<\/a><\/noindex>Ampak cilj Data Science ni le izvajanje nalog. Namen je raziskovati in razvijati nove mo\u010dne prilo\u017enosti za poslovanje. Algoritmi\u010dni izdelki in storitve, kot so priporo\u010dilni sistemi, interakcije s strankami, klasifikacija stilskih preferenc, izbira velikosti obla\u010dil, optimizacija logistike, odkrivanje sezonskih trendov in \u0161e veliko ve\u010d, se ne morejo razviti vnaprej. Morajo biti raziskani. Ni nobenih na\u010drtov za reprodukcijo, gre za nove prilo\u017enosti z lastno negotovostjo. Koeficienti, modeli, vrste modelov, hiperparametri, vsi potrebni elementi morajo biti raziskani s pomo\u010djo eksperimentov, poskusov in napak ter ponavljanja. Pri sponkah se usposabljanje in na\u010drtovanje izvajata vnaprej, pred proizvodnjo. Pri Data Science se u\u010dite med procesom, ne pred njim.<\/p>\n
V tovarni sponk, kjer je usposabljanje na prvem mestu, ne \u010dakamo in ne \u017eelimo, da zaposleni improvizirajo glede katerekoli lastnosti izdelka, razen da pove\u010dajo u\u010dinkovitost proizvodnje. Specializacija nalog je smiselna, saj vodi k u\u010dinkovitosti procesov in usklajenosti proizvodnje (brez sprememb kon\u010dnega izdelka).<\/p>\n
Toda ko se izdelek \u0161e razvija in je cilj u\u010denje, specializacija ovira na\u0161e cilje v naslednjih primerih:<\/p>\n
1. Pove\u010duje stro\u0161ke usklajevanja. <\/b><\/p>\n
To je, dakle, tro\u0161ak koji se akumulira tokom vremena provedenog u komunikaciji, raspravama, obrazlo\u017eenju i odre\u0111ivanju prioriteta posla koji treba obaviti. Ovi tro\u0161kovi se eksponencijalno pove\u0107avaju s brojem uklju\u010denih osoba. (Kao \u0161to nas je pou\u010dio J. Richard Hackman, broj odnosa r raste prema funkciji broja \u010dlanova n u skladu s ovom formulom: r = (n ^ 2-n) \/ 2. I svaka veza otkriva odre\u0111enu koli\u010dinu odnosa tro\u0161kova). Kada su stru\u010dnjaci za analizu podataka organizovani po funkcijama, na svakoj fazi, sa svakoj promenom, svakim prebacivanjem usluga itd. potrebni su mnogi stru\u010dnjaci, \u0161to pove\u0107ava tro\u0161kove koordinacije. Na primer, stru\u010dnjaci za statisti\u010dko modeliranje koji \u017eele da eksperimenti\u0161u s novim funkcijama moraju da usklade svoje delovanje sa in\u017eenjerima za obradu podataka, koji svaki put kada \u017eele da probaju ne\u0161to novo dopunjavaju skupove podataka. Sli\u010dno tome, svaki novi obu\u010deni model zahteva da programer modela ima nekoga s kim mo\u017ee da uskladi svoja delovanja kako bi ga stavio u upotrebu. Tro\u0161kovi koordinacije deluju kao naknada za iteraciju, \u010dine\u0107i je slo\u017eenijom i skupljom te sa ve\u0107om verovatno\u0107om da \u0107e odustati od istra\u017eivanja. Ovo mo\u017ee ometati proces u\u010denja.<\/p>\n
2. Ovo ote\u017eava vreme \u010dekanja. <\/b><\/p>\n
\u0160e ve\u010d zastra\u0161ujo\u010de kot stro\u0161ki usklajevanja je \u010das, izgubljen med delovnimi izmenami. Medtem ko so stro\u0161ki usklajevanja obi\u010dajno merjeni v urah \u2013 \u010dasu, potrebnem za sestanke, razprave in preglede projektov \u2013 se \u010das \u010dakanja navadno meri v dneh, tednih ali celo mesecih! Usklajevanje razporedov funkcionalnih specialistov je zahtevno, saj mora vsak specialist biti razporejen na ve\u010d projektov. Enourni sestanek za razpravo o spremembah lahko traja ve\u010d tednov, da se uskladi delovni proces. In po odobritvi sprememb je potrebno na\u010drtovati tudi dejansko delo v kontekstu \u0161tevilnih drugih projektov, ki okupirajo delovni \u010das specialistov. Delo, povezano s popravkom kode ali raziskavami, katerega dokon\u010danje zahteva le nekaj ur ali dni, lahko traja precej dlje, preden postanejo viri na voljo. Do takrat so iteracije in u\u010denje ustavljeni.<\/p>\n
3. To zo\u017ei kontekst.<\/b><\/p>\n
