်သို့ ပြောင်းလဲခြင်းမရှိဘဲ) ကို ဦးတည်စေသောကြောင့် အဓိပ္ပာယ်ရှိပါသည်။
သို့သော် ထုတ်ကုန်သည် ဖွံ့ဖြိုးဆဲဖြစ်ပြီး ပန်းတိုင်သည် လေ့ကျင့်ရေးသာဖြစ်သောအခါ၊ အထူးပြုခြင်းသည် အောက်ပါကိစ္စများတွင် ကျွန်ုပ်တို့၏ပန်းတိုင်များကို အနှောင့်အယှက်ဖြစ်စေသည်-
1. ၎င်းသည် ညှိနှိုင်းမှုကုန်ကျစရိတ်ကို တိုးစေသည်။
ဆိုလိုသည်မှာ၊ လုပ်ရန်လိုအပ်သောအလုပ်အား ဆက်သွယ်ခြင်း၊ ဆွေးနွေးခြင်း၊ တရားမျှတခြင်း နှင့် ဦးစားပေးခြင်းတို့ကို သုံးစွဲသည့်အချိန်အတွင်း စုပုံနေသောကုန်ကျစရိတ်များဖြစ်သည်။ ဤကုန်ကျစရိတ်များသည် ပါ၀င်သူအရေအတွက်နှင့် အလွန်အကျုံးဝင်ပါသည်။ (J. Richard Hackman က ကျွန်ုပ်တို့ကို သင်ပေးခဲ့သလို၊ ဆက်ဆံရေး အရေအတွက် r သည် ဤညီမျှခြင်းအရ ကိန်းဂဏန်း n ၏ လုပ်ဆောင်ချက်နှင့် တူညီသည်- r = (n^2-n)/2။ ဆက်ဆံရေးတစ်ခုစီသည် ပမာဏအချို့ကို ဖော်ပြသည်။ ကုန်ကျစရိတ်ဆက်ဆံရေး။) ဒေတာသိပ္ပံပညာရှင်များကို လုပ်ဆောင်ချက်အလိုက်၊ အဆင့်တိုင်း၊ ပြောင်းလဲမှုတိုင်း၊ လက်ဆင့်ကမ်းမှုစသည်ဖြင့် ပေါင်းစပ်ညှိနှိုင်းမှုကုန်ကျစရိတ်ကို တိုးမြင့်စေသည့် ကျွမ်းကျင်သူများစွာ လိုအပ်ပါသည်။ ဥပမာအားဖြင့်၊ အင်္ဂါရပ်အသစ်များကို စမ်းသပ်လိုသော ကိန်းဂဏန်းစံပြမော်ဒယ်များသည် အသစ်တစ်ခုခုကို စမ်းသပ်လိုသည့်အခါတိုင်း ဒေတာအတွဲများထဲသို့ ပေါင်းထည့်သော ဒေတာအင်ဂျင်နီယာများနှင့် ညှိနှိုင်းရမည်ဖြစ်ပါသည်။ အလားတူ၊ လေ့ကျင့်သင်ကြားထားသော မော်ဒယ်အသစ်တစ်ခုစီသည် ထုတ်လုပ်ရေးတွင် ထည့်သွင်းရန် မော်ဒယ် developer နှင့် ညှိနှိုင်းရန် တစ်စုံတစ်ဦး လိုအပ်မည်ကို ဆိုလိုပါသည်။ ညှိနှိုင်းမှုကုန်ကျစရိတ်သည် ထပ်ခါတလဲလဲပြုလုပ်ရန် စျေးနှုန်းတစ်ခုအဖြစ် လုပ်ဆောင်ပြီး ၎င်းတို့ကို ပိုမိုခက်ခဲစေပြီး စျေးကြီးကာ လေ့လာမှုအား စွန့်ပစ်ရန် အလားအလာပိုများစေသည်။ ဒါက သင်ယူမှုကို အနှောင့်အယှက်ဖြစ်စေနိုင်ပါတယ်။
2. စောင့်ဆိုင်းချိန်ကို ခက်ခဲစေသည်။
