97 Dinge, die jeder Dateningenieur wissen sollte

Kapitel 86. Die Art und Weise, wie verschiedene Datendomänen Probleme lösen, verstehen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Matthew Seal

Technologieunternehmen entwickeln häufig parallele Wege für mehrere Datenbereiche, die zusammenarbeiten müssen. Oft gibt es eine Mischung aus Teams, die sich mit Data Engineering, maschinellem Lernen und Dateninfrastruktur beschäftigen. Diese Gruppen haben jedoch oft unterschiedliche Designansätze und tun sich schwer, die Entscheidungen und Kompromisse der anderen Teams zu verstehen. Deshalb ist es wichtig, dass die Teams die Motive und den Druck, der auf ihnen lastet, verstehen, um ein erfolgreiches datengesteuertes Unternehmen zu schaffen.

Ich habe festgestellt, dass einige wenige Denkweisen viele anfängliche Annahmen in diesen drei Gruppen bestimmen und dass die Kenntnis dieser Motive hilft, getroffene Entscheidungen zu unterstützen oder zu widerlegen. Zum Beispiel führen Data Science- und Machine Learning-Teams oft komplexe Werkzeuge ein, die sie zur Lösung ihrer Probleme entwickeln. Um eine genauere, präzisere oder spezifischere Antwort zu erhalten, ist es meist erforderlich, mehr Daten hinzuzufügen oder einen bestehenden Prozess zu verkomplizieren. Für diese Teams ist die Erhöhung der Komplexität daher oft ein vernünftiger Kompromiss zum Nutzen. ...