Delitev dela lahko umetno omeji u\u010denje, saj nagrajuje ljudi za to, da ostanejo v svojih specializacijah. Na primer, raziskovalec, ki mora ostati v okviru svoje funkcionalnosti, bo svojo energijo usmeril v eksperimentiranje z razli\u010dnimi tipi algoritmov: regresijo, nevronskimi mre\u017eami, random forest in tako naprej. Seveda lahko dober izbor algoritma privede do postopnih izbolj\u0161av, vendar se obi\u010dajno lahko veliko ve\u010d pridobi iz drugih dejavnosti, kot je integracija novih virov podatkov. Prav tako bo to pomagalo razviti model, ki izkori\u0161\u010da vsak ko\u0161\u010dek pojasnjevalne sposobnosti, lastne podatkom. Vendar pa je njena mo\u010dna stran morda v spremembi ciljne funkcije ali oslabitvi dolo\u010denih omejitev. Te\u017eko je to videti ali dose\u010di, ko je njeno delo omejeno. Ker se specialist ukvarja z optimizacijo algoritmov, ima veliko manj mo\u017enosti, da se ukvarja s \u010dim drugim, celo \u010de to prina\u0161a pomembne koristi.<\/p>\n
Poglejmo znake, ki se pojavijo, ko ekipe za podatkovne znanosti delujejo kot tovarne sponk (na primer pri preprostih posodobitvah statusa): \u201e\u010dakanje na spremembe v podatkovnem toku\u201c in \u201e\u010dakanje na vire ML Eng\u201c, ki sta pogosta ovira. Kljub temu pa menim, da je bolj nevaren vpliv tisto, \u010desar ne opazite, ker ne morete ob\u017ealovati tistega, \u010desar \u0161e ne veste. Brezhibno izvajanje zahtev in samou\u017eitek, dose\u017een z u\u010dinkovitostjo procesov, lahko prikrije resnico, da organizacije niso seznanjene s prednostmi u\u010denja, ki jih spregledajo.<\/p>\n
Re\u0161itev tega problema je seveda v odpravi metode tovarne sponk. Da bi spodbudili u\u010denje in iteracijo, morajo biti vloge v podatkovni znanosti skupne, vendar z \u0161irokimi odgovornostmi, neodvisnimi od tehni\u010dne funkcije, kar pomeni, da organizirajte podatkovne strokovnjake tako, da bodo optimizirani za u\u010denje. To pomeni, da je potrebno najeti \u201especialiste polnega sklada\u201c \u2014 splo\u0161ne strokovnjake, ki lahko opravljajo razli\u010dne funkcije: od koncepta do modeliranja, od izvedbe do merjenja. Pomembno je poudariti, da ne predvidevam, da bi se ob najemu specialistov polnega sklada zmanj\u0161alo \u0161tevilo zaposlenih. Verjetno preprosto predvidevam, da bo, ko so organizirani druga\u010de, njihova spodbuda bolje usklajena s prednostmi u\u010denja in u\u010dinkovitosti. Na primer, imate ekipo treh ljudi, ki ima tri poslovne kvalitete. V tovarni sponk bo vsak specialist posvetil tretjino \u010dasa vsaki strokovni nalogi, saj drug ne more opraviti njegovega dela. V polnem skladu je vsak vsestranski zaposleni popolnoma predan celotnemu poslovnemu procesu, pove\u010devanju obsega dela in u\u010denju.<\/p>\n
Z manj\u0161im \u0161tevilom ljudi, ki podpirajo proizvodni ciklus, se usklajevanje zmanj\u0161uje. Unik je gladko prehajal med funkcijami, \u0161iril podatkovni tok, dodajal ve\u010d koli\u010dine podatkov, preizku\u0161al nove funkcije v modelih, uvajal nove razli\u010dice v proizvodnji za vzro\u010dne meritve in ponavljal korake tako hitro, kot so pri\u0161le nove ideje. Seveda unik opravlja razli\u010dne naloge zaporedoma, ne hkrati. Na koncu gre za eno samo osebo. Vendar pa naloga obi\u010dajno vzame le majhen del \u010dasa, potrebnega za dostop do druge specializirane naravne osebe. Tako se \u010das iteracije zmanj\u0161uje.<\/p>\n
Na\u0161 unik morda ni tako spreten kot specialist v dolo\u010deni delovni funkciji, vendar ne stremimo k funkcionalni popolnosti ali majhnim postopnim izbolj\u0161avam. Raje si prizadevamo raziskovati in odkrivati vedno nove poklicne izzive z postopnim vplivom. S celostnim kontekstom za celovito re\u0161itev vidi prilo\u017enosti, ki jih ozek specialist spregleda. Ima ve\u010d idej in ve\u010d mo\u017enosti. Tudi on do\u017eivi neuspehe. Kljub temu je cena neuspeha majhna, koristi u\u010denja pa visoke. Ta asimetrija spodbuja hitro iteracijo in nagrajuje u\u010denje.<\/p>\n