အလုပ်အပြောင်းအရွှေ့ကြားတွင် ညှိနှိုင်းစရိတ်များထက် ပိုကြောက်စရာကောင်းသည်မှာ ပိုဆိုးသည်။ ညှိနှိုင်းစရိတ်များကို အများအားဖြင့် နာရီများဖြင့် တိုင်းတာသော်လည်း - အစည်းအဝေးများ၊ ဆွေးနွေးမှုများ၊ ဒီဇိုင်းပြန်လည်သုံးသပ်ခြင်းများ ပြုလုပ်ရန် လိုအပ်သည် - စောင့်ဆိုင်းချိန်ကို အများအားဖြင့် ရက်များ၊ ရက်သတ္တပတ်များ သို့မဟုတ် လများဖြင့် တိုင်းတာပါသည်။ ကျွမ်းကျင်သူတစ်ဦးစီကို ပရောဂျက်များစွာတွင် ဖြန့်ဝေရမည်ဖြစ်သောကြောင့် လုပ်ငန်းဆိုင်ရာကျွမ်းကျင်သူများ၏ အချိန်ဇယားများသည် ဟန်ချက်ညီရန်ခက်ခဲပါသည်။ အပြောင်းအလဲများကို ဆွေးနွေးရန် တစ်နာရီကြာ အစည်းအဝေးသည် လုပ်ငန်းလည်ပတ်မှုကို ချောမွေ့စေရန် ရက်သတ္တပတ်များစွာ ကြာနိုင်သည်။ အပြောင်းအလဲများကို သဘောတူပြီးနောက်၊ ကျွမ်းကျင်သူများ၏ အလုပ်လုပ်ချိန်ကို သိမ်းပိုက်ထားသော အခြားပရောဂျက်များစွာ၏ အခြေအနေတွင် လက်တွေ့လုပ်ငန်းကို ကိုယ်တိုင်စီစဉ်ရန် လိုအပ်ပါသည်။ ကုဒ်ပြင်ဆင်မှုများ သို့မဟုတ် သုတေသနလုပ်ငန်းများ ပြီးမြောက်ရန် နာရီအနည်းငယ် သို့မဟုတ် ရက်အနည်းငယ်သာ ကြာသည့် အရင်းအမြစ်များ မရရှိနိုင်မီ အချိန်ပိုကြာနိုင်သည်။ ထိုအချိန်အထိ ထပ်တလဲလဲနှင့် သင်ယူမှုကို ရပ်ဆိုင်းထားသည်။
3. ၎င်းသည် အကြောင်းအရာကို ကျဉ်းစေသည်။
လုပ်အားခွဲဝေခြင်းသည် ၎င်းတို့၏ အထူးကျွမ်းကျင်မှုတွင် ကျန်နေသူများကို ဆုချခြင်းဖြင့် သင်ယူမှုကို အတုအယောင် ကန့်သတ်နိုင်သည်။ ဥပမာအားဖြင့်၊ ၎င်း၏လုပ်ဆောင်နိုင်စွမ်းနယ်ပယ်အတွင်းတွင်ရှိနေရမည့် သုတေသနပညာရှင်တစ်ဦးသည် မတူညီသော algorithms အမျိုးအစားများနှင့် စမ်းသပ်ခြင်းအပေါ် သူ၏စွမ်းအင်ကို အာရုံစိုက်လိမ့်မည်- ဆုတ်ယုတ်ခြင်း၊ အာရုံကြောကွန်ရက်များ၊ ကျပန်းသစ်တောစသည်ဖြင့် အာရုံစိုက်လိမ့်မည်။ ဟုတ်ပါတယ်၊ ကောင်းမွန်တဲ့ အယ်လဂိုရီသမ်ရွေးချယ်မှုတွေက တိုးမြင့်လာတဲ့တိုးတက်မှုတွေကို ဖြစ်ပေါ်စေနိုင်ပေမယ့် ဒေတာရင်းမြစ်အသစ်တွေကို ပေါင်းစည်းခြင်းလိုမျိုး တခြားလုပ်ဆောင်မှုတွေကနေ ရရှိဖို့ ပိုများပါတယ်။ အလားတူပင်၊ ၎င်းသည် ဒေတာထဲတွင် မွေးရာပါ ပါဝါနည်းနည်းစီကို