1
継続的にお客様を満足させる
当社の最優先事項は、数分から数週間の間に価値のある分析的洞察を早く継続的に提供することによってお客様を満足させることです。
組織、ツール、および業界全体のデータを直接取り扱った経験を通じて、当社は、DataOpsと呼ばれる分析を開発および提供するためのより優れた方法を発見しました。
マニフェストに署名するデータサイエンス、データエンジニアリング、データ管理、ビッグデータ、ビジネスインテリジェンスなどと呼ばれるものを問わず、当社は分析において以下のようなことを重視するようになりました。
- プロセスとツールよりも個人と人との関わり
- 包括的なドキュメンテーションよりも実用的な分析
- 契約交渉よりも顧客とのコラボレーション
- 大規模な先行設計よりも実験、関わり、およびフィードバック
- サイロ化された責任よりも業務の機能横断的な所有権
DataOps 原則
2
実用的な分析に重きを置く
データ分析のパフォーマンスの主な尺度は、強固なフレームワークとシステムの上に、正確なデータを組み込んで洞察力のある分析が提供される程度であると当社は考えています。
3
変化を受け入れる
当社は進化する顧客ニーズを受け入れて競争上の優位性を生み出します。 お客様との最も効率的で効果的、そして迅速なコミュニケーション方法は対面会話であると考えています。
4
チームスポーツ
分析チームには、常にさまざまな役割、スキル、お気に入りのツール、タイトルがあります。 多様な背景と意見が革新と生産性を向上させます。
5
日々の関わり
お客様、分析チーム、および経営陣は、プロジェクト全体を通して日々協力して作業する必要があります。
6
自己組織化
当社は、最良の分析的洞察、アルゴリズム、アーキテクチャ、要件、そしてデザインが自己組織的なチームから生まれていると信じています。
7
ヒロイズムを減らす
分析的洞察に対するニーズのペースと幅がますます拡大するにつれて、分析チームはヒロリズムを減らし、持続可能でスケーラブルなデータ分析チームとプロセスを作成するよう努めるべきだと考えています。
8
自己反映
分析チームは、お客様自身から提供されるフィードバックと運用統計を定期的に自己反映することによって、運用パフォーマンスを微調整する必要があります。
9
分析はコード
分析チームは、さまざまな個別のツールを使用して、データへのアクセス、統合、モデル化、および視覚化を行います。 基本的に、これらの各ツールは、洞察を提供するためにデータに対して行われたアクションを記述するコードと構成を生成します。
10
オーケストレーション
データ、ツール、コード、環境、および分析チームの作業の最初から最後までのオーケストレーションは、分析の成功を左右する重要な要因です。
11
再現可能にする
再現可能な結果が必要とされるため、当社はデータ、低レベルのハードウェアおよびソフトウェア構成、およびツールチェーン内の各ツールに固有のコードと構成のすべてをバージョン管理します。
12
自由に使用できる環境
分析チームのメンバーが、制作環境を反映した、容易に作成でき、孤立した、安全な、そして自由にしようできる技術環境を容易に提供できるようにすることで、分析チームメンバーが実験するためのコストを最小限に抑えることが重要だと考えています。
13
単純さ
当社は、技術的な卓越性と優れたデザインへの継続的な注目が敏捷性を高めると信じています。 同様に単純さ(まだ行われていない作業量を最大化する技術)は不可欠です。
14
分析は製造
分析パイプラインはリーン製造ラインに似ています。 DataOpsの基本概念は、分析的洞察の製造において継続的な効率性を達成することを目的としたプロセス思考に焦点を当てることだと考えています。
15
品質が最も重要
分析パイプラインは、コード、構成、およびデータの異常（jidoka）およびセキュリティ上の問題を自動検出できる基盤を使用して構築する必要があり、エラー回避のためにオペレーターに継続的なフィードバックを提供する必要があります（poka yoke）。
16
品質とパフォーマンスを監視する
当社の目標は、予期しない変動を検出し、運用統計を生成するために、パフォーマンス、セキュリティ、および品質の測定を継続的に監視することです。
17
再利用
分析的洞察の制作効率の基本的な側面は、個人またはチームによる以前の作業の繰り返しを避けることであると考えています。
18
サイクル時間を短縮する
当社は、顧客ニーズを分析的なアイデアに変え、それを開発段階で創造し、それを再現可能な製造プロセスとしてリリースし、そして最終的にその製品をリファクタリングして再利用するための時間と労力を最小限に抑えるよう努力します。