Pomembno je opozoriti, da je obseg avtonomije in raznolikosti znanj, ki jih imajo raziskovalci, ki delajo s celotnimi skladi, v veliki measure odvisen od zanesljivosti platforme za podatke, na kateri lahko delujejo. Dobro zasnovana platforma za podatke abstraktira raziskovalce od zapletenosti oblikovanja, porazdeljenega procesiranja, avtomatizacije preklopa na druga sredstva in drugih naprednih ra\u010dunalni\u0161kih konceptov. Poleg abstrakcije lahko zanesljiva platforma za podatke omogo\u010di brezhibno povezovanje z eksperimentalno infrastrukturo, avtomatizira nadzor in opozorilne sisteme, omogo\u010da avtomatsko prilagajanje obsega ter vizualizacijo algoritmi\u010dnih rezultatov in odpravljanje napak. Ti elementi so zasnovani in zgrajeni s strani in\u017eenirjev platforme za podatke, tj. specialist za podatkovne znanosti jih ne prena\u0161a na ekipo razvijalcev platforme za podatke. Specialist za podatkovne znanosti je odgovoren za vse kode, ki se uporabljajo za zagon platforme.<\/p>\n
Tudi mene je enkrat zanimalo funkcionalno deljenje dela z uporabo u\u010dinkovitosti procesov, vendar sem po metodi poskusov in napak (ni bolj\u0161ega na\u010dina u\u010denja) ugotovil, da tipi\u010dne vloge bolje prispevajo k u\u010denju in inovacijam ter zagotavljajo prave kazalnike: odkrivanje in ustvarjanje veliko ve\u010d podjetni\u0161kih prilo\u017enosti kot specializiran pristop. (U\u010dinkovitej\u0161i na\u010din, da se seznanite s tem pristopom k organizaciji, kot je metoda poskusov in napak, skozi katero sem \u0161el, je branje knjige Amy Edmondson \u201eInterakcija v ekipi: kako se organizacije u\u010dijo, ustvarjajo inovacije in tekmujejo v znanstveni ekonomiji\u201c).<\/p>\n
Obstajajo nekatera pomembna predpostavke, ki lahko to vrstico organiziranja naredijo bolj ali manj zanesljivo v nekaterih podjetjih. Proces iteracije zni\u017euje stro\u0161ke poskusov in napak. \u010ce je cena napake visoka, boste morda \u017eeleli zmanj\u0161ati njihovo \u0161tevilo (vendar to ni priporo\u010dljivo za medicinske aplikacije ali proizvodnjo). Poleg tega, \u010de se ukvarjate s petabajti ali eksabajti podatkov, potrebujete lahko specializacijo na podro\u010dju na\u010drtovanja podatkov. Prav tako, \u010de je ohranjanje poslovnih prilo\u017enosti na spletu in njihova dostopnost pomembnej\u0161a od njihovega izbolj\u0161anja, lahko funkcionalna premo\u010d zasen\u010di u\u010denje. Kon\u010dno, model polnega sklada se zana\u0161a na mnenje tistih, ki se na to spoznajo. Niso edinstveni; najdete jih lahko ali jih usposobite sami. Vendar pa so zelo iskani, in za njihovo privabljanje in ohranjanje v podjetju je potrebna konkuren\u010dna materialna kompenzacija, trajne korporativne vrednote in zanimivo delo. Prepri\u010dajte se, da lahko va\u0161a podjetni\u0161ka kultura zagotovi take pogoje.<\/p>\n
Tudi ob vsem tem menim, da model polnega sklada nudi najbolj\u0161e pogoje za za\u010detek. Za\u010dnite z njim in se nato zavedno premikajte k funkcionalni delitvi dela \u0161ele, ko bo to res potrebno.<\/p>\n
Obstajajo tudi druge pomanjkljivosti funkcionalne specializacije. To lahko privede do izgube odgovornosti in pasivnosti zaposlenih. Sam Smith kritizira delitev dela, saj meni, da privede do omajitve talenta, tj. zaposleni postanejo nevedni in zaprti, ker so njihovi obsegovi nalog omejeni na nekaj ponavljajo\u010dih se opravil. Medtem ko specializacija lahko zagotovi u\u010dinkovitost procesa, redkeje navdihuje zaposlene.<\/p>\n
Univerzalne uloge pru\u017eaju sve \u0161to poti\u010de zadovoljstvo radom: autonomiju, stru\u010dnost i usmjerenost. Autonomija se ogleda u \u010dinjenici da ne ovise o ne\u010demu za postizanje uspjeha. Stru\u010dnost se sastoji od sna\u017enih konkurentskih prednosti. A usmjerenost se odnosi na mogu\u0107nost utjecaja na posao koji stvaraju. Ako uspijemo inspirirati ljude da u\u017eivaju u svom radu i ostvaruju zna\u010dajan utjecaj na kompaniju, sve ostalo \u0107e do\u0107i na svoje mjesto.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-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t
![\"Zakaj](\"\/wp-content\/uploads\/2019\/05\/19d1e32e5d57abd463376af240cfa42e.jpg\")