အသုံးချသည့် ပုံစံတစ်ခုကို တီထွင်ရန် ကူညီပေးပါလိမ့်မည်။ သို့သော်၊ ၎င်း၏ စွမ်းပကားသည် ရည်မှန်းချက်လုပ်ဆောင်ချက်ကို ပြောင်းလဲခြင်း သို့မဟုတ် အချို့သောကန့်သတ်ချက်များကို ဖြေလျှော့ခြင်းတွင် တည်ရှိနိုင်သည်။ သူမ၏အလုပ် အကန့်အသတ်ရှိသောအခါ ဤအရာသည် မြင်ရန် သို့မဟုတ် လုပ်ဆောင်ရန် ခက်ခဲသည်။ နည်းပညာပညာရှင်တစ်ဦးသည် အယ်လဂိုရီသမ်များကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ရာတွင် အထူးကျွမ်းကျင်သောကြောင့်၊ ၎င်းသည် သိသာထင်ရှားသောအကျိုးကျေးဇူးများရရှိလာသော်လည်း အခြားမည်သည့်အရာကိုမဆို ပြုလုပ်နိုင်ခြေနည်းပါးပါသည်။
ဒေတာသိပ္ပံအဖွဲ့များသည် ပင်နံပါတ်စက်ရုံများအဖြစ် လုပ်ဆောင်သည့်အခါတွင် ပေါ်လာသည့် ဆိုင်းဘုတ်များကို အမည်ပေးရန်အတွက် (ဥပမာ၊ ရိုးရှင်းသော အခြေအနေအပ်ဒိတ်များတွင်) - "ဒေတာပိုက်လိုင်းပြောင်းလဲမှုများကို စောင့်ဆိုင်းခြင်း" နှင့် "ML Eng ရင်းမြစ်များကို စောင့်ဆိုင်းနေသည်" တို့သည် ဘုံပိတ်ဆို့သူများဖြစ်သည်။ သို့သော်၊ သင်မသိသေးသောအရာကို နောင်တရနိုင်သောကြောင့် သင်သတိမထားမိသည့် ပို၍အန္တရာယ်များသော လွှမ်းမိုးမှုကို ကျွန်ုပ်ယုံကြည်ပါသည်။ ချို့ယွင်းချက်မရှိသော ကွပ်မျက်ခြင်းနှင့် လုပ်ငန်းစဉ်ထိရောက်မှုရရှိခြင်းမှ ရရှိသော ကျေနပ်မှုတို့သည် အဖွဲ့အစည်းများသည် ၎င်းတို့လွဲချော်နေသော သင်ယူမှုအကျိုးကျေးဇူးများကို သတိမထားမိသည့် အမှန်တရားကို ဖုံးကွယ်ထားနိုင်သည်။
ဤပြဿနာအတွက် ဖြေရှင်းချက်မှာ စက်ရုံတွင်း pin နည်းလမ်းကို ဖယ်ရှားရန်ဖြစ်သည်။ သင်ယူခြင်းနှင့် ထပ်ခါထပ်ခါ အားပေးရန်၊ ဒေတာသိပ္ပံပညာရှင်များ၏ အခန်းကဏ္ဍသည် ယေဘုယျအားဖြင့် ဖြစ်သင့်သော်လည်း နည်းပညာဆိုင်ရာ လုပ်ဆောင်မှုမှ ကင်းလွတ်သော ကျယ်ပြန့်သော တာဝန်များဖြင့်၊ ဆိုလိုသည်မှာ ၎င်းတို့သည် သင်ယူမှုအတွက် အကောင်းဆုံးဖြစ်အောင် ဒေတာသိပ္ပံပညာရှင်များကို စုစည်းပါ။ ဆိုလိုသည်မှာ သဘောတရားမှ စံပြခြင်း၊ အကောင်အထည်ဖော်ခြင်းမှ တိုင်းတာခြင်းအထိ လုပ်ဆောင်ချက်အမျိုးမျိုးကို လုပ်ဆောင်နိုင်သော