DataOps на практике

Как известно, новые технологии требуют от компаний перемен и способностей работать с Big Data, оперативно реагируя на события. В этом контексте способны помочь принципы DataOps.

Давайте вспомним, что DevOps-методологии сближают разработчиков и специалистов по эксплуатации программного обеспечения, помогая получше согласовывать разработку с целями бизнеса, сокращать циклы выпуска, увеличивать частоту развертываний. При этом главной характерной чертой DevOps являются кроссфункциональные группы, которые включают в себя специалистов по эксплуатации/архитектуре/планированию/программной инженерии/управлению продуктами. DataOps добавляет к перечню выше исследователей данных и экспертов по их подготовке, таким образом дополнительно улучшая взаимодействие между участниками.

Современные специалисты утверждают, что группа DataOps будет максимально эффективна, когда в ней будут специалисты по исследованию данных. При этом от традиционной организации рабочего процесса, когда аналитики от разработчиков изолированы, нужно отказываться. Дело в том, что реальная координация возможна только при тесном взаимодействии, пусть даже это будет совместное выслушивание жалоб заказчиков.

На практике исследователям данных надо проходить те же самые процедуры отбора в команду, что и разработчикам, а также вместе с разработчиками рассматривать комментарии пользователей, рекомендуя решения тех либо иных проблем. Но тут совершенно не обязательно, чтобы Data Science-специалисты работали в группе DataOps постоянно: как правило, исследователей данных включают в команду лишь на некоторое время, после чего исследователь может перейти в другую команду, а его роль возьмет на себя другой участник, тот же инженер по подготовке данных. Другими словами, происходит постоянная ротация, что не может не радовать.

Источники: • https://www.osp.ru/cw/2018/03/13054002.