잘되는 머신러닝 팀엔 이유가 있다

48

잘되는 머신러닝 팀엔 이유가 있다

을 제공합니다. 예를 들어, 프로토타입 테스트, 실패해도 안전한 실험, 빌드-측정-학습 주기

등이 있습니다. 각 실험은 우리가 정보를 바탕으로 지속할지, 방향을 바꿀지, 중단할지 결정

하는 데 도움을 주는 학습을 제공합니다. 잘못된 아이디어를 초기에 수정하거나 버림으로써

시간과 자원을 절약하고, 고객에게 가치를 제공할 아이디어에 집중할 수 있습니다. 린은 우

리가 더 빠르게 움직이고 ‘올바른 것을 올바른 시기에 구축하여 가치 없는 아이디어에 사람들

의 시간을 낭비하지 않도록’ 도와줍니다.

스포티파이

Spotify

의 헨릭 니버그

Henrik

Kniberg

는 “제품 개발은 쉽지 않다. 사실, 대부분의 제품

개발 노력은 실패하며, 가장 흔한 실패 이유는 잘못된 제품을 만드는 것이다”라고 말합니다.

여기서 목표는 실패를 피하는 것이 아니라, 빠르고 안전하게 실패하여 공감을 구축하고 학습

하기 위한 빠른 피드백 루프를 만드는 것입니다. 이를 달성하는 데 도움이 되는 몇 가지 실천

방법을 살펴봅시다.

발견

발견

23

은 문제, 기회, 잠재적인 솔루션을 더 잘 이해하는 데 도움을 주는 일련의 활

동입니다. 이는 다양한 이해관계자와 고객이 참여하는 빠르고 시간이 제한된 반복 활동을

통해 불확실성을 탐색하는 구조를 제공합니다. 『

Lean ...