အထွေထွေအထူးကျွမ်းကျင်သူများကို ငှားရမ်းခြင်းဆိုလိုသည်။ Full-stack talent ကို ခန့်အပ်ခြင်းသည် ဝန်ထမ်းအရေအတွက်ကို လျှော့ချသင့်သည်ဟု ကျွန်ုပ် အကြံပြုထားခြင်း မရှိကြောင်း သတိပြုရန် အရေးကြီးပါသည်။ ယင်းအစား၊ ၎င်းတို့ကို ကွဲပြားစွာ ဖွဲ့စည်းထားသောအခါ၊ ၎င်းတို့၏ မက်လုံးများသည် သင်ယူမှုနှင့် စွမ်းဆောင်ရည် အကျိုးခံစားခွင့်များနှင့် ပိုမိုကောင်းမွန်စွာ လိုက်လျောညီထွေဖြစ်စေသည်ဟု ကျွန်တော် ရိုးရိုးရှင်းရှင်း ယူဆပါမည်။ ဥပမာအားဖြင့်၊ သင့်တွင် လုပ်ငန်းကျွမ်းကျင်မှု သုံးခုရှိသော လူ သုံးယောက်ရှိသော အဖွဲ့တစ်ဖွဲ့ရှိသည် ဆိုကြပါစို့။ ပင်တိုင်စက်ရုံတွင် နည်းပညာရှင်တစ်ဦးစီသည် အခြားမည်သူမျှ မိမိအလုပ်ကို မလုပ်နိုင်သောကြောင့် အလုပ်တစ်ခုစီတွင် သူ၏အချိန်သုံးပုံတစ်ပုံကို မြှုပ်နှံထားမည်ဖြစ်သည်။ အစုအဝေးတစ်ခုတွင်၊ အထွေထွေပညာရှင်တစ်ဦးစီသည် လုပ်ငန်းလုပ်ငန်းစဉ်တစ်ခုလုံး၊ အတိုင်းအတာတစ်ခုအထိ၊ လေ့ကျင့်သင်ကြားမှုတစ်ခုလုံးအတွက် အပြည့်အဝအပ်နှံထားသည်။
ထုတ်လုပ်မှုစက်ဝန်းကို ပံ့ပိုးပေးသူ နည်းပါးလာသဖြင့် ညှိနှိုင်းမှု လျော့နည်းလာသည်။ ယေဘူယျသမားသည် အင်္ဂါရပ်များကြားတွင် ပျော့ပျောင်းစွာ ရွေ့လျားပြီး၊ ဒေတာပိုထည့်ရန် ဒေတာပိုက်လိုင်းကို ချဲ့ထွင်ခြင်း၊ မော်ဒယ်များတွင် အင်္ဂါရပ်အသစ်များကို စမ်းသုံးခြင်း၊ အကြောင်းရင်းတိုင်းတာခြင်းအတွက် ဗားရှင်းအသစ်များကို ထုတ်လုပ်ခြင်းနှင့် စိတ်ကူးသစ်များ လျင်မြန်စွာ ခြေလှမ်းများ ထပ်ခါထပ်ခါ လုပ်ဆောင်ပါသည်။ ဟုတ်ပါတယ်၊ ဘူတာရုံမှာ မတူကွဲပြားတဲ့ လုပ်ဆောင်ချက်တွေကို ဆက်တိုက်လုပ်ဆောင်ပြီး ပြိုင်တူမလုပ်ပါဘူး။ နောက်ဆုံးတော့၊ အဲဒါက လူတစ်ယောက်ပဲ။ သို့သော်၊ အလုပ်တစ်ခုပြီးမြောက်ရန် အခြားအထူးပြုရင်းမြစ်ကိုရယူရန် လိုအပ်သောအချိန်အနည်းငယ်သာကြာတတ်သည်။ ဒီတော့ ထပ်ခါထပ်ခါ အချိန်တွေ လျော့သွားတယ်။
