Zespół Data Science w Twojej firmie

Odbyłem ostatnio ciekawą rozmowę z pewnym adeptem Data Science. Rozmowa toczyła się wokół zagadnień co to tak naprawdę jest, po co się tego używa, jakie są przykłady wykorzystania w praktyce i jak się tego nauczyć. W pewnym momencie dyskusja skoncentrowała się wokół zagadnienia, jakie kompetencje powinien mieć Data Scientis't. Na pierwszy rzut oka, odpowiedź jest w miarę prosta. Otóż taki człowiek powinien być specjalistą w programowaniu, bazach danych, matematyce i statystyce, modelach uczenia maszynowego, technikach Big Data a ponadto być świetnym mówcą, rozumieć problemy i wyzwania biznesu i branży. Uff…
Umówmy się, że znalezienie takiej osoby jest co najmniej trudne. Na rynku jesteśmy w stanie znaleźć osoby specjalizujące się w części z wymienionych zagadnień, ale we wszystkich naraz? Niemożliwe ;)


Jak zatem poradzić sobie z taką zagwozdką. Załóżmy, że potrzebuję w firmie uruchomić projekty typu Data Science. Szukam zatem dobrego, doświadczonego Data Scientist'a. Okazuje się, że znalezienie osoby, która spełniałaby wymienione kwalifikacje graniczy z cudem.
Rozwiązaniem jest stworzenie zespołu Data Science. Kilka osób, z których każdy jest specjalistą w innej dziedzinie. Wzajemnie się uzupełniają i dzięki efektowi synergii generują moc.

Jak zatem stworzyć dobry zespół Data Science?

Przedstawię zatem, kilka wskazówek jak powołać dobry zespół Data Science. Moim zdaniem minimalny skład takiego zespołu to:
1. Szef zespołu. To on powinien być najbliżej biznesu. Rozumieć jakie korzyści dla firmy mają przynieść prace zespołu. Jego kompetencje powinny umożliwić generowanie i weryfikację pomysłów, krytyczne spojrzenie na rozwiązania. Powinien mieć bardzo dobrą orientację w statystyce, modelach statystycznych i uczenia maszynowego (podkreślam słowo orientacja, on nie musi być specjalistą) oraz umiejętność prezentowania i obrony koncepcji.
2. Specjalista statystyk/matematyk z dobrymi umiejętnościami programowania i znajomością narzędzi do analizy danych.
3. Informatyk – specjalista programowania, baz danych, przetwarzania danych itp.
W zespole musi znaleźć się specjalista (specjaliści) który ma opanowane modele uczenia maszynowego (jeden z powyższych lub kolejna osoba w zespole).
Ważną wskazówką jest to by każdy z nich był zorientowany na zastosowania. W projektach Data Science nie zawsze ważne są środki (jakość kodu, wydajność). Ważne żeby szybko weryfikować i rozwijać pomysły i koncepcje, które później mogą być zaimplementowane przez specjalistów zgodnie ze sztuką.

Na koniec, należy pamiętać żeby nie przykładać tej samej miary do specjalistów IT (np. programistów) a do potencjalnych członków zespołu Data Science. Rekrutując do takiego zespołu zwracajmy uwagę nie tylko na znajomość zaawansowanych technik programowania (cokolwiek miałoby to znaczyć) ale na umiejętność myślenia, generowania koncepcji, szerokiego patrzenia na problemy, umiejętności wnioskowania i prezentowania.

Dacision oferuje konsultacje przy tworzeniu zespołu Data Science (www.dacision.pl. Możemy pomóc przy rekrutacji, definiowaniu wymagań, ustaleniu celów zespołu i pomysłu na jego funkcjonowanie.
Trwa ładowanie komentarzy...