كيفية بناء فريق علوم البيانات

هناك سبب وجيه وراء البحث في Google عن عبارة "علم البيانات هو رياضة جماعية" يحضر لذاكثيرإدخالات. المهارات المطلوبة من عالم البيانات متنوعة جدًا لدرجة أنه سيكون من المستحيل عمليًا العثور عليها في شخص واحد.

وحتى لو تمكنت من العثور على شخص يجسد كل هذه الصفات، فمن المحتمل أن تضطر إلى دفع مبالغ كبيرة مقابل ذلك. ولكن لنفترض أنك لست في سوق كبيرة مثل أمريكا الشمالية، وأن بحثك يصبح أكثر استحالة. وكان هذا هو التحدي الذي واجهه فودافون نيوزيلندا (نيوزيلندا) عندما يكون مديرًا لاستراتيجية التحليلات والبيانات ديفيد بلوخ كان عليه بناء فريق علوم البيانات. لقد قدم ملحمته أمام شركاء تيراداتا المؤتمر هذا الاسبوع.

في بلد يقل عدد سكانه عن 5 ملايين نسمة، لا ينبغي أن يكون مفاجئًا أن يكون مزود الاتصالات الوطني من المحتمل أن تكون الشركة التي تحتوي على أكبر مجموعة Hadoop وأكثر برامج تحليل البيانات الضخمة طموحًا فيها بلدة. وفقًا لبلوخ، فإن النهج التقليدي للموارد البشرية للعثور على متخصصين يتمتعون بسنوات من الخبرة لن ينجح عندما تكون في سوق صغيرة. قال بلوخ: "من المحتمل أن يقوموا بتصفية الأشخاص الذين تريد التحدث إليهم".

وبدلاً من ذلك، دعا إلى تبني عقلية الشركات الناشئة، وفحص الأحداث مثل اللقاءات والهاكاثون للأشخاص الذين يفوق اهتمامهم وحماسهم تجربتهم الفعلية. وبدلاً من المقابلات التقليدية، كانت العملية غير الرسمية هي أفضل طريقة للعثور على هؤلاء الأشخاص. كانت لدى بلوخ فكرة جيدة عما كان يتحدث عنه نظرًا لخبرته مع العديد من الشركات الناشئة ذات الصلة بالبيانات قبل انضمامه إلى فودافون.

حدد بلوخ سلسلة من الأدوار لتشكيل فريق علوم البيانات الخاص به، والذي يشمل المهندسين والمتسللين والمحللين والإحصائيين وراوي القصص وعامل التغيير. لم يتم تعيين الأدوار بالضرورة إلى المناصب الفردية؛ على سبيل المثال، يمكن أن يكون المحلل وعامل التغيير، أو المتسلل والمهندس، هو نفس الشخص.

وبشكل أكثر تحديدًا، فإن المهندس هو "ساحر الأتمتة" للفريق. كشخص يأتي مع DBA أو ETL الخلفية، هذا هو الشخص الذي يعمل مع المتسلل لبناء تدفقات البيانات، ويضمن ذلك من الناحية الفنية، القطارات تشغيل في الوقت المحدد. في العديد من الفرق، يُطلق على هذا اسم مهندس البيانات. المتسلل هو مطور لغة R أو Python الذي يبني النموذج التقريبي، حتى لو لم يفهم بالضرورة العلم وراء النموذج. والأخيرة هي وظيفة الإحصائي، المفكر العميق الذي يملك المنهج العلمي لتحديد النماذج والتحقق من صحتها. من المحتمل أن يكون هذا هو الشخص الذي من المرجح أن يكون لديه عبارة "عالم بيانات" على بطاقة عمله.

إذًا أنت بحاجة إلى شخص يكون خبيرًا في الموضوع ومستكشفًا للبيانات: وهو المحلل الذي يؤدي دور "إنديانا جونز" في الفريق. هذا هو الشخص الذي يشعر بالراحة في كتابة SQL ويشبه إلى حد كبير محلل الأعمال. أخيرًا، هناك راوي القصة، الذي يتمتع بالخط الإبداعي (وربما موهبة العمل باستخدام أدوات التصور مثل لوحة)، وعامل التغيير. يعمل الشخص الذي يشغل دور وكيل التغيير باعتباره المؤثر الذي يبني حالات العمل، ويتواصل مع المديرين التنفيذيين، ويضمن أن النماذج متصلة وتؤثر على العمليات التجارية. وفقًا لبلوخ، فإن عامل التغيير هو الدور الذي غالبًا ما تتجاهله العديد من فرق علوم البيانات.

يتطلب تحقيق كل ذلك عملية متسقة تتضمن، في مراحل مختلفة، أعضاء مختلفين من الفريق. أولاً، يجب تحديد التحدي التجاري، وهي مهمة تتضمن عامل التغيير والمحلل. ثم يأتي الاستكشاف والتفكير، حيث تتشكل استراتيجية الحصول على البصيرة؛ هذا هو المكان الذي يجمع فيه المحلل والهاكر معًا. ويلي ذلك التنقيب عن البيانات، حيث يشارك المهندس والمحلل والإحصائي. حان الوقت الآن لاختبار النموذج نفسه وتطويره، حيث يتعاون الإحصائي والمحلل وعامل التغيير. يأتي الامتداد الرئيسي مع سرد القصة، وإشراك الراوي والمحلل (وليس من المستغرب)، متبوعًا بجعل النتائج قابلة للتنفيذ. هنا، يتعاون وكيل التغيير والمتسلل لضمان استيعاب نتائج النموذج فعليًا، ونأمل أن يؤدي ذلك إلى تغيير العمل.

على الرغم من أن الفريق لديه أدوار متعددة، إلا أنك لا تريد أن يكبر حجمه كثيرًا. منذ أيام بدايته، وجد أن عشرة أشخاص يصبحون الحد الأعلى العملي، وبعد ذلك تصبح جهود التعاون غير عملية. ولكن في حالة الضرورة، رأى أن هذا النموذج يعمل مع ما لا يقل عن شخصين أو ثلاثة أشخاص. يأخذ كرة المال- مثل النهج، لا تتعطل بسبب المؤهلات الورقية؛ تذهب القدرات والحماس إلى أبعد من ذلك بكثير في سوق العمل حيث قد يتعين عليك الارتجال.