ကျွန်ုပ်တို့၏ ယေဘူယျပညာရှင်သည် သီးခြားအလုပ်တစ်ခုတွင် ပါရဂူတစ်ဦးကဲ့သို့ မကျွမ်းကျင်နိုင်သော်လည်း လုပ်ငန်းဆိုင်ရာ ပြီးပြည့်စုံမှု သို့မဟုတ် သေးငယ်သောတိုးတက်မှုများအတွက် ကျွန်ုပ်တို့ မကြိုးစားပါ။ ယင်းအစား၊ ကျွန်ုပ်တို့သည် တဖြည်းဖြည်း အကျိုးသက်ရောက်မှုနှင့်အတူ ပရော်ဖက်ရှင်နယ်စိန်ခေါ်မှုများကို ပိုမိုလေ့လာသင်ယူကာ ရှာဖွေတွေ့ရှိရန် ကြိုးစားကြသည်။ ပြီးပြည့်စုံသောအဖြေတစ်ခုအတွက် အလုံးစုံသောအကြောင်းအရာဖြင့် အထူးကုတစ်ဦးလက်လွတ်ရမည့်အခွင့်အရေးများကို သူမြင်သည်။ သူ့မှာ အကြံဥာဏ်တွေ ပိုများပြီး ဖြစ်နိုင်ခြေ ပိုများတယ်။ သူလည်း ပျက်တယ်။ သို့သော် ကျရှုံးမှုကုန်ကျစရိတ်သည် နည်းပါးပြီး သင်ယူခြင်း၏အကျိုးကျေးဇူးများ မြင့်မားသည်။ ဤအချိုးမညီမှုသည် လျင်မြန်သော ထပ်တလဲလဲလုပ်ခြင်းကို အားပေးပြီး သင်ယူမှုကို ဆုလာဘ်များပေးသည်။
အပြည့်အ၀ သိပ္ပံပညာရှင်များအတွက် တတ်နိုင်သော ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်နှင့် ကျွမ်းကျင်မှု ကွဲပြားမှုပမာဏသည် လုပ်ဆောင်ရမည့် ဒေတာပလပ်ဖောင်း၏ ကြံ့ခိုင်မှုအပေါ်တွင် များစွာမူတည်နေကြောင်း သတိပြုရန် အရေးကြီးပါသည်။ ကောင်းစွာဒီဇိုင်းဆွဲထားသော ဒေတာပလပ်ဖောင်းတစ်ခုသည် ကွန်တိန်နာပြုလုပ်ခြင်း၏ ရှုပ်ထွေးမှု၊ ဖြန့်ဝေမှုလုပ်ဆောင်မှု၊ အလိုအလျောက်ပျက်ကွက်မှုနှင့် အခြားအဆင့်မြင့်တွက်ချက်မှုဆိုင်ရာ အယူအဆများမှ သိပ္ပံပညာရှင်များကို စုစည်းတင်ပြထားသည်။ abstraction အပြင်၊ ခိုင်မာသောဒေတာပလပ်ဖောင်းသည် စမ်းသပ်အခြေခံအဆောက်အအုံသို့ ချောမွေ့စွာချိတ်ဆက်နိုင်မှု၊ အလိုအလျောက်စောင့်ကြည့်ခြင်းနှင့် သတိပေးခြင်း၊ အလိုအလျောက်စကေးချဲ့ခြင်းနှင့် အယ်လဂိုရီသမ်ရလဒ်များကို ပုံဖော်ခြင်းနှင့် အမှားရှာပြင်ခြင်းတို့ကို လုပ်ဆောင်နိုင်သည်။ ဤအစိတ်အပိုင်းများကို ဒေတာပလပ်ဖောင်းအင်ဂျင်နီယာများက ဒီဇိုင်းဆွဲပြီး တည်ဆောက်ထားသောကြောင့် ၎င်းတို့ကို ဒေတာသိပ္ပံပညာရှင်ထံမှ ဒေတာပလပ်ဖောင်းဖွံ့ဖြိုးတိုးတက်ရေးအဖွဲ့ထံ လွှဲပြောင်းခြင်းမပြုပါ။ ၎င်းသည် ပလက်ဖောင်းကိုလည်ပတ်ရန် အသုံးပြုသည့် ကုဒ်အားလုံးအတွက် တာဝန်ရှိသည့် ဒေတာသိပ္ပံ ကျွမ်းကျင်သူဖြစ်သည်။
