TheDataOpsManifesto

Зная не понаслышке о том, что такое работа с данными для различных организаций, средств исполнения и отраслей, мы оптимизировали методику подготовки и предоставления аналитических материалов. Мы называем его DataOps.

Подпишите манифест

Какое бы имя мы этому ни давали – наука о данных, инженерия данных, управление данными, большие данные, бизнес-аналитика и т.п. – наш опыт работы выявил следующие ценности в сфере аналитики:

  • Люди и их взаимодействие важнее процессов и инструментария
  • Эффективная аналитика важнее всеобъемлющей документации
  • Сотрудничество клиента важнее переговоров по контракту
  • Эксперименты, отработка и обратная связь важнее заблаговременного проектирования
  • межфункциональный подход к реализации важнее обособленных обязанностей

Принципы работы DataOps

1

Стабильная удовлетворенность клиентов

Наш главный приоритет – удовлетворенность наших клиентов, которая достигается заблаговременным и стабильным предоставлением ценных аналитических выводов, которое может занимать от пары минут до нескольких недель.

2

Ценность эффективной аналитики

Мы считаем, что главным показателем эффективности анализа данных является степень информативности предоставляемых аналитических данных, включающих в себя точные сведения, а не массивность структур и систем.

3

Принятие перемен

Мы приветствуем изменения в потребностях клиентов и, на самом деле, мы поддерживаем их в создании конкурентных преимуществ. Мы верим, что самый эффективный, плодотворный и оперативный способ общения с клиентами – это разговор лицом к лицу.

4

Это командная игра

Аналитические команды всегда будут иметь различные роли, навыки, любимые инструменты и названия. Разнообразие фонов и мнений увеличивает инновации и производительность.

5

Ежедневное взаимодействие

Клиенты, команды аналитиков и процессы должны ежедневно находиться во взаимном контакте на протяжении всего срока реализации проекта.

6

Самоорганизация

Мы считаем, что лучшие аналитические информация, алгоритмы, архитектура, требования и проекты появляются у самоорганизованных команд.

7

Снижение уровня героизма

Частота возникновения и объем потребности в аналитической информации постоянно растут, поэтому мы считаем, что героизм аналитических команд должен уступить место стабильной и масштабируемой работе адаптируемых коллективов аналитиков.

8

Самоанализ

Аналитические команды должны периодически регулировать свою рабочую эффективность по отзывам клиентов и своих членов, а также по своей рабочей статистике.

9

Аналитика – это алгоритм

Аналитические команды используют разнообразные индивидуальные конкретные для доступа, интеграции, моделирования и визуализации данных. В целом, каждый из этих инструментов генерирует алгоритм и конфигурацию, описывающие действия, осуществляемые на основе данных, для получения полезной информации.

10

Синхронизация

От первого этапа и до последнего синхронизация данных, инструментов, алгоритма, среды и работы аналитических команд – это ключевой фактор успеха аналитики.

11

Воспроизводимость

Нам необходимы воспроизводимые результаты, и мы учитываем этот аспект для всего: данных, оборудования низкого уровня и конфигурации ПО, алгоритма и конфигурации каждого инструмента в комплексе инструментальных средств.

12

Рабочая среда под рукой

Мы считаем, что важно минимизировать издержки на эксперименты членов аналитической команды, поэтому мы предоставляем им простую в создании, изолированную, безопасную и легкодоступную техническую среду, которая является отражением их производственной среды.

13

Простота

Мы верим, что постоянное внимание к техническому совершенству и проектным возможностям повышают оперативность, и придаем большое значение простоте – искусству максимизировать количество невыполняемой работы.

14

Аналитика – это производство

Аналитические процессы аналогичны экономичным производственным линиям. Мы считаем, что основополагающая концепция DataOps – это фокус на процессном мышлении, нацеленном на достижение стабильной эффективности в производстве аналитической информации.

15

Качество в приоритете

Аналитические процессы должны создаваться на фундаменте, предполагающем автоматическое обнаружение аномалий (дзидока) и проблем с безопасностью в алгоритме, конфигурации и данных, а также должны предоставлять операторам постоянную обратную связь во избежание возникновения ошибок (принцип нулевой ошибки).

16

Мониторинг качества и эффективности

Наша цель – иметь показатели эффективности, безопасности и качества, которые постоянно отслеживаются для обнаружения нежелательных отклонений и формирования рабочей статистики.

17

Повторное использование

Мы считаем, что фундаментальным аспектом эффективности создания аналитической информации является исключение повторений предыдущей работы отдельным специалистом или командой.

18

Оптимизация времени цикла

Мы должны минимизировать время и усилия для преобразования потребности клиента в аналитическую идею, ее оформление и реализацию в виде циклического производственного процесса, и наконец – переработку и повторное использование этого продукта.