ကျွန်တော်လည်း တစ်ချိန်က လုပ်ငန်းစဉ်ထိရောက်မှုကို အသုံးပြုပြီး လုပ်အားခွဲဝေမှုကို စိတ်ဝင်စားခဲ့ပေမဲ့ စမ်းသပ်မှု အမှားအယွင်းတွေကနေတစ်ဆင့် (လေ့လာရန် ပိုကောင်းတဲ့နည်းလမ်းမရှိ) ကို ရှာဖွေတွေ့ရှိခဲ့ပြီး ပုံမှန်အခန်းကဏ္ဍတွေက သင်ယူမှုနဲ့ ဆန်းသစ်တီထွင်မှုတွေကို ပိုမိုကောင်းမွန်စေပြီး မှန်ကန်တဲ့မက်ထရစ်တွေကို ပေးဆောင်နိုင်တယ်ဆိုတာကို ရှာဖွေတွေ့ရှိခဲ့ပါတယ်၊ အထူးပြုချဉ်းကပ်မှုထက် စီးပွားရေးအခွင့်အလမ်းများစွာကို တည်ဆောက်ပါ။ (ကျွန်တော်ဖြတ်သန်းခဲ့တဲ့ အစမ်းအမှားထက် ဒီနည်းလမ်းကို စည်းရုံးဖို့ ပိုထိရောက်တဲ့နည်းကတော့ Amy Edmondson ရဲ့ Team Collaboration: How Organizations Learn, Innovate, and Compete in the Knowledge Economy စာအုပ်ကို ဖတ်ပါ။)
အချို့သော ကုမ္ပဏီများတွင် ဤချဉ်းကပ်မှုအား စည်းရုံးခြင်းအတွက် ပို၍ သို့မဟုတ် နည်းပါးစေမည့် အရေးကြီးသော ယူဆချက်အချို့ရှိပါသည်။ ထပ်လောင်းခြင်းလုပ်ငန်းစဉ်သည် အစမ်းသုံးခြင်းနှင့် အမှားအယွင်းကုန်ကျစရိတ်ကို လျှော့ချပေးသည်။ အမှားအယွင်း ကုန်ကျစရိတ် မြင့်မားပါက၊ ၎င်းတို့ကို လျှော့ချလိုနိုင်သည် (သို့သော် ၎င်းကို ဆေးဘက်ဆိုင်ရာ အသုံးချမှု သို့မဟုတ် ထုတ်လုပ်မှုအတွက် အကြံပြုထားခြင်း မရှိပါ။) ထို့အပြင်၊ သင်သည် petabytes သို့မဟုတ် exabytes ဒေတာများကို ကိုင်တွယ်ဖြေရှင်းနေပါက၊ data engineering တွင် အထူးပြုရန်လိုအပ်ပါသည်။ အလားတူပင်၊ အွန်လိုင်းစီးပွားရေးလုပ်နိုင်စွမ်းနှင့် ၎င်းတို့၏ရရှိနိုင်မှုတို့ကို ထိန်းသိမ်းခြင်းသည် ၎င်းတို့ကို တိုးတက်စေခြင်းထက် ပိုအရေးကြီးပါက၊ လုပ်ငန်းဆောင်တာ ထူးချွန်မှုသည် သင်ယူမှုကို ရပ်တန့်သွားစေနိုင်သည်။ နောက်ဆုံးတွင်၊ full stack model သည် ၎င်းနှင့်ပတ်သက်ပြီး သိသူများ၏ ထင်မြင်ယူဆချက်များကို အားကိုးသည်။ သူတို့သည် unicorn များမဟုတ်ပါ။ ၎င်းတို့ကို သင်ရှာတွေ့နိုင်သည် သို့မဟုတ် ၎င်းတို့ကို သင်ကိုယ်တိုင် ပြင်ဆင်နိုင်သည်။ သို့ရာတွင် ၎င်းတို့သည် မြင့်မားသောဝယ်လိုအားနှင့် ၎င်းတို့အား ဆွဲဆောင်ခြင်းနှင့် ထိန်းသိမ်းခြင်းအတွက် ယှဉ်ပြိုင်မှုလျော်ကြေး၊ ခိုင်မာသော ကော်ပိုရိတ်တန်ဖိုးများနှင့် စိန်ခေါ်မှုအလုပ်များ လိုအပ်မည်ဖြစ်သည်။ သင့်ကုမ္ပဏီယဉ်ကျေးမှုက ဒါကို ပံ့ပိုးပေးနိုင်ကြောင်း သေချာပါစေ။
အားလုံးကိုပြောခဲ့တာတောင်မှ full stack model က အကောင်းဆုံးအစပြုနိုင်တဲ့ အခြေအနေတွေကို ပေးတယ်လို့ ယုံကြည်ပါတယ်။ ၎င်းတို့နှင့် စတင်ပါ၊ ထို့နောက် အမှန်တကယ် လိုအပ်မှသာ လုပ်အားခွဲဝေမှုဆီသို့ သတိရှိစွာ ရွေ့လျားပါ။
လုပ်ငန်းဆိုင်ရာ အထူးပြုခြင်း၏ အခြားသော အားနည်းချက်များလည်း ရှိသေးသည်။ ယင်းကြောင့် အလုပ်သမားများဘက်မှ တာဝန်ယူမှုနှင့် စိတ်အားထက်သန်မှု ဆုံးရှုံးသွားနိုင်သည်။ Smith ကိုယ်တိုင်က လုပ်အားခွဲဝေမှုကို ဝေဖန်ပြီး အရည်အချင်းတွေ ဆုတ်ယုတ်သွားအောင် လုပ်ဖို့ အကြံပြုတယ်။ လုပ်သားများသည် ၎င်းတို့၏ အခန်းကဏ္ဍများကို ထပ်ခါထပ်ခါ လုပ်ဆောင်ရန် အနည်းငယ်သာ ကန့်သတ်ထားသောကြောင့် အလုပ်သမားများသည် မသိနားမလည်ဘဲ ဆုတ်ခွာသွားကြသည်။ အထူးပြုခြင်းသည် လုပ်ငန်းစဉ်ထိရောက်မှုကို ပေးစွမ်းနိုင်သော်လည်း အလုပ်သမားများကို လှုံ့ဆော်ရန် ဖြစ်နိုင်ခြေနည်းပါသည်။
တစ်ဖန်၊ စွယ်စုံရအခန်းကဏ္ဍများသည် အလုပ်စိတ်ကျေနပ်မှုကို ဖြစ်ပေါ်စေသည်- ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်၊ ကျွမ်းကျင်ပိုင်နိုင်မှုနှင့် ရည်ရွယ်ချက်တို့ကို ပေးစွမ်းသည်။ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ဆိုသည်မှာ အောင်မြင်မှုရရှိရန် မည်သည့်အရာကိုမျှ မမူတည်ပါ။ ကျွမ်းကျင်မှုသည် ပြိုင်ဆိုင်မှုပြင်းထန်သော အားသာချက်များတွင် တည်ရှိသည်။ ပြီးတော့ ရည်ရွယ်ချက် အာရုံခံစားမှုက သူတို့ဖန်တီးတဲ့ လုပ်ငန်းအပေါ် သက်ရောက်မှုရှိစေမယ့် အခွင့်အလမ်းပေါ်မှာ တည်ပါတယ်။ လူတွေကို သူတို့ရဲ့ အလုပ်အတွက် စိတ်လှုပ်ရှားစေပြီး ကုမ္ပဏီအပေါ် ကြီးမားတဲ့ အကျိုးသက်ရောက်မှုတွေ ရှိနိုင်ရင် ကျန်တာတွေအားလုံး ဖြစ်ပျက်သွားပါလိမ့်မယ်။
source: